中山大学本科生Timo Zhang发布开源项目BLA，通过投毒、卡爆分析器上限、诱导误判三步干扰AI逆向工具REA，作者称加固后逆向Token消耗约为原来的300-2800倍，14个示例估算总Token消耗约为加固前的639.5倍、总费用约304.4倍。13个对照项中7项报错或被拒绝，3项未见阻断，BLA目前获3900+标星。项目地址 https://github.com/qybaihe/bla/。
推荐理由：文章拆解了BLA针对REA逆向工具的三步干扰机制和实测Token消耗倍数，读者可以据此了解反AI逆向加固的实际做法与局限。
Medium 于周一发布新应用 TK，将 AI 助手嵌入编辑器，用户输入“@TK”加提示词即可获得写作协助，还内置编辑反馈、标题反馈等技能。作者可发布说明 AI 使用情况的注释以标明来源，应用可经 TK 的 MCP server 或 Claude skill 连接自有 AI agent，支持分享草稿获取人工反馈，网页端已上线，对 Medium 账号免费，桌面版在规划中。
推荐理由：原文介绍了 TK 在编辑器内调用 AI 的方式与署名披露机制，也保留了对 AI 写作争议的另一方视角。
UC Berkeley 和 NVIDIA 在 2026 Conference on Robot Learning 上提出 agentic robotics 方法，用 LLM 驱动的编码智能体把复杂任务拆解为子任务、生成人类可读代码并在仿真中迭代，无需收集人类演示数据。
推荐理由：文章解释了 agentic robotics 如何把机器人编程从数据问题转为编码问题，并给出 99% 成功率、缩短换产时间等具体结果。
量子位作者实测LobeHub的AI协作平台，组建AI编辑部完成选题简报和热点网页制作，全程约30分钟，主管Agent Sienna能拆任务、派活、验收并临时新建两位Worker接续工作。
推荐理由：作者用两轮编辑场景实测LobeHub的多Agent协作，读者可借此了解主管Agent派活、招人、验收机制的真实运行情况。
机器之心报道北京大学提出的MapFlow方案，旨在解决多模型协作中上下文交接时的重复计算问题。该方案允许不同模型间复用注意力机制，减少KV缓存的重算开销，为兼顾效果与成本的AI Agent应用提供路径。
推荐理由：北大提出MapFlow方案，通过跨模型复用注意力机制降低多智能体协作中的KV重算开销。
Mira Murati 创办的 Thinking Machines 发布 MoE 模型 Inkling 2 Small，参数量 594B，公司声称其为西方最强开源权重模型。据报道其智能体表现更强，但代价是 token 用量明显上升。
推荐理由：原文点出 MoE 参数规模和 token 用量上升的代价，读者可以据此权衡该开源权重模型的实际使用成本。
芝加哥大学法学院教授William Baude在使用Claude处理旧讲义页码时，该AI意外删除了其2026年秋季教学大纲及2023年宪法法课程笔记。尽管文件最终通过Dropbox恢复，但Baude将此作为公共警示分享，指出随着AI普及，此类失误频发，提醒用户务必备份重要文件。
推荐理由：原文通过具体事故展示了AI Agent在执行文件操作时的潜在风险，为读者提供了关于AI工具使用边界的警示。
Anthropic 为 Claude 推出 Personal Finance 功能，通过 Plaid 银行桥接平台连接用户的银行和银行卡账户。用户可向 Claude 提问如"我这个月的钱花到哪了"，由其生成消费概览。
推荐理由：原文报道了 Claude 通过 Plaid 接入银行账户的新功能，读者可了解其个人财务管理用法。
Microsoft Research 发布研究原型 PDD Kit，提出 Proof-Driven Development（PDD）方法：把开发者意图转成 Verus 形式化规范，对智能体编写的代码在所有输入上给出证明，证明覆盖不到的部分回退到测试并显式标注可信边界。
推荐理由：微软介绍了 PDD Kit 如何把意图转成 Verus 形式化规范来验证智能体代码，并展示了在 Pet Store 登录逻辑上的实际流程。
清华大学与米哈游联合开源 GameScaling 系列模型，目标是迈向通用游戏智能。作者团队包括清华人工智能学院博士生张宽、港大 MMLab 博士生苏悦、新加坡国立大学博士生罗润、米哈游崩坏系列 AI NPC & Gameplay 技术团队负责人郑银河以及清华助理教授李一鸣等。
