Itaú 如何为全体客户构建生成式 AI
巴西银行 Itaú 通过对话式界面 ia.i 和治理平台 IARA，将 AI First 战略同时落地到客户与员工场景。该行所处的巴西金融业是监管最严格的行业之一。
#Agent
OpenAI NewsAI 评分2222 AWS Machine Learning BlogAI 评分3434 用 Amazon Bedrock AgentCore 构建 AI 智能体可信度：一套生产级评估框架
AWS 的 Sales, Marketing, and Global Services (SMGS) Operations 团队基于 Amazon Bedrock AgentCore Evaluations 搭建了一套覆盖全生命周期的智能体评估框架，用于其服务 AWS Field Sales 的生产级多智能体系统。
OpenAI NewsAI 评分2626 Stack Overflow for Agents 借 ChatGPT 插件实现注册量三倍增长
两名工程师用 Codex 在几周内做出 Stack Overflow for Agents，其 ChatGPT 插件推动智能体创建量最高增长 10 倍，注册量增至三倍。
Google Research精选AI 评分7171 Google Research 提出 VERID 框架，让 AI 智能体在湿实验室中安全执行实验
Google Research 发布博客介绍三项研究，目标是让 AI 智能体不仅能提出假设和分析，还能在湿实验室中运行实验、从结果中学习并自我改进。VERID 框架是实验室工作单元的语义数字孪生，提供实时 3D 状态跟踪、快速虚拟试运行、硬件安全检查以及同步视频与操作日志，让智能体在接触试剂前先验证协议。
推荐理由：Google Research 公开了让 AI 智能体接入湿实验室物理环境的三项研究，读者可了解智能体做实验的落地路径与安全约束。
AWS Machine Learning Blog精选AI 评分7171 Reflection AI 发布开放权重模型 Beam，并在 AWS 上给出部署方案
Reflection AI 推出开放权重模型 Beam，面向智能体编码和长周期任务，可维护代码、调用工具并完成多步工作流。
推荐理由：原文给出 Beam 的开放权重规格与两条 AWS 部署路径，读者可据此判断多节点部署的硬件与显存要求。
Hugging Face Blog精选AI 评分8181 Reflection 发布 501B 开源模型 Beam，支持 1M 上下文与智能体编码
美国新实验室 Reflection 在 Hugging Face 发布首个开源模型 Beam，这是一个 501B 参数的 MoE 模型，每 token 激活 23B，支持 1M token 上下文，采用 Apache 2.0 许可，聚焦编码与智能体场景。
推荐理由：原文给出 501B MoE 开源模型的架构细节、量化版本与部署配方，可据此判断自托管长上下文编码智能体的硬件门槛。
Google DeepMind精选AI 评分6060 Google DeepMind 用 Google Antigravity 加速抗菌肽发现
Google DeepMind 介绍其智能体开发平台 Google Antigravity 如何用于抗菌肽发现，把原本分散在多个数据库的检索压缩到一次会话中。平台借助 ProtNLM 模型从氨基酸序列预测生物功能，扫描 UniProt 中数百万条此前未表征的蛋白质，并找到一条对呼吸道感染相关病原体有预测活性的新型抗菌肽候选，目前正进行湿实验验证。
推荐理由：原文给出智能体科研工作台与 3D 结构查看器的具体用法，读者可了解生物学家如何把跨库检索压缩进单次会话。
AWS Machine Learning BlogAI 评分3636 AWS 提出 Trust in Depth：让 AI 智能体获得更多自主权而不失控
AWS 提出 Trust in Depth 框架，用独立分层的验证机制让 AI 智能体在可验证时自主行动、把人类判断留给真正需要决策的环节。
Hugging Face Blog精选AI 评分8888 Meta 开源 Muse Spark Open：816B 参数多模态 MoE 模型
Meta 发布开源权重模型 Muse Spark Open，采用 MoE 架构，总参数约 816B、每 token 激活约 42B，支持文本、图像、音频和视频输入，上下文窗口最高 1M tokens。
推荐理由：Meta 开源 816B 多模态 MoE 模型，文中给出部署、微调与量化运行的完整路径，可据此评估本地与云端落地成本。
AWS Machine Learning BlogAI 评分4040 用 Amazon Bedrock AgentCore 构建自改进文档处理系统
