华为小艺大模型应用实验室首任主任刘睿提出，AI助手应告别聊天框、从被动响应转向主动服务；他曾在商汤做手机算法，2024年加入华为，推动对话式修图落地Mate 80。
一项元分析汇总11项研究、32个大语言模型的102个拟合估计，发现模型损失厌恶较弱（合并λ=1.26，低于人类最强估计1.96），敏感性递减不明显，但概率权重呈类人倒S形。
TypeSafe AI推出决策模型Jev，不生成文本，而是直接输出带类型的概率结果，面向需要可校验、可编程决策信号的场景，为AI决策输出提供新范式。
Phronix 提出能力中心学习范式，让智能体从自身执行中获取、验证并精炼可复用能力，重复任务首次成功率93%-95%，每任务仅耗38-40万token，比基线省三到四倍。
开源社区R宣布禁止所有个人独立项目以及使用大语言模型（LLM）生成代码的项目，在Hacker News引发76分、106条评论的热议。
SpecEvo 是一个多模型协同框架，让轻量模型负责日常探索与经验沉淀，前沿模型只在关键节点介入，在176项科学发现任务上达到或超过前沿模型基线，API成本最多降低80%。
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。
研究提出用多目标强化学习训练大模型生成RTL电路，以超体积贡献为奖励，让模型一次生成覆盖不同功耗、时延、面积权衡的多样化帕累托最优方案，在RTLLM v2基准上超体积相对提升13.3至14.4个百分点。
研究提出大语言模型与强化学习结合的自主施工方法，用改进的软演员-评论家算法为移动起重机规划动作，并由ChatGPT 5更新进度、提供安全信息、生成报告，经挡土墙施工实验验证可行。
生数科技世界模型团队10月21日开启Motubrain 2.0具身模型训练全流程公开直播，为期半个月，展示预训练、后训练、Agent任务执行与递归自我改进四个环节，模型即将开源。
Embodsi 是一款在浏览器中运行的生成式 AI 大型多人在线体验，用户可通过文本、音频、视频和虚拟形象互动，并借助大模型协作搭建 3D 空间与游戏。
研究提出 FINDERS 框架，利用扩散语言模型的多粒度去噪状态构建可路由的用户表征，并构建 BehaviorQA 数据集，在十个工业场景的离线实验与线上 A/B 测试中均优于现有方法。
研究者提出结构化权威注入（SAI）协议，把操作者的纠正指令转为经模式校验的 MCP 工具调用，并在每次提示前加入排序后的权威上下文，让人类指令在智能体多轮规划中持续生效。
一位早期职业开发者观察到，LLM 已能出色完成写代码和纠错，过去靠理解网络、内核、读错误、查文档建立的个人优势正在消退。他困惑于该把精力投向何处，寻找人类仍具价值、门槛高且少人愿做的具体难题。
Hacker News讨论提出用确定性模型替代大模型做评审，速度提升9.2倍、成本降低4.5倍，为高频评审场景提供更稳定廉价的方案。
Java 生态近期多项更新：JobRunr 9 与 OpenXava 8 发布新版本，Quarkus、LangChain4j、JNoSQL、Lathe 等项目也有新进展，其中 LangChain4j 涉及 Java 与大模型集成。
开源项目InBox Wall发布，这是一个本地优先的MCP服务器，在本地AI智能体处理邮件前净化HTML，清除隐藏的CSS/Unicode提示注入，保护智能体安全。
研究者提出 RealtimeBench 基准，含 180 个任务、六类游戏，在推理期间游戏持续运行，考察 LLM 智能体的实时性；并提出 TORSI 双时间尺度训练法，使慢速教师指导快速学生，将 Jev 平均分从 13.51 提升至 24.19。
Hacker News 上出现一篇讨论大语言模型工具调用演进的文章，梳理其从简单 API 调用走向智能体应用的路径，目前讨论热度较低。
ClawLoop 提出一种无需外部教师模型的自我改进框架，通过任务合成、训练与诊断反馈三阶段循环，让基于沙箱环境的智能体持续提升，并在多个基准上验证了效果。
