AWS 模拟器最终由 AWS 官方推出，可直接在本地运行其众多服务的测试，无需申请付费 API 密钥。该模拟器由一群大型代理组成，项目在第一阶段三周内提交了 29,684 次提交。Swaminathan（Swami）Sivasubramanian 在 Werner Vogels 的博客上发表了一篇客座文章，介绍了其发展过程。目前该模拟器需要 Docker 在 macOS 或 Windows 上运行。我希望能未来修复此问题——如果能下载一个单一的二进制文件并将其作为标准测试套件的一部分用于其他语言和平台，将非常理想。标签：亚马逊，亚马逊网络服务，测试，Werner Vogels，AI，Rust，生成式AI，LLMs，代理工程
推荐理由：请对照Simon Willison原文，核对完整说明及适用条件。
IT之家 11 月 11 日消息，当地时间 11 月 10 日，谷歌宣布联合 AI 模型评测机构 Artificial Analysis 推出多模态知识智能体基准测试 MKA（Multimodal Knowledge Agent），用于评估 AI 智能体处理视觉复杂文件、完成现实世界知识工作任务的能力。 谷歌表示，其最新发布的 Gemini 4 Carbon 在该测试中取得了参测模型第二名的成绩，完成任务的平均成本仅为排名第一模型的约六分之一。 谷歌 DeepMind 高级产品经理 Rohan Doshi 和首席工程师 Ben Caine 介绍称，现有不少知识工作基准测试仅依赖文本即可完成，而现实工作往往涉及大量视觉信息。例如，建筑师需要交叉核对建筑蓝图，工程师需要分析工程示意图，专业人员还需要将不同来源的信息整理成演示文稿、报告和电子表格。 MKA 基准测试旨在评估 AI 智能体在这些复杂工作场景中的表现。谷歌与来自 10 个...
推荐理由：来自IT之家 AI的《谷歌联合 Artificial Analysis 推出 MKA 基准测试：Gemini 4 Carbon 多模态知识工作测试获第二，任务成本仅为第一名六分之一》。重点看智能体工作流、模型能力与工程、评测与基准。摘要提到：IT之家 11 月 11 日消息，当地时间 11 月 10 日，谷歌宣布联合 AI 模型评测机构 Artificial Analysis 推出多模态知识智能体基准测试 MKA（Multimodal Knowledge Agent），用于评估 AI 智能体处理视觉复杂文件、完成现实世界知识工作任务的能力。 谷歌表示，其最新发布的 Gemini 4 Carbon 在该测试中取得了参测模型第二名的成绩，完成任务的平均成本仅为排名第一模型的约六分之一。 谷歌 DeepMind 高级产品经理 Rohan Doshi 和首席工程师 Ben Caine 介绍称，现有不少知识工作基准测试仅依赖文本即可完成，而现实工作往往涉及大量视觉信息。例如，建筑师需要交叉核对建筑蓝图，工程师需要分析工程示意图，专业人员还需要将不同来源的信息整理成演示文稿、报告和电子表格。 MKA 基准测试旨在评估 AI 智能体在这些复杂工作场景中的表现。谷歌与来自 10 个...
原文摘录（自动中文摘要暂不可用）：Gemini 4 Carbon in GitHub Copilot Gemini 4 Carbon, Google’s latest model, is now generally available in GitHub Copilot. It is designed for complex coding, agentic, and reasoning tasks, with a focus on secure code generation… The post Gemini 4 Carbon in GitHub Copilot appeared first on The GitHub Blog .
推荐理由：自动中文摘要尚未通过校验，请核对原文与完整来源。
原文摘录（自动中文摘要暂不可用）：C++ language server now auto-configures MSBuild builds The Microsoft C++ Language Server for GitHub Copilot CLI now bundles its MSBuild compile commands extractor and invokes it automatically. An agent no longer needs to discover and run a… The post C++ language server now auto-configures MSBuild builds appeared first on The GitHub Blog .