基于 Amazon Bedrock AgentCore 的多智能体 IDP 系统可自动分类、提取、校验并从业务文档中学习，通常 20 分钟内完成部署。该系统由 8 个专用智能体组成识别与训练两条图工作流，新文档格式无需手工配置模板，验证通过后指令会被保存复用，后续同类文档直接进入提取。
Google Research精选AI 评分7171 Google 发布 Deep Review，用智能体流水线审阅技术文档
Google 公开发布 Deep Review，一个面向复杂文档提供严格反馈与技术验证的智能体 AI 系统，最初用于计算机科学论文分析，现已扩展到法律、金融等领域。
推荐理由：Deep Review 把论文评审拆成四阶段智能体流水线，并给出免费额度与 API 接入方式，可据此判断自动评审的可用边界。
Google Research精选AI 评分6666 Google 发布地理空间推理智能体技术报告，并开放早期访问
Google 发布 Geospatial Reasoning 智能体的技术报告，在 CBGB、UnivEARTH 及新提出的 GeoExpertQueries、GeoKTools 四个基准上，对比了纯 LLM、基础工具、Earth AI 工具和带前置规划的完整智能体四种配置。
推荐理由：Google 公开了地理空间推理智能体的技术报告与两个新基准，并给出与 WHO 等机构的实测案例，可了解专用工具与前置规划对空间任务的作用。
AWS Machine Learning BlogAI 评分3232 用 Amazon Bedrock AgentCore 生成演示文稿
AWS 发布方案，用 Amazon Bedrock AgentCore runtime 部署单个 supervisor agent，基于 Strands Agents 框架编排文档生成与摘要工具，自动生成 PowerPoint 演示文稿，内部测试中不到 90 秒完成。
AWS Machine Learning BlogAI 评分2222 Tamnoon 如何用 Amazon Bedrock 构建 AI 云安全修复平台 Tami
Tamnoon 基于 Amazon Bedrock 构建了智能体式云修复编排器 Tami，可自主调查 CNAPP 等来源的安全发现并评估修复安全性，再生成带护栏和回滚指引的修复方案。该方案在 90 天内将关键云暴露减少超过 90%，且未出现生产事故。Tami 由调查、安全评分、修复、代码生成四个专用智能体组成，通过单一 API 按任务调用不同基础模型。
OpenAI NewsAI 评分2626 Amp 借助 OpenAI 模型让 AI 智能体走出代码场景
Amp 利用 GPT-6 Astra、Ultrafast、GPT-Live-1 及 Sign in with ChatGPT，将 AI 智能体能力拓展到代码之外的场景。
OpenAI NewsAI 评分2222 Block 如何用 OpenAI 技术构建 AI 驱动的安全体系
Block 正用 OpenAI 技术构建 AI 驱动的安全体系，其安全团队借此更快调查威胁，并能在数分钟内提出补丁方案。
NVIDIA BlogAI 评分2727 欧洲多城部署 NVIDIA 驱动的 AI 智能体提升城市运营效率
欧洲多国城市正采用 NVIDIA 加速计算构建物理 AI 智能体和数字孪生，用于城市运营与公共服务。法国 Côte-d'Or 借助 Nemotron、Omniverse 等为 500 多栋公共建筑部署运营智能体，将文档检索时间从数周缩短至数分钟，运营总成本降低 10%，规模化目标为 30%。
AWS Machine Learning BlogAI 评分5858 Anchor Browser 集成 Amazon Bedrock AgentCore payments，让智能体自动完成 x402 付费
Anchor Browser 与 Amazon Bedrock AgentCore payments 集成，让 AI 智能体在浏览器会话内自动处理 x402 协议的 HTTP 402 付费请求，该方案已在 AWS Marketplace 上线。
Hugging Face Blog精选AI 评分7171 Liquid AI 发布 LFM2.5-24B-A2B 端侧推理智能体模型
Liquid AI 发布 LFM2.5-24B-A2B，一个 24B 总参数、2B 激活参数的推理模型，面向端侧运行私有智能体，会先推理再作答并支持工具调用。它在 LiveClaw 上得分 48.09，高于 Qwen3.6-35B-A3B 的 38.19，在 AutomationBench 上得分 27.69，超过次优模型三倍以上。
推荐理由：Liquid AI 给出 24B 总参数、2B 激活的端侧推理模型，并列出与更大 MoE 的智能体基准对比和部署入口。
NVIDIA Blog精选AI 评分7878 NVIDIA 为 RTX Spark 笔记本推送本地 AI 软件更新
