ProvenanceGuard：面向 MCP 智能体的来源感知事实性验证
Hugging Face 团队提出 ProvenanceGuard，一个针对基于 MCP 的 LLM 智能体的生成后验证层，能检测“跨来源混淆”——事实存在但被归因到错误来源的情况。
#Agent
#Agent
今日 0 条Hugging Face BlogAI 评分4848
Google ResearchAI 评分5252 Google Research 发布 AI 视频联合导演框架，实现连贯的长篇视频生成
Google Research 推出 AI 视频联合导演研究，基于 Gemini 和 Veo 构建统一多智能体框架，包含 Co-Director、CANVAS、A²RD 和 VQQA 四套框架，将长视频生成建模为全局优化与世界状态跟踪问题。
Microsoft ResearchAI 评分5353 Microsoft Research 研究显示将机器人 AI 推理卸载到边缘或云端可提升性能与续航
Microsoft Research 通过系统性测量研究指出，仅依赖机器人机载 GPU 会限制性能、续航与可扩展性。实验显示小型 GPU 上地图与规划最高慢 383%，导航障碍及时检测率下降 30%，VLA 模型准确率下降 50%；换成 Raspberry Pi-5 并卸载推理可显著延长电池时间，Jetson Thor 等机载 GPU 对机器人的电池消耗高达 160%。
Hugging Face BlogAI 评分5959 IBM Research 为 ALTK-Evolve 推出一致性指南，将 GPT-4.1 ReAct 智能体的 24.4 个百分点一致性缺口减半
IBM Research 在开源工具 ALTK-Evolve 中新增一致性指南与 Consistency Analyzer，针对平均准确率掩盖的可靠性问题。
Google ResearchAI 评分4949 Google 提出 ToolGrad：用文本“梯度”高效生成工具使用数据集
Google Research 在 ACL 2026 提出 ToolGrad，采用“先答案后提问”的范式生成工具使用训练数据，通过文本“梯度”迭代构建 API 调用链，几乎达到 100% 通过率且成本更低。
Google ResearchAI 评分5757 Google Earth AI 推出行星预测引擎 PPE，自动化全球地理空间建模全流程
Google Earth AI 推出实验性研究能力行星预测引擎（PPE），可从自然语言查询出发自主完成数据发现、特征工程、模型训练与评估的完整地理空间预测流程，将原本需数周的人工建模缩短到数分钟。
Google ResearchAI 评分3939 Google 发布 AgentHands：为 XR 空间对话生成同步手部手势的研究原型
Google 在 CHI 2026 发表 AgentHands，一个让 XR 中 AI 智能体生成与语音同步的 3D 手部手势的研究原型。系统由环境感知、手势事件库、手势嵌入推理和同步 XR 执行四个模块组成，将 LLM 输出映射为精准的空间动作。在 12 人被试内实验中，与纯语音基线相比，该手势显著提升了空间指代与交互效果。
Hugging Face BlogAI 评分5252 IBM Research 对比 ALTK-Evolve 与 ACE：按需交付记忆，用更少 token 达到相当或更高准确率
IBM Research 在 AppWorld 上以同一 ReAct 智能体对比自家的 ALTK-Evolve 与 ACE，指出两者都拒绝压缩经验，差异在交付方式：ACE 每步注入完整 playbook，ALTK-Evolve 按模型能力选择性检索 guidelines。
Google ResearchAI 评分5656 Google Research 提出可验证自主科研框架 Science One 与证据链方法
Google Research 发布 Chain-of-Evidence 可验证性框架及其实例 Science One Framework，配套 CoE Audit 自动审计指标。
Microsoft ResearchAI 评分5959 Microsoft Research 发布 EvoLib：将经验转化为可演化的知识库
Microsoft Research 推出 EvoLib，一个让大语言模型在推理时从自身经验自监督学习、无需更新模型的框架。它把成功方案提炼为可复用技能、把错误提炼为反思性洞见，并通过整合与动态加权机制持续演化知识。
Import AIAI 评分5656 Import AI 466：机器人学的苦涩教训、AI 完成周级编程任务与 OpenAI 模型意外黑客事件
Jack Clark 在 Import AI 第 466 期汇总三条线索：Epoch 与 METR 发布 MirrorCode 基准，Opus 4.7 花 14 小时。
Berkeley AI ResearchAI 评分4949 ABBEL：教 LLM 更新信念状态以实现高效长程交互
Berkeley AI Research 提出 ABBEL 框架，将大语言模型在长程交互中的摘要形式化为自然语言信念状态，并通过信念评分监督其信息内容。在 CollabBench 协作编程环境中，基于重构的信念评分使 ABBEL-rec-BG 将与全上下文模型的性能差距缩小约 50%，训练步数从 100 减至 50，且峰值上下文 token 长度仍显著低于全上下文设置。
Hugging Face BlogAI 评分4646 ScarfBench：评测 AI 智能体完成企业级 Java 框架迁移的基准测试
Hugging Face 推出开源基准 ScarfBench，用于评测 AI 智能体在 Spring、Jakarta EE、Quarkus 三大 Java 生态间的框架迁移能力，包含 34 个应用、102 个框架实现、204 个迁移任务和 1,331 个专家编写测试。
Import AIAI 评分4848 Import AI 460：社会性 reward hacking、Anthropic 的 RSI 证据与 RL 四轴无人机竞速
King's College London、复旦大学与 The Alan Turing Institute 等构建了 SocioHack 基准，含 72 个沙盒社会环境（历史 32 个。
Google ResearchAI 评分5959 Google Research 发布 ReasoningBank 智能体推理记忆框架
Google Research 在 ICLR 论文中提出 ReasoningBank，一个从成功与失败经验中提炼结构化推理记忆的智能体记忆框架，并配套 MaTTS 记忆感知测试时扩展方法。
Berkeley AI ResearchAI 评分4545 GRASP：面向长时程世界模型的梯度规划方法解析
Berkeley AI Research 等团队提出 GRASP，一种基于梯度的世界模型规划器，让长时程规划更实用。方法包括将轨迹提升到虚拟状态以实现跨时间并行的优化、在状态迭代中直接加入随机性以促进探索，并对梯度进行重塑以避开高维视觉模型中脆弱的 state-input 梯度。
Google ResearchAI 评分