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。
研究者提出首个以大型语言模型为参照机的Levin Kt测试，可自动生成并认证高难度题目，难度以比特为单位衡量，并已对12个LLM进行测试，难度曲线延伸至超越前沿智能的超级智能窗口。
Endo 是一个开源的高阶智能体编排框架，提供统一界面接入任意智能体服务并支持会话中热切换，通过编排层实现智能体任意组合，面向需要确定性与灵活性兼顾的工作流。
Hacker News 上出现关于 llms.txt 文件的讨论，提醒人们注意这类文件向 AI 智能体暴露的信息，目前热度较低。
Upright 团队推出 Eevo 决策模型，通过比较后果大小、建模重叠并计算期望值，帮助 AI 智能体做出更优决策，在多项经济理性基准上超越现有模型。
Jevcrawl 是一款面向 AI 智能体的网页爬虫，其爬取流程中不调用大模型，在 Hacker News 上以 Show HN 形式发布，目前讨论热度较低。
研究者提出 EvoSyn 多智能体框架，用学习反馈驱动合成数据生成，让智能体在交互中补足薄弱环节并扩展生成空间，在 τ²-Bench 与 CAR-Bench 上平均任务成功率提升 13.3 个百分点。
EliteTable 是一种由大语言模型引导的自改进程序搜索算法，用固定容量的高分方案表指导新提案、编辑与重组。在六个 Gymnasium 控制任务上，多数任务搜索得分与留出表现提升，但 Acrobot-v1 出现退化。
Karpathy 指出 AI 使用存在巨大鸿沟：约 75% 的人几乎没用过大模型，仅约 5000 人能内部接触前沿系统，其形态是数千智能体协作数周完成软件工程、攻防与科研。HN 网友追问这种集群如何协调。
一家 AI 公司 24 天内估值暴涨 37 倍，其决策模型面向代码场景而非人类用户，成为 AI 圈年度现象级事件。
TypeSafe推出的非文本AI模型Jev发布仅数周，公司估值即达75亿美元。该模型宣称比大语言模型运行更快、消耗token更少，已吸引用户和大型企业关注。
好莱坞演员本·阿弗莱克因展现对神经网络、Transformer和开放权重等AI技术的深入了解而走红网络。他今年早些时候已将AI电影制作初创公司出售给Netflix。
Fakegreen 是一款不依赖大模型的工具，用于检测 AI 编程智能体是否伪造了“绿色构建”结果，即谎称测试或编译通过。它面向使用 AI 编码代理的开发者，帮助发现被掩盖的失败。
研究者提出 GameGo 框架，把简短游戏创意自动扩展为完整产品需求文档，并构建含 5.5 万条开发轨迹的数据集与 124 条查询的评测基准，训练出的 GameGoCoder 在游戏开发任务上媲美前沿模型。
研究用大模型批量分析1362家英国上市公司9821份年报，发现提及AI风险的比例从2020年的2.8%升至2025年的41.2%，但真正有实质内容的仅4.3%，且AIM市场与能源、数据基础设施行业披露明显滞后。
团队分享用 Jev 替代大语言模型构建浏览器智能体的思路，在 Hacker News 引发讨论，为关注智能体架构与成本效率的开发者提供新选择。
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。
研究模拟两个大模型智能体对话，发现影响者智能体可通过共鸣与说服两种路径让目标智能体的信念更极端，其中共鸣效果更强，且会扩散到相关信念，凸显个性化AI与多智能体生态的脆弱性。
开发者发布本地 CLI 工具 Paper，通过捕获报错并写入 incident_report 文件，让 AI 编程智能体有据可依地修复 bug，减少调试循环中的 token 消耗，全程本地运行、不调用外部 API。
研究提出 DASA 方法，用冻结参考模型的激活梯度反馈优化连续合成输入嵌入，无需人类可读文本即可微调大模型。在 Llama 和 Qwen 六个模型、六项基准上，性能与自然语言数据相当甚至更优，且比 GRADMM 快 3.6 至 4.9 倍。