NVIDIA 宣布 RTX Spark 笔记本将于 10 月 16 日上市，并联合生态伙伴推出面向本地 AI 的软件更新，覆盖 GitHub Copilot、Hermes、OpenClaw、Perplexity、Pi、WorkBuddy 等智能体应用。
推荐理由：原文列出 RTX Spark 首发时本地智能体、创作与开发工具的适配清单，可据此判断本地 AI 工作流的可用边界。
GitHub Blog · AI & MLAI 评分3030 GitHub Copilot 入门：如何让 Copilot 了解你的代码库
GitHub Copilot 入门系列介绍四种让 Copilot 适配项目的方式：用 .github/copilot-instructions.md 定义仓库级规范。
Hugging Face Blog精选AI 评分7272 作者用 ML Intern 在几天内自建六个模型，总花费约 103 美元
作者借助 HuggingChat 中的 ML Intern，在几天内做出六个模型，包括 0.8B 的 Pocket Rewriter、柑橘病害 VLM、Huggy LoRA、相机角度 LoRA、Doodle-in LoRA 和 Agate 4-step 蒸馏模型，总计算花费约 103 美元。
推荐理由：作者用六个自建模型复盘了给 ML Intern 写提示词的方法，包括预算上限、基线和冒烟测试等可复用做法。
Google Research精选AI 评分6262 Google Research 三个月实验：AI 辅助提升专利撰写产出，但未加速初级律师判断力成长
Google Research 与 NBER 发布一项为期三个月的专利撰写田野实验，将当时未发布的 Google Labs AI 专利写作助手（现属 Gemini Notebook）随机开放给 11 家知识产权律所的 133 名律师。
推荐理由：三个月专利撰写实验区分了AI辅助产出与无辅助判断力，为评估AI对专业能力的影响提供了可迁移的实验设计。
Microsoft Research精选AI 评分7171 微软研究院开源 Agent Lightning v1.0：3500 行轻量智能体 RL 框架，支持真实 harness 训练
微软研究院开源 Agent Lightning v1.0，一个约 3500 行代码的轻量智能体强化学习框架，提出 Harnessed Agentic RL 范式，让部署时使用的同一套 agent harness 直接参与 RL 训练，无需在训练框架内重新实现智能体。
推荐理由：微软研究院开源 Agent Lightning v1.0，给出约 3500 行代码的智能体 RL 控制面与真实 harness 训练范式，可对照其 Kubernetes 调度与 Collocated Async RL 设计。
Microsoft ResearchAI 评分2222 Microsoft 研究员 Jennifer Neville 谈 AI 评测中的意外失败
Microsoft 合伙人研究经理 Jennifer Neville 在 Microsoft Research Podcast 中讨论评测如何推动 AI 系统性能边界，以及模型在传统 benchmark 之外测试时出现的“意外失败”。她结合自身从数学、物理、认知科学到计算机科学的经历，分享使用当前 AI 系统的实用建议，并强调当结果偏离预期时应仔细审视数据。
Mistral AI精选AI 评分8282 Mistral 发布 Mistral Large 4 公开预览，1 万亿参数原生多模态
Mistral AI 发布 Mistral Large 4（ML4）公开预览，可通过 Mistral Studio 的预览 API 试用，权重将于本月底开放。ML4 是 1 万亿参数、520 亿激活参数的原生多模态模型，官方称其在编码、智能体工作流和多模态理解上表现突出，并在网络安全、金融、法律等企业场景中处于开源模型领先水平。
推荐理由：Mistral 官方给出 ML4 的参数量、多模态与智能体能力及开放权重时间表，可据此判断开源前沿模型的竞争位置。
Google ResearchAI 评分3333 Google CAPS 研讨会报告：智能体隐私与安全的开放与新兴问题
Google 发布 CAPS 研讨会报告《Open and Emergent Problems in Agentic Privacy and Security: A Contextual Angle》，汇集 50 多位学界与业界专家，梳理自主智能体在系统、模型、用户和生态层面面临的隐私与安全挑战。
GitHub Blog · AI & ML精选AI 评分6060 GitHub 发布 ReviewBench：面向 AI 代码审查的开放基准
GitHub 发布 ReviewBench，一个面向 AI 代码审查智能体的离线基准，基于 1.039 亿个 GitHub pull request 的分布构建，包含来自 187 个开源仓库、覆盖 19 种语言的 219 个 pull request。
