Roblox 的 Prompt to Prod：构建自主软件开发的安全基础设施
Roblox 的工程加速团队经理 Andrew Swerdlow 在演讲中介绍了其“Prompt to Prod”计划，旨在通过 AI 代理实现从提示到生产的全自动化软件开发，同时解决代码信任问题。他强调，当前 AI 生成代码的能力已很强，但缺乏信任机制，导致技术债务和安全隐患。Roblox 通过构建对齐、安全防护和访问控制等基础设施，试图在提升自主性的同时
Agent 智能体
技术方向 · 让模型自主规划、调用工具、完成多步任务的技术方向 · 共 4272 条
只展示置信度达到公开门槛且每篇排名前三的主题标签，降低泛化误贴。
8月24日周一 · 20 条
正文结构化主题已通过公开置信门槛
正文结构化主题已通过公开置信门槛
Mastra 更新：实验 API、优雅关闭、多轮评判等
Mastra 发布 2026 年 8 月 21 日更新，引入调用方驱动的实验 API，支持外部编排器（如 Temporal）管理实验循环，同时保持 Mastra 作为记录系统。新增优雅关闭和 HTTP 排空控制，改进会话中“活动期间”消息传递，并增强工作流恢复的并发安全性。还新增多轮 LLM 评判评分器，用于评估多轮对话。
正文结构化主题已通过公开置信门槛
英伟达洽谈投资Perplexity，估值超300亿美元
英伟达正洽谈投资AI搜索公司Perplexity，估值超过300亿美元，较一年前上一轮融资高出50%以上。Perplexity的年化收入从2.5亿美元增至7.5亿美元，部分得益于其AI代理产品“Perplexity Computer”。该投资将巩固英伟达作为AI行业主要财务支持者的地位，其投资资金往往通过购买芯片回流。
正文结构化主题已通过公开置信门槛
五一视界发布物理AI蓝图，从自动驾驶扩展至机器人与太空
五一视界于2025年12月上市后，在2026年8月发布“物理AI宏伟蓝图2030”，计划从自动驾驶仿真业务扩展至具身智能和空天探索。公司推出AperData和AperOne两款产品，分别解决机器人数据采集与仿真训练问题，并已与多家机器人公司合作。其核心能力是将现实环境数字化，通过仿真、模型和数据闭环支持多种物理AI应用。
正文结构化主题已通过公开置信门槛
中诚华隆发布HL200推理芯片及万卡超节点集群
中诚华隆在北京发布HL200推理芯片及超节点智算集群方案，实现从单芯片到万卡集群的体系化突破。HL200支持FP4/FP8超低精度推理，能效比达5.12 TFLOPS/W，兼容主流技术栈，并在DeepSeek V4等模型测试中性能领先。公司同时与多家企业达成战略合作，推动国产推理算力生态建设。
正文结构化主题已通过公开置信门槛
FINCHAL 金融预测挑战赛：区分运气与技能
Hugging Face 博客宣布举办 FINCHAL 金融预测挑战赛，这是一场 AI 与人类交易员的竞赛，涉及 NVIDIA、比特币、黄金和石油四种资产，总奖金 2000 美元。该竞赛旨在通过随机基准和自检评分代码来区分运气与技能，并允许 AI 代理与人类平等参与。竞赛采用仓位连续值（-1 到 1）的评分机制，并固定杠杆为 1，以避免过度投机。
正文结构化主题已通过公开置信门槛
Ornith AI 发布 397B 自改进模型 Ornith-1.5，性能对标 Claude Opus 4.8
Ornith AI 发布了 Ornith-1.5-397B，这是一个 397B 参数的混合专家模型，通过端到端自我改进训练，在 Terminal-Bench 2.1 上得分 86.1，在 DeepSWE 上得分 56.0，性能与 Claude Opus 4.8 相当，并优于 GLM-5.2 和 DeepSeek-V4-Flash-0731 等开源模型。该模型
正文结构化主题已通过公开置信门槛
PrimeAgentOrchestrator：记忆预置的代理生成系统用于个人AI基础设施
本文介绍了 PrimeAgentOrchestrator (PAO)，一个为个人 AI 基础设施设计的系统，能够在启动时从用户的异构记忆后端（PostgreSQL 和 Cloudflare Worker 语义搜索）并行检索相关信息，并通过文件系统注入预加载到新生成的 Claude Code 编码代理中。PAO 管理代理的完整生命周期，包括信任预置、就绪轮询和
正文结构化主题已通过公开置信门槛
同行投票压力测试发现LLM智能体词汇趋同但无分布式来源优势
该研究提出PV-SST测试平台，通过448次试验和112个完整块，评估LLM智能体群体在社交反馈下的行为。结果显示，基于同行点赞的排名信息流显著提高了最终帖子的词汇相似度（核心面板平均差异+0.0082 TF-IDF余弦单位），但未发现分布式来源相比单一来源在改变立场上的可靠优势。研究强调其结论仅适用于合成LLM智能体群体，不直接推断人类行为。
正文结构化主题已通过公开置信门槛
多模态智能体框架的基础与前沿：技术与应用综述
