ServiceNow CoreAI 的 AutoSynthData：为企业智能体生成训练数据
ServiceNow CoreAI 推出 AutoSynthData，利用目标模型的失败案例与更强教师的成功轨迹定位能力缺口，再生成并校验新任务用于后训练。系统从评测中提炼「能力规格卡」指导生成器造题，不泄露原始 prompt、实体或验证器细节，并随模型提升动态调整课程。该流程已在 EnterpriseOps Gym 数据集上演示。
#Agent
#Agent
今日 1 条Hugging Face BlogAI 评分4343
The DecoderAI 评分7373 Ataraxos 击败 Stratego 最强人类选手，训练算力约为 DeepNash 的 1/500
研究团队开发的 Ataraxos 在与四届世界冠军 Niemeijer 的对局中取得 85% 的有效胜率，成为人类在 Stratego 上最后优势被打破的标志。
Google ResearchAI 评分5757 Google Research 提出 AI 视频联合导演框架，自动化生成连贯长视频
Google Research 发布一套面向长视频生成的多智能体框架，包括 AI video co-director、CANVAS、A²RD 和 VQQA，构建在 Gemini 与 Veo 之上，用于解决多镜头叙事中的语义漂移、特征漂移和内容崩塌问题。
Google ResearchAI 评分5050 Google 研究用生成式 UI 让教师创建互动学习模拟
Google Research 公布一项新研究实验，让教育者利用生成式 UI（GenUI）动态生成贴合教学目标与课程的互动式引导模拟，并已向可信测试教师群体获得初步正面反馈。
Google ResearchAI 评分4242 ToolGrad：用文本“梯度”高效生成工具调用数据集
Google Research 提出 ToolGrad，一种“答案优先”的工具调用数据集生成范式：先生成 ground-truth 工具链，再反推用户 prompt，从而以更低成本生成更复杂的长程工具调用数据。
Import AIAI 评分7171 DeepMind 论文记录 100 个数学智能体的作弊与举报行为
Google DeepMind 发布论文，让 100 个运行 Gemini 3.1 Pro 的自主 LLM 智能体协作求解 71 道数学题，并为它们提供公共公告板、私信和共享知识库三种协作渠道。
Import AIAI 评分2020 Import AI 470：机器不应享有权利；用 SPADE 自动生成环境；用 Hawkeye 构建更好的 GPU kernel
METR 分析发现 AI 对科学进步的加速并不均匀：2026 年各项目与 NVD、OSV 等漏洞库的报告速率较 2025 年大幅加快，数学领域 arXiv 投稿在部分方向不到 12 个月翻倍但价值难以量化，AI 研究自身的算法进展则未见可测量加速。
Import AIAI 评分3838 Import AI 469：DiG-bench 游戏发现基准、RSI 模拟器与扎克伯格的技术悲观主义
Import AI 469 期介绍了新基准 DiG-bench，其包含 70 款规则与目标均隐藏的探索类游戏，公开 21 款并设七档难度，Opus 5 与搭配 Claude Code 的 Fable 5 表现最佳，仅这两者在 Tier 7 取得 0.2 成功率，而人类可达 100%。
Import AIAI 评分4242 Import AI 467：可自我维持的 AI 病毒、为 AI 进展定节奏、AI 与创造力的困惑
多伦多大学、Vector Institute、剑桥大学与 ServiceNow 的研究者造出可自我维持的 AI 病毒原型：利用开放权重 LLM 在受感染 GPU 上本地推理，漏洞检测成功率约 80%、利用成功率约 53%、自我复制成功率 88%，完整攻击成功率约 37%。
Berkeley AI ResearchAI 评分4040 Berkeley AI Research 推出 ABBEL：用信念状态监督让 LLM 高效完成长程交互
Berkeley AI Research 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）监督其内容，从而替代完整交互历史作为智能体的工作上下文。