推荐理由：自动中文摘要尚未通过校验，请核对原文与完整来源。
谷歌云推出Gemini for healthcare，以统一临床数据并自动化工作流，减少行政疲劳。
推荐理由：请对照Google AI Blog原文，核对完整说明及适用条件。
原文摘录（自动中文摘要暂不可用）：Introducing Our Smallest, Most Efficient Model: Muse Ember Introducing Our Smallest, Most Efficient Model: Muse Ember Meta AI just launched their entry in the Claude Haiku/GPT Luna category: Muse Ember, which they describe as: [...] our smallest and most efficient model designed for complex reasoning execution and the work agents repeat all day: tool calls,
推荐理由：自动中文摘要尚未通过校验，请核对原文与完整来源。
CodeRabbit 使用 OpenAI 模型来管理并信任 AI 生成的代码，使用 Codex 将软件数量增加 20 倍，与同一工程团队保持一致。
推荐理由：请对照OpenAI News原文，核对完整说明及适用条件。
介绍GPT‑6 Cyber，OpenAI的网络安全模型，用于发现可利用的漏洞并开发修复方案，训练以保持在授权范围内。
推荐理由：请对照OpenAI News原文，核对完整说明及适用条件。
尽管前沿视觉语言模型在用户界面（UI）导航方面表现出色，但其高推理成本限制了日常使用。相反，通过监督微调（SFT）或离线强化学习训练的小型模型往往记忆静态轨迹，导致执行脆弱且无法从错误中恢复。为解决这些问题，我们提出一种新的在线强化学习框架，直接在实时运行的iOS应用程序上训练UI导航代理。我们的框架将代理解耦为两个专用组件：规划模块/...
推荐理由：请对照Apple Machine Learning Research原文，核对完整说明及适用条件。
GitHub Agentic Workflows，一个来自GitHub Next的开源项目，现已一般可用。通过代理工作流，您可以自动化基于推理的任务，如Issue triage（问题分类）、CI失败分析、文档更新等。该项目于GitHub Agentic Workflows一般可用首次发布于The GitHub Blog。
推荐理由：请对照GitHub Changelog原文，核对完整说明及适用条件。
看看Legora如何利用OpenAI模型、ChatGPT和Codex加速法律工作流程，扩展合同分析，并让律师专注于更高价值的工作。
推荐理由：请对照OpenAI News原文，核对完整说明及适用条件。
GPT-6.1 Terra，OpenAI的最新模型，现已在GitHub Copilot中一般可用。它比GPT-6.1 Sol在日常代理编码和终端工作中成本更低。在GitHub Copilot中，GPT-6.1 Terra的发布首次出现在The GitHub Blog。
推荐理由：请对照GitHub Changelog原文，核对完整说明及适用条件。
OpenAI 和 Google Cloud 正将前沿模型和 Codex 工作流引入 Gemini 的 Model Garden，通过 Google Cloud Marketplace 可用。
推荐理由：请对照OpenAI News原文，核对完整说明及适用条件。
多模态代理在执行每个动作前通常生成自由形式推理。小型模型因模型容量有限，可能导致推理过程冗长，虽能提供少量有用指导，但会带来较高的推理成本。为解决此问题，我们引入基于选择的结构化推理（SSR），该框架将推理转化为选择而非开放式生成。SSR将重复的高层推理表示为预定义、可复用的自然语言候选。在每一轮中，模型根据候选推理内容进行选择，以优化推理效率。
推荐理由：请对照Apple Machine Learning Research原文，核对完整说明及适用条件。
新增了模组提示装饰中的虚拟文本：在提示框内绘制的文本，永不进入草稿或提交的提示。新增了OpenTelemetry api_request事件中的cache_creation_5m_tokens和cache_creation_1h_tokens，按生命周期分段写入缓存。新增了模组的$.ui.view({ agentId })，在询问时显示代理的对话记录，$.ui.view({})则返回。新增了模组文本的dir属性，支持右到左文本，Windows及VS Code终端中行内容向右对齐。在AWS的Claude平台新增了/advisor，需通过/advisor、advisorModel或--advisor参数指定，CLAUDE_CODE_DISABLE_ADVISOR_TOOL=1关闭顾问功能。为追踪跨度添加了OpenTelemetry GenAI语义规范属性，如gen_ai.provider.name、gen_ai.conversation.id、gen_ai.tool.name和error.type。
推荐理由：请对照Claude Code Releases原文，核对完整说明及适用条件。