该综述系统分析了多模态智能体框架中感知、推理、规划、记忆和行动等核心模块，并提出了按模态分类的架构分类法。文章回顾了从文本智能体到多模态框架的演变，以及委托、晚期融合和早期融合等集成方式，并评估了在机器人、GUI与网页导航、多媒体内容生成与编辑、长视频理解与检索等领域的应用。最后讨论了性能、效率与可扩展性之间的权衡，并指出了未来研究方向。
正文结构化主题已通过公开置信门槛
基于边缘智能体RAG的FHWA桥梁检查合规自动化系统
本文介绍了 BridgeGuard，一个完全离线（air-gapped）的基于智能体检索增强生成（RAG）的系统，用于自动化 FHWA 桥梁检查合规性验证。该系统在边缘硬件上本地运行，结合向量搜索和 SQL 查询，通过多步骤 ReAct 循环实现，在 Delaware 和 Texas 的桥梁数据上分别达到 99.77% 和 100% 的分类准确率，并实现 1
正文结构化主题已通过公开置信门槛
超越原始转录：基于LLM的数字孪生的结构化人物提取
本研究探讨了基于LLM的数字孪生中人物信息结构化的影响，提出固定BDE结构在同类任务上优于原始转录，但在异构任务上效果不佳。为此，作者提出自动结构发现流程，在13个多样化子研究中恢复性能，表明关键限制在于信息组织方式而非信息量。
正文结构化主题已通过公开置信门槛
SDAD：面向AI原生软件开发生命周期的规格驱动智能体开发
该技术报告提出规格驱动智能体开发（SDAD）框架，将软件开发生命周期重构为意图捕获、机器可读规格、智能体合成和独立多智能体验证四个阶段。报告回顾了从瀑布到敏捷再到智能体时代的范式演变，并引入AI代码作为第四种生产范式。报告还定义了团队角色转型、量化治理指标（如歧义税、规格保真度）以及分阶段迁移蓝图，强调智能体速度将工程纪律上移至规格精确性。
正文结构化主题已通过公开置信门槛
RecVerse：忠实模拟人类购物行为的 GUI 智能体
arXiv 论文提出 RecVerse，一种基于 GUI 的购物行为模拟智能体，通过截图感知页面并生成多轮轨迹。它采用认知启发的分层记忆（工作记忆、情景记忆、偏好记忆）解决长会话记忆挑战，并用轨迹级强化学习优化整体行为分布和购物意图。实验表明 RecVerse 在行为保真度和意图一致性上优于现有基线，并发布了 USB 基准数据集。
正文结构化主题已通过公开置信门槛
澄清后搜索：面向深度搜索的澄清基准与端到端信息恢复
该研究提出了一个用于评估深度搜索中澄清能力的基准，基于百度搜索的真实查询构建了518个实例，并采用闭卷协议和静态金标准来防止意图泄漏。实验表明，澄清能提升搜索效用，其中ERNIE-4.5-Turbo-128K在开源模型中表现最佳，甚至超过GPT-5.2等闭源模型。研究还发现，在严格闭卷条件下，系统常提出无法回答的区域性问题，导致交互效率低下。
正文结构化主题已通过公开置信门槛
军事指挥控制中智能体AI系统的测试与评估
该研究通过审查240项测试与评估实践，识别出军事指挥控制中智能体AI系统测试所依赖的八项假设，并指出智能体特性削弱了这些假设，导致测试结果无法充分推断实际部署行为。研究提出十项保证声明，并认为在限定任务包线、轨迹正确性等条件下可恢复部分信心，同时部分证据负担需转移至部署阶段。
正文结构化主题已通过公开置信门槛
Vibe Coding 实践、性能、生产力与风险：最新综述
这篇综述论文系统梳理了“Vibe Coding”（AI辅助软件开发）的实践、性能、生产力和风险。研究发现早期基准测试已饱和，但任务级能力不均衡，如代码生成可靠而故障检测薄弱。生产力证据看似矛盾，但通过统一测量方法可解释，并指出收益在新代码上真实，在成熟代码库上可能缩小或逆转。
正文结构化主题已通过公开置信门槛
XPerf：面向代理式 AI 工作负载的 LLM 服务系统基准测试框架
XPerf 是一个用于对 LLM 服务系统进行代理式 AI 工作负载基准测试的框架，它通过细粒度轨迹重放来确保可复现性，并提供系统和硬件性能的详细剖析。该框架默认包含八个代理应用，支持从真实应用中收集轨迹、合成新工作负载，并可在不同服务系统上重放。实证研究表明，XPerf 能准确重放代理工作负载，帮助识别性能瓶颈，并辅助系统调试。XPerf 将在 GitHu
正文结构化主题已通过公开置信门槛
Ornith AI 发布 Ornith-1.5-35B-A3B 模型，以 3B 激活参数实现卓越编码性能
Ornith AI 发布了 Ornith-1.5-35B-A3B 模型，这是一个混合专家模型，每个 token 仅激活约 3B 参数。该模型通过端到端自我改进循环，联合优化任务生成、脚手架构建和解决方案生成，在编码和智能体基准测试中显著优于同尺寸的 Qwen 3.6-35B，并大幅超越 Gemma 4-31B 等密集模型。
正文结构化主题已通过公开置信门槛
图工程：从个体智能到系统智能的LLM智能体新范式
本论文提出图工程（Graph Engineering）作为构建下一代LLM智能体系统的新范式，通过动态图结构组织任务、智能体和系统状态，实现从个体智能到系统智能的转变。论文系统综述了图工程的原理、方法和应用，并收集了相关论文、开源数据和项目资源。