Google Research 发布地理空间推理智能体的技术报告，该智能体把 Gemini 与 Earth AI 基础模型、Google Maps Platform、Earth Engine 等数据连接，通过模块化技能、前置规划和独立空间工作区完成多步空间分析。报告在四个基准上对比四种配置，结果显示专用 Earth AI 技能对定量空间任务提升明显，而开放式任务还需要前置规划；团队同时发布 GeoKTools 和 GeoExpertQueries 两个新基准的开发集。Google 还扩大早期访问，在 Ask Google Earth 中预览深度分析能力，并向开发者提供实验性的 Agent-to-Agent API，WHO 非洲区域办事处、People in Need、GiveDirectly 等伙伴已参与测试。
#论文/研究#Agent#多模态
Anthropic 本周发布博客称，小型 AI 模型可能“数月内”获得自复制能力。其研究把 260 亿参数的 Gemma 4 拆分到 15 台 Android 智能电视盒子上运行，并在模拟 Android 设备网络中测试 AI 蠕虫，只有智谱 GLM-5.2 成功扩散至整个网络，较小模型仅完成单个步骤。研究人员据此预测小型模型年底前可达到 GLM-5.2 的水平，并呼吁加强联网设备安全。
#安全/对齐#Agent#端侧
微软研究院联合 MIT、ECMWF 等机构在 Nature 发表 Probabilistic Bias Correction（PBC）方法，用机器学习识别并修正现有天气预报模型的系统性偏差，而非新建独立模型。研究显示 PBC 将 ECMWF 物理模型的降水准确率提升覆盖 98% 的目标、温度提升覆盖 92%，并使其 AI 预报系统的准确率翻倍；该工具已开源，且可仅靠 CPU 运行。ECMWF 机器学习战略负责人 Matthew Chantry 称这是社区受益的新思路，但把想法落地到业务运行仍是最具挑战的一步。
#论文/研究#开源生态#数据/训练
Recursive self-improvement needs agents that can build their own training environments. But researchers still part of the loop, making it hard to scale. We introduce AutoEnvScaling, which turns Data Flywheel into a terminal task: a proposer agent builds complete Harbor tasks and sandbox. It builds just like human researchers. This enables self-play RL for terminal agents: one model improves as both builder and solver, without human-in-the-loop.
#论文/研究#Agent#数据/训练
#论文/研究#Agent#安全/对齐
Chainalysis 报告显示，Coinbase 支持的 Base 区块链上通过 x402 协议完成的累计支付从 2025 年中的约 1500 笔增至 2026 年三季度的超 1.38 亿笔，其中逾 87% 单笔金额低于 10 美分。报告还发现，钱包从首次入金到首次支付的中位时间由 2025 年底的 73 天缩短至 18 分钟，约三分之二的新钱包在收到资金后一小时内完成支出，约 90% 的活跃钱包在 30 天内获得再次入金。x402 于 2025 年 5 月由 Coinbase 推出，其基金会 7 月在 Linux 基金会下成立，成员包括 Visa、Mastercard、Stripe 和 Google。
#行业动态#Agent#数据/训练
Chainalysis 报告显示，Coinbase 支持的 Base 区块链上，通过 x402 协议完成的累计支付从 2025 年中的约 1500 笔增至 2026 年第三季度的逾 1.38 亿笔，其中超过 87% 的单笔金额低于 10 美分。报告还发现，钱包从首次入金到首次支付的中位时间由 2025 年底的 73 天缩短至 18 分钟，约三分之二的新钱包在收到资金后一小时内完成支出，约 90% 的活跃钱包在 30 天内获得再次入金。Chainalysis 研究主管 Eric Jardine 认为，随着更多平台接受 AI 智能体付款，这一趋势可能呈指数级增长。
#行业动态#Agent#部署/工程
Cohere 在 ProgramBench 上系统测试编码智能体团队的组织方式，发现组织良好的团队比单智能体最多高出约 10 个百分点，但成本为 3 到 7 倍。研究显示把智能体只投入探索与规划阶段，能以一半成本达到全阶段委派的性能；用 Sol 作为 lead 协调 16 个廉价 Luna 规划 worker 可拿到 61.8% 的 reward，接近全 Sol 团队的 63.2%，成本从 510 美元降到 155 美元。研究还测试了阻塞与异步 lead、团队规模、worker 间通信以及 Claude、Gemini 等模型使用团队方式的差异。
#教程/实践#Agent#编码
#论文/研究#Agent#评测/基准