推荐理由：GitHub 公开了代码审查基准的构建方法与评分口径，读者可据此理解离线评测如何对应线上实验。
GitHub Blog · AI & MLAI 评分2222 AI 正在改变开发者工作，GitHub 给出三项需要强化的技能
GitHub 提出开发者应强化的三项技能：学会指挥 AI 智能体而非仅使用它，不轻信 AI 的首次答案，以及用 AI 节省的时间去解决更大的问题。文中以 GitHub Copilot 内置的 Rubber Duck agent 为例，说明它用第二个模型对计划、代码和测试进行批判性审查，从而发现首个模型遗漏的问题。
Google DeepMind精选AI 评分8484 Google DeepMind 发布 Gemini 4 Argon 前沿模型
Google DeepMind 发布新前沿模型 Gemini 4 Argon，先通过 Fairwind Program 向受信任的网络安全防御方开放，随后逐步扩展至开发者、企业和消费者。
推荐理由：官方给出 Gemini 4 Argon 在编码、企业知识与网络安全防御上的基准表现和分阶段开放路径，可据此判断前沿模型的落地节奏。
GitHub Blog · AI & MLAI 评分3838 GitHub Copilot 应用入门：如何用 canvases 构建自定义工作流
GitHub Copilot 应用中的 canvas 是一种可自定义界面，用户只需在 agent 会话中输入 /create-canvas 并用自然语言描述需求，即可生成看板、发布清单或仪表盘等界面，无需手写代码或设计布局。
GitHub Blog · AI & MLAI 评分4040 GitHub Copilot 为何认为聊天框是错误交互界面：用 canvas 替代 chat
GitHub Copilot 提出 canvas 概念，即在 Copilot 应用内运行的无浏览器外壳全栈小应用，可与 agent 双向通信并调用第三方 API、在本地执行代码。
GitHub Blog · AI & ML精选AI 评分6666 GitHub Security Lab 发布 Fuzzing Taskflow 智能体，自动为 C/C++ 项目生成模糊测试
GitHub Security Lab 发布 Fuzzing Taskflow，一个面向 C/C++ 项目的自主模糊测试流水线，只需指向一个 GitHub 仓库，它就会识别入口点、分析构建系统、编写 harness、运行 AFL++、读取覆盖率报告、改进 harness、对崩溃去重并生成漏洞报告。
推荐理由：原文完整披露了自主模糊测试流水线的分层架构与覆盖反馈循环，可据此评估把重复安全测试交给 LLM 智能体的边界。
Mistral AIAI 评分4444 Mistral 与 Mozilla 合作，为 Firefox 浏览器带来开放、私密的多语言 AI
Mistral 与 Mozilla 达成合作，Firefox 的 AI 浏览助手 Smart Window（beta）现由 Mistral 模型驱动，率先面向法国和北美用户，英国和德国预计今年晚些时候跟进。
Mistral AIAI 评分5454 Mistral 如何用 AI 智能体迁移 4 万行 Fortran 遗留代码
Mistral 帮助一家欧洲能源运营商将 4 万行 Fortran 77 迁移到 C++，对象是一个无测试套件、无集中文档的物理储层模拟器。团队先构建数值对齐测试框架，用 Skill.md 引导智能体导出 Fortran 状态快照并在 C++ 中校验，再用 Vibe CLI 启动上百个智能体解析调用树、结合 Mistral OCR 整理散落文档。
Berkeley AI ResearchAI 评分3232 伯克利提出 ABBEL：用信念状态监督让 LLM 高效完成长程交互
伯克利 AI 研究提出 ABBEL 框架，将 LLM 的交互摘要建模为自然语言"信念状态"，并通过信念评分（belief grading）监督其信息内容。在协作编程基准 CollabBench 上，采用通用重建式信念评分的 ABBEL-rec-BG 将相对全上下文模型的性能差距缩小约 50%，训练步数从 100 降至 50，峰值 token 长度也低于全上下文设置。
Berkeley AI ResearchAI 评分3434 智能免费之后：面向智能体、由智能体构建的数据系统
随着推理成本从 2023 年初 GPT-4 级约 $30/百万 tokens 降至如今不到 $1，部分厂商已低于 $0.10，基准测试显示推理价格每年下降 9x 至 900x、中位数约 50x，UC Berkeley EPIC Data Lab 提出数据系统面临三大新挑战：为智能体设计的数据系统、运行智能体集群的数据系统、以及由智能体合成数据系统。