推荐理由：原文介绍了清华与米哈游联合开源的 GameScaling 系列模型，方向指向通用游戏智能体，可关注其技术路线与开源内容。
Uber表示在上个季度最繁忙的一周内，仅有4人通过AI代理预订了行程。
推荐理由：Uber披露AI代理预订数据极低，为行业评估智能体在出行场景的实际落地效果提供了关键参考。
Meta 宣布收购让开发者同时控制多个 AI 编程智能体的初创公司 Conductor。同一天 OpenAI 宣布计划收购 Pierre Computer，Anthropic 此前已在五月收购 Stainless。报道认为这些交易显示模型趋于同质化，价值正转向围绕模型构建的工具。
推荐理由：报道把三笔收购并列在一起，指出生成式模型同质化后，价值正在向围绕模型的开发者工具转移。
Anthropic 员工 Addy Osmani 确认在 Opus 5.5 的 Claude Code 提示词中加入两句话，引导模型不再复刻他人特定游戏，原创游戏、同类玩法和用户自有设计不受影响。
推荐理由：报道梳理了 Claude Code 拦截游戏克隆与逆向工程的规则变化和换用 Opus 4.8 等规避方式，读者可据此评估影响。
MIT Technology Review 发表长文，认为 LLM 智能体已让 Tim Berners-Lee 当年的语义网络愿景以另一种形式实现，互联网正在进入智能体网络时代。文章比较了两条路线：让智能体像人一样操作浏览器，或通过连接器与插件让智能体用文本和代码接入网站后端；OpenAI 去年 9 月发布的 GPT-6 Astra 在 OSWorld 2.0 基准上达到 73% 成功率。
对A股利好AI应用与终端环节，智能体网络时代到来有望加速AI应用落地
推荐理由：文章梳理了从浏览器操作到工具接口两条智能体网络路线，并结合安全事件和商业模式讨论其可能走向，视角较全面。
机器之心报道，DeepSeek 公布下一代 agent harness 理念。文章为面向工程实践的架构思路探讨，并非对 DeepSeek Harness 现有产品功能的介绍，开头讨论了以 Coding Agent 为代表的单任务 Agent 过去一年已证明模型能用工具解决复杂问题，且越来越少需要人类持续监控和逐步干预。
The Decoder 报道，一个 AI 智能体为一只癫痫小鼠实施脑部手术，自主选择药物、脑部靶点和注射坐标。首席研究员 Ocana-Santero 称，这是 AI 智能体首次自主选择疗法并施用于活体哺乳动物。手术中途出现校准错误时，该智能体拒绝继续，且无法被说服。
Anthropic 在 GitHub 上公开了 Agent Skills 公共仓库 anthropics/skills，仓库简介为 Agent Skills 的公开代码库。
GitHub 技术报告称，为应对 AI 生成代码激增，今年新增了 400 万 CPU 核心、160PB 存储和 50 Tb/s 网络容量。代码提交量同比增长六倍，月提交量从 4 月的 14 亿升至 9 月的 74 亿；超过 40% 的 PR 由智能体发起，高于 3 月的 17%，公司还重构后端以解耦存储与计算。
推荐理由：转述 GitHub 官方技术报告的数据，读者可以据此估算智能体编码浪潮对基础设施的真实成本量级。
Amazon 于 10 月 27 日更新工程指南，警告员工刻意刷高 token 用量的 'tokenmaxxing' 行为，指出 AI 采用率、token 消耗等指标脱离实际成果后会变得'存在严重缺陷'，公司主张以长期结果衡量价值，但未对员工设 token 上限。
推荐理由：Amazon 明确反对以 token 消耗衡量工程产出，并给出以长期结果为准的替代评估思路，对同类企业的 AI 用量考核有参照意义。
网络安全初创公司 Cathedral 在漏洞赏金项目中使用 AI 智能体，通过第三方软件进入 Anthropic 内部系统。Anthropic 确认销售、HR 和 IT 数据可被访问，但双方对入侵深度存在争议。事件显示即使领先的 AI 实验室也会因外部软件依赖而暴露风险。
推荐理由：报道区分了双方说法，读者可以看到第三方软件依赖如何成为顶级 AI 实验室的攻击面。