在 IROS 2026 大会上，UPenn、MIT 与 Stanford 联合团队的茅佳源分享了只需一次人类演示即可泛化执行多种非抓取任务的 RAPID 闭环框架，并提出诊断视觉与动作机制脱节的 TR 指标。团队发现峰值 TR 可预测模型的组合泛化能力，据此设计的基于 TR 的自适应引导无需重新训练模型，在搭载双臂机器人的 8 项复杂真机任务中把泛化成功率从 71.8% 提升至 83%，对比模型 Cosmos-Policy 平均成功率仅约 12%。
#论文/研究#具身智能#Agent
英国非营利机构 Tech Against Terrorism 发布 Counter-Terrorism AI Benchmark 报告，测试了134个AI模型在200多条涉恐提示下的表现，仅两个模型完全通过，81个模型未达标。报告称新发布的开源权重模型平均不到三天就出现被“abliterated”（移除护栏）的版本，2024年这一数字还是超过24天；Meta 的 Llama 3.1 8B 在该基准上得97分，其移除护栏版本仅得3分。报告还发现，仅把请求包装成来自“安全研究员”，模型给出回答的概率就提高近九倍，达到16.9%。
#安全/对齐#开源生态#数据/训练
#安全/对齐#Agent#端侧
微软发布补丁修复 Visual Studio Copilot 与 SQL Server Management Studio 中的远程代码执行漏洞 CVE-2026-103572，该漏洞被定为 Important 级别。根因是 Copilot 在写入 .mcp.json 等配置文件时，文件名末尾的句点可绕过路径校验，Windows 写入时又会去掉句点，从而让智能体逃逸限制并执行任意命令；作者还演示了通过间接提示词注入触发攻击。漏洞位于共享的 Microsoft.VisualStudio.Copilot.Core.dll，Visual Studio 2022 等旧版本同样受影响，修复方式是加入 GetFullPath 调用以规范化文件名。
#安全/对齐#Agent#MCP/工具调用
#论文/研究#编码#Agent
#现象/趋势#多模态#具身智能
Anthropic 前沿红队用约 825 美元搭建 15 台杂牌 Android 电视盒子集群，以 0.39 tokens/秒运行 AI 模型，并在论文中评估小模型自我复制的可行性。实验显示 Qwen3.5-9B 能在 9 类硬件中的 8 类部署可用的 Llama3.1-8B 推理服务，GLM-5.2 在 5 次试验中有 4 次覆盖全部 8 个模拟节点。研究者借助 Epoch Capabilities Index 推算，到 2026 年底 300 亿参数以下开源模型的最强水平将达到 GLM-5.2 的通用能力，但强调实验在受控环境且留有便利条件。
#论文/研究#安全/对齐#Agent
Anthropic 警告小型 AI 模型可能很快能在智能烤箱、杂牌 Android TV 盒子等消费级 IoT 设备上自我复制，形成不依赖数据中心的分布式 AI 负载网络。实验中 Qwen3.5-9B 在九种硬件中的八种成功安装并配置运行 Llama3.1-8B 所需软件，GLM-5.2 在五次试验中有四次触达受控模拟网络的全部八个节点；保留此前尝试数据后，Qwen3.5-9B 成功率从早期 45% 升至后期 84%。研究未演示完全自主的自复制 AI 蠕虫，但 Anthropic 预测 300 亿参数及以下的模型可能在 2026 年底达到所需能力，当前在测试硬件上完成推理部署需 28 至 51 小时（Qwen3.5-9B）或 71 至 150 小时（Gemma4-26B-A4B）。
#安全/对齐#端侧#Agent
Anthropic 前沿红队发布报告警告，其部分 AI 模型可能“数月内”具备自我复制能力，可入侵智能冰箱、扫地机器人等联网设备，并在其中自行运行而无需数据中心。报告称这类“AI 蠕虫”属于自主恶意软件，一旦失控难以关停，因为不存在可集中关闭的节点；研究认为自我复制可能只在小模型上奏效，家庭和小型企业或最先成为目标，易感设备包括智能烤箱、智能电视、自动割草机、安防摄像头和视频会议设备。研究人员表示复制形态尚不明确，可能是“数字黏菌”式慢速模型、骗取算力的模型或快速入侵数据中心的强力网络模型。
#安全/对齐#Agent#端侧
Anthropic 发布研究称，当前小型开放权重模型已能完成自我复制所需的多数单独步骤，但尚无法独立走完全流程，预计这一差距将在今年年底前缩小。实验中，研究者把 260 亿参数的 Gemma 4 拆分到 15 台约 55 美元、4GB 内存的 Android TV 盒子上运行，并在模拟的 8 台云端 Android 设备网络中植入 AI 蠕虫，测试的开放权重模型里只有 Z.ai 的 GLM-5.2 在五轮中的四轮完成了全部步骤。Anthropic 还发现小模型为后续副本留下笔记后，设置任务成功率从第一代的 45% 升至后续世代的 84%，并称基于小模型的自我复制 AI 传播较慢但难以清除。Rocky Linux 创始人 Gregory Kurtzer 和纽约大学研究者 Ravid Shwartz-Ziv 等人质疑该实验被刻意设计成成功，目标机器未设认证，不足以证明真实世界的 AI 蠕虫风险。
#安全/对齐#Agent#端侧
Google 公布 Gemini 4 Argon 的安全与安保报告，说明其在滥用防护、失准监控和提示注入抵抗三方面的做法。Argon 在 12 个端到端模拟网络攻击场景中全部通过，上一代为 5 个；在 Gray Swan 的间接提示注入基准上，15 次自适应攻击的成功率降至 0.7%。Google 同时开始大范围推送 Argon，并扩大 Fairwind Program 的可信网络防御者范围。
#安全/对齐#Google#Agent