Graph-MIND 在 Hacker News 亮相，为 AI 编程智能体提供本地记忆，保存记忆时不调用大模型，可降低开销并保护隐私，适合关注智能体记忆与成本的开发者。
会计规则精确、容错率极低，LLM 的概率性推理难以达到 100% 准确。Campfire 融资 6500 万美元自建会计模块，准确率仅约 95%，在 10 万条分录中意味着约 1000 条错误，风险远高于编程和法律场景。
百度健康宣布文心健康管家升级，月活超5000万居行业第一，发布好医矩阵与健康相机，支持视频边拍边问，并联合15万三甲医生提供AI+真人问诊闭环。
IBM 研究团队发布 ClariEdge 数据集，约 3900 条含歧义查询与无需澄清的负例，微调后的轻量 LoRA 模型在澄清判定上达 96.6% 准确率，超过多个大模型提示基线。
海康机器人发布2026移动机器人新品，聚焦仓储“存、拣、运”全流程，升级箱式存拣方案并推出“明智”系列单体智能产品，最快30分钟投产，累计下线突破20万台。
国产决策模型发布，面向企业高频判断任务，在23项开源基准测试中准确率超过微软和JEV同类模型，为企业自动化决策提供新选择。
OpenAI 将其决策模型向全球广泛开放，直接对标此前推出的 Jev 模型，决策类 AI 模型赛道的竞争由此升温，开发者和企业用户将获得新的模型选择。
Boundry推出面向AI智能体和大模型的实时安全代理与护栏，可拦截Unicode注入攻击、按租户隔离、提供Webhook告警，并以极低延迟运行，帮助企业在部署AI应用时防范提示注入等安全风险。
中国团队StartLux在决策模型评测榜单上登顶，超越Jev等对手，其模型具备“拿不准再想”的自适应推理能力，即根据不确定性决定是否延长思考，对决策类AI应用有参考价值。
AlphaDiana 是一个模块化智能体测量系统，可分别控制文件复用与记忆保留，在五个基准上测试三种开源模型与三种执行框架，发现框架并不稳定提升推理准确率，技能与记忆干预同样不可靠。
研究探讨基准测试饱和后能否继续评估模型能力，发现利用解题过程记录仍可预测模型表现，成对评判法效果最佳，预测误差降低5.3倍。
研究指出，现有智能体数据科学评估只看预测性能和代码正确性，掩盖了数据泄漏、验证不当等方法论错误。对220个任务的测试显示，多数智能体方案至少存在一种失败模式。
亚马逊设备主管帕诺斯·帕奈在TechCrunch Disrupt上预测，未来环境AI设备将在后台运行，主动预判用户需求而非等待指令，从而取代打开应用的操作方式。
阶跃星辰推出首款智能体手机，定价 3999 元，主打解锁后直接进入 AI 交互界面，无需先打开 App，试图以智能体取代传统应用入口。
安踏与火山引擎合作，将Agent落地内容生产、海外订货和跨境退货环节：带货视频新人半天上手，下单决策由半天缩至10-20分钟，退货单月均自动创建超1000张，并计划跨品牌复制。
多位企业高管指出，语音AI仍缺乏上下文理解能力，常遗漏关键信息，导致整个处理流程中断，距离像ChatGPT那样的突破性时刻还有距离。
字节团队论文指出 DeepSeek V4 系列因分块 KV Cache 压缩存在相位敏感性，关键信息落在压缩块交界盲区时准确率骤降，加几个空格即可让模型答错，该问题在采用同类压缩技术的模型中普遍存在。
Text2Dashboard 是 DataBrain 专用原型，可将自然语言分析请求转为可审查仪表盘。它用受控智能体架构结合模型决策与确定性工具，在真实任务上元数据选择 4/4 通过，SQL 任务语义全达标，故障场景全部符合预期。
研究对开源Laya与托管Jev两个系统1决策模型在11个智能体决策点上做配对评估，共7283个基础用例加6640个鲁棒性变体。Jev在9个决策点显著更准，但两者在零样本模型路由上均未超随机水平。
StartLux发布开源决策模型StartLux-Decision，27B版本在Decision Index 0.2.1评测中得分63.88，38项基准中31项超过Jev 1.13；在七项评测中平均准确率91.82%，高于Jev的88.74%。
研究用消息干预法测试推理器传给验证器的理据，发现忠实理据几乎不提升答案准确率，但被篡改的理据会大幅改变支持判断，且人类往往能识破模型接受的错误理据。
Praxa是一个让AI智能体的提案、授权、执行与外部效果验证变得显式可测的智能体框架，作者报告了四条证据线，但明确承认现有证据尚不足以证明其生产环境优越性或安全性。
研究指出长时程语言智能体的外部记忆常呈重尾分布，提出基于秩的记忆控制器CTWM，在保持状态覆盖的同时减少提示词用量并降低尾部预测误差。
MoFlow 将智能体工作流生成建模为多目标马尔可夫决策过程，用凸包蒙特卡洛树搜索一次覆盖帕累托前沿，无需重训即可按偏好返回工作流，在数学、代码、问答六项基准上平均超体积最高。
研究者提出神经符号路由器，用L*语法推断学习确定性有限自动机，把结构化推理查询分派给符号求解器，仅将开放性问题交给小模型。在树莓派4B上路由准确率达100%，整体准确率98.3%，远高于基线。
研究发现多智能体代码评判框架MARCH在多数比较中无法区分两个候选方案，准确率仅4.4%，远低于直接提问的43.7%。作者提出两项无需标签的测量指标，据此让评判器拒绝无依据的比较，准确率提升至36.9%。
QCon上海分享B2B跨境支付场景下的AI驾驭实践，围绕可控、可测、可进化三个维度，介绍如何将AI能力落地于风控、合规与交易处理等核心环节。
DoorDash 构建多 Agent 大模型系统，自动清理代码库中约 6 万个 Feature Flag，降低技术债与维护成本，为工程团队提供 AI 驱动代码治理的落地样本。
阿里巴巴开源 AI 代码评审工具 OpenCodeReview，可自动分析代码变更、发现潜在缺陷并给出修改建议，帮助开发团队提升评审效率与代码质量。
PAWS 是一个政策驱动的智能体世界模拟数据集，覆盖 36 个美国金融经济政策事件、1.2 万余条政策新闻和 6.5 万余条利益相关者行动，用于评估智能体在历史金融场景中的影响与政策响应。
云栖大会上，千问办公发布企业级Agent基础设施“企业上下文”与AI硬件QwenNote A2，前者把群聊、文档、业务系统信息压缩结构化供Agent调用，后者以名片大小录音卡补上线下对话这一外部上下文来源。
Petlibro 发布 Granary 2 系列智能喂食器，内置秤与 AI 摄像头，可精确追踪每只猫的进食量与时间，但高级健康监测功能需额外订阅。
arXiv新论文提出基于Fisher信息度量的模型空间测地距离剪枝方案，将参数置零视为模型位移，按测地距离近似层级构建最优剪枝方法体系。在MNIST和CIFAR-10上对全连接网络和视觉Transformer验证，全剪枝范围内精度与MCC均优于幅度剪枝和局部Fisher信息剪枝。
阶跃发布 StepAudio 3 系列五款语音模型，覆盖实时交互、识别、语音生成与音乐创作，多款在 Artificial Analysis 榜单登顶全球第一，现已上线开放平台。