Gemini 4 Argon，Google的最新前沿模型，现已在GitHub Copilot中一般可用。它专为复杂编码、代理型任务和推理设计。在早期测试中，Gemini 4 Argon出现了，其后在GitHub Copilot中首次发布于The GitHub Blog。
推荐理由：请对照GitHub Changelog原文，核对完整说明及适用条件。
长代理轨迹由思维链和工具调用组成，积累过时内容，成为后续生成的锚点，最终超出上下文窗口。现有框架通过固定间隔压缩缓解此问题，触发条件基于令牌阈值。此类触发不关注轨迹结构，可能在推理或搜索中丢弃部分结果。我们提出SELFCOMPACT，一种框架，允许模型自身决定何时及如何压缩。具体而言，它结合两个推理元素：（i）模型调用的压缩工具，用于总结积累内容……
推荐理由：请对照Apple Machine Learning Research原文，核对完整说明及适用条件。
新增了对Claude应用网关的managed.policies[]的代码密钥，与CLI设置相同，也应用于Claude桌面的代码标签；除桌面外，还启用了Claude桌面的网关模式。新增了autoCompactWindow到子代理的frontmatter和--agents定义中，使子代理可在主对话窗口打开前自动压缩。新增CLAUDE_CODE_WORKFLOW_SUBAGENT_MODEL，使所有工作流代理在单一模型上运行，其他子代理保留各自模型。新增CLAUDE_CODE_OVERLOADED_RETRY_MAX_DELAY_MS环境变量，用于设置重试时的延迟上限。在插件的/plugin路径新增说明，指出当其他启用的插件有相同名称时，该插件的钩子被忽略。新增Read工具的allow_large选项，使Claude可一次读取超过常规大小限制的文本文件。修复了managed-settings PreToolUse钩子，防止工具调用时出现'continue': false的情况。
推荐理由：请对照Claude Code Releases原文，核对完整说明及适用条件。
Claude Haiku 5.5，Anthropic’s newest lightweight model，现已在GitHub Copilot中一般可用。它专为快速高并发工作如子代理、快速编辑和终端任务设计。早期… Claude Haiku 5.5在GitHub Copilot中首次出现于The GitHub Blog。
推荐理由：请对照GitHub Changelog原文，核对完整说明及适用条件。
新增了Claude Haiku 5.5 (claude-haiku-5-5)，现为Anthropic API默认Haiku模型，1M上下文token，$0.10/$0.50每Mtok（$0.50/$2.50对于超过100K的提示），新增了agentType字段到subagentStatusLine payload，使脚本能区分自定义子代理类型。修复了Claude在上下文压缩前将自身上次操作视为已完成，导致重退或重做已完成工作。修复了HTTP MCP连接内存泄漏，持续保留所有已发送请求直到关闭。修复了在Claude工作时发送的消息丢失问题，移至后台后若消息无法移动，仍保持原状。修复了/model effort方向错误，可能误保存为低值。修复了Chrome中会话启动时Claude断开连接问题。
推荐理由：请对照Claude Code Releases原文，核对完整说明及适用条件。
学习初创企业如何选择GPT-6模型，调整推理努力，提升提示和技能，协调工具，并为生产环境准备工作流。
推荐理由：请对照OpenAI News原文，核对完整说明及适用条件。
我们引入了Clef和Clef-flash，基于Workers AI的开源决策模型，用于高速分类和代理工作流。同时推出：一种新的强化学习平台，允许开发者使用自身数据对决策模型进行微调。
推荐理由：请对照Cloudflare AI原文，核对完整说明及适用条件。
最近自主机器学习工程（MLE）代理在公共排行榜上取得了显著进展。通常受长期周期内进展停滞和有限的大语言模型（LLM）基本功能的制约，现代MLE代理在日益复杂的系统上部署，如多智能体协调器、专用检索子代理等。尽管这些系统扩展，但使用更简单的但改进的编码代理——其中LLM直接通过读、写和bash原语访问执行环境——在该领域仍较少关注。
推荐理由：请对照Apple Machine Learning Research原文，核对完整说明及适用条件。
持续学习代理是系统模型、套件和记忆，运行在长时多会话 horizon 上。评估和训练它们需要将任务与代理侧事件（如会话停止、启动、cron 和记忆巩固）交错。现有基准和训练框架仅调度基准自身事件，使每个基准和代理对自行构建定制调度循环。我们提出 SCLATE，一种执行基础，基准和未修改的代理各自通过适配器向一个开放事件调度器添加其事件。混合模拟时钟...
推荐理由：请对照Apple Machine Learning Research原文，核对完整说明及适用条件。
GPT-6.1 Sol，OpenAI最新模型，现已普遍可用并逐步推出至GitHub Copilot。可用于具有强多步骤的代理编码和终端工作流。GitHub Copilot中GPT-6.1 Sol的帖子最早出现在The GitHub Blog。
推荐理由：请对照GitHub Changelog原文，核对完整说明及适用条件。