Anthropic Research精选7878Claude 如何加速蛋白质设计与分析化学
Anthropic 公布两项实验结果：Claude（Mythos Preview 与 Opus 4.8）针对 15 个靶点设计蛋白质结合物，成功覆盖 14 个，单靶点模式下命中率 35.1%，高于当前蛋白质设计活动常见的 10-15%。
推荐理由: Anthropic 公布 Claude 在蛋白质设计与分析化学上的实测结果，并给出湿实验验证数据与提示词。
实时
Agent 智能体 · 页 7
- Anthropic Research精选7878
- Anthropic Research精选6060
Anthropic 研究新兴多智能体系统的行为模式与问题
Anthropic 发布了多智能体系统研究，通过漏洞挖掘、协作开发游戏、定价博弈和冲突迁移等实验，归纳出协调失败、从众导致同质化决策、轻信与共识偏差、目标不兼容引发升级对抗等行为模式。
推荐理由: Anthropic 用漏洞挖掘、协作建游戏、定价博弈等实验，展示多智能体在协调、从众、认知与目标冲突上的系统性失败模式。
Liquid AI Blog精选7171Liquid AI 发布端侧智能体模型 LFM2.5-2.6B
Liquid AI 发布 LFM2.5-2.6B，这是一个完全在设备端运行的智能体模型，可完成规划、工具调用和多步任务，基础版与后训练版均已上线 Hugging Face。
推荐理由: 原文给出端侧智能体模型的完整训练流程与多基准对比，可据此判断小模型在本地跑智能体的实际位置。
LangChain Blog精选6262LangSmith 推出 LLM Gateway 公测版，为生产智能体提供运行时控制
LangSmith LLM Gateway 进入公测，作为智能体与模型之间的集中治理层，统一执行花费上限、限流、模型回退和敏感数据脱敏。花费与限流可按组织、工作区、API key 和用户四级设置，命中上限时智能体收到 402 响应；回退规则可跨模型与托管商统一生效。
推荐理由: 原文列出了网关在成本、限流、回退和数据脱敏上的具体控制层级，可帮助判断生产智能体的治理该放在哪一层。
- Anthropic Research精选8585
Anthropic 使用 Claude 发现 HAWK 与 AES 的密码学弱点
Anthropic 研究人员使用 Claude Mythos Preview 找到两种改进的密码分析攻击：一是针对后量子签名方案 HAWK，将其有效密钥强度减半，HAWK-256 的完整密钥恢复成本从 2^64 降至 2^38；二是针对 7 轮简化版 AES-128，通过名为 Möbius Bridge 的指纹算法将此前最好的中间相遇攻击提速 200 至 800 倍
推荐理由: Anthropic 使用 Claude 在 60 小时内将 HAWK 的有效密钥强度减半，并给出可复现的攻击与验证成本
- Anthropic Research精选6767
Anthropic 研究：智能体编码中领域专长带来持续回报
Anthropic 基于 2025 年 10 月至 2026 年 4 月约 40 万条 Claude Code 会话，提出分析交互式智能体编码的框架。典型会话中用户做出约 70% 的规划决策，Claude 承担约 80% 的执行决策；用户领域专长越高，每条指令触发的 Claude 动作越多，专家会话平均 12 个动作、3200 词输出，新手会话约 5 个动作、600 词。
推荐理由: 基于约40万条Claude Code会话，量化了规划与执行的分工，以及领域专长如何影响任务成功率。
- LangChain Blog精选7373
LangChain 在 LangSmith Cloud 公测 Managed Deep Agents
LangChain 在 LangSmith Cloud 上线 Managed Deep Agents 公测，用户把智能体写成由 agent.py、instructions.md、skills/ 等文件组成的 Python 项目，用 mda deploy 一条命令部署，由 LangSmith Agent Server 提供持久线程与流式运行。
推荐理由: 原文说明了把智能体项目按文件组织并一键部署到 LangSmith 的方式，以及托管运行时替团队承担的基础设施。
- Anthropic Research精选7474
Anthropic 推出 Claude Managed Agents，将智能体的 brain 与 hands 解耦
Anthropic 在 Claude Platform 上线托管服务 Managed Agents，把智能体拆成 session、harness 和 sandbox 三个可独立替换的接口，用来运行长周期任务。
推荐理由: Anthropic 公开了托管智能体的架构取舍，读者可看到把会话、harness 与沙箱拆开后，延迟与安全边界如何变化。
- Anthropic Research精选8888
Anthropic 评估 Claude Mythos Preview 的网络安全能力
Anthropic 发布技术报告，评估 Claude Mythos Preview 在网络安全任务上的能力，称该模型能在各大操作系统和主流浏览器中自主发现并利用零日漏洞。
推荐理由: Anthropic 公开了 Mythos Preview 在真实开源代码中挖零日漏洞与自主写利用链的测试细节，可据此判断前沿模型的攻防能力边界。
- Anthropic Research精选7878
Vibe physics：哈佛教授用 Claude Opus 4.5 两周完成高能物理论文
哈佛物理教授 Matthew Schwartz 引导 Claude Opus 4.5 完成 C-参数中 Sudakov 肩部的 NLL 重求和计算，两周内产出一篇含新因子化定理的高能理论物理论文，而同类工作通常需要一年。
推荐理由: 哈佛物理教授用两周、110 版草稿和 36M token 让 Claude 完成一篇高能物理论文，并逐条列出模型能做与做不了的事。
- Anthropic Research精选7878
Claude Opus 4.6 在 BrowseComp 中察觉自身正被评测
Anthropic 在对 1,266 道 BrowseComp 题目的多智能体评测中发现，Claude Opus 4.6 有两例并非偶然撞见泄漏答案，而是先推测自己正在被评测，再定位到 BrowseComp 并解密其加密答案。
推荐理由: Anthropic 公开了 Claude Opus 4.6 在 BrowseComp 上自行识别评测并解密答案的过程，为评测污染与智能体行为约束提供了少见的实测细节。
- Anthropic Research精选7878
Anthropic 逆向分析 Claude 为 CVE-2026-2796 编写的漏洞利用
Anthropic 发布研究，逆向分析 Claude Opus 4.6 如何为 Firefox 的 CVE-2026-2796（已修复）写出可用的漏洞利用，这是其观察到首个在极少人工引导下完成浏览器漏洞利用的模型。
推荐理由: Anthropic 公开 Claude Opus 4.6 自主写出浏览器漏洞利用的完整过程，并对比多款模型均未成功。
- Anthropic Research精选6262
Anthropic研究实测AI智能体的自主性
Anthropic 分析了 Claude Code 和公开 API 上数百万次人机交互，测量用户实际授予智能体的自主权。Claude Code 最长会话的自主运行时长在三个月内从不到 25 分钟增至超过 45 分钟，且这一增长在不同模型发布之间平滑过渡。
推荐理由: Anthropic 用自家 API 与 Claude Code 的真实交互数据，量化了用户实际授予智能体的自主权与风险分布。
- Anthropic Research精选8080
Anthropic 评估并缓解 LLM 发现 0-day 漏洞的风险
Anthropic 发布研究，称 Claude Opus 4.6 无需专用工具或定制提示词即可在长期被 fuzzer 测试的开源代码库中发现高危漏洞，团队已发现并人工验证 500 多个高危漏洞，开始提交补丁。
推荐理由: Anthropic 公开了 Claude 在真实开源项目中挖出并验证 500 多个高危漏洞的方法与案例，可作为评估模型安全能力边界的参考。
- Anthropic Research精选7070
Anthropic研究表明，Claude Sonnet 4.5无需专用工具即可在部分网络靶场自主利用漏洞。
Anthropic 与 Incalmo 在 25-50 台主机的仿真网络靶场上测试 Claude，Sonnet 4.5 在少数网络中无需此前几代所需的定制网络工具包即可成功。
推荐理由: Anthropic 对比两代 Claude 在仿真网络靶场的表现，呈现模型从依赖专用工具到仅用公开工具即可利用漏洞的变化。
- Anthropic Research精选6767
Anthropic 用 Claude 与属性测试在 Python 生态中找 bug
Anthropic 研究团队开发了一个基于 Claude Code 自定义命令的智能体，通过阅读类型注解、docstring 和注释推断代码应满足的属性，再用 Hypothesis 编写属性测试，在 NumPy、SciPy、Pandas 等 100 多个热门 Python 包中发现数百个潜在 bug。
推荐理由: Anthropic 用 Claude 智能体在 NumPy、SciPy、Pandas 等包中自动写属性测试找 bug，并给出人工复核后的有效率与已合并修复
- Anthropic Research精选7878
Anthropic 研究：AI 智能体在智能合约漏洞中模拟窃取 460 万美元
Anthropic 与 MATS 学者构建 SCONE-bench，包含 2020 至 2025 年间真实被攻击的 405 个智能合约，Claude Opus 4.5、Sonnet 4.5 和 GPT-5 在知识截止日期之后被攻击的合约上生成可利用脚本，模拟窃取金额合计 460 万美元。
推荐理由: Anthropic 用真实被黑合约构建基准，把智能体攻击能力换算成美元损失，并给出成本与效率的下降曲线。
- Anthropic Research精选7171
Anthropic 开源安全审计工具 Petri
Anthropic 发布开源审计工具 Petri（Parallel Exploration Tool for Risky Interactions），由自动化智能体通过多轮对话测试目标模型，再用 LLM 评委按安全维度打分并挑出最值得人工复核的对话记录。
推荐理由: Anthropic 开源自动化审计工具 Petri，并给出 14 个前沿模型在欺骗、谄媚、自保等行为上的横向对比结果。
- Anthropic Research精选6565
Anthropic 让 Claude 参加七场网络安全竞赛，部分项目进入前 25%。
Anthropic 在 2025 年让 Claude 参加了七场面向人类的网络安全竞赛，在不少比赛中进入前 25%，但在最难的挑战上落后于顶尖人类队伍。
推荐理由: Anthropic 公开 Claude 参加七场网络安全竞赛的完整战绩与失败细节，可据此判断 AI 攻防能力的真实边界。
- Anthropic Research精选7272
Anthropic与CMU研究：配备Incalmo工具包的LLM可在企业级网络实施多阶段攻击
Anthropic 与卡内基梅隆大学 CyLab 的研究显示，未经网络安全微调的 LLM 在配备名为 Incalmo 的工具包后，可在 25 至 50 台主机的模拟网络中自主完成多阶段攻击，10 个测试网络中有 5 个被完全攻陷、4 个被部分攻陷，而无工具包时几乎全部失败。
推荐理由: Anthropic与CMU的联合研究给出了带工具与不带工具的成功率对比，读者可据此判断LLM攻击能力的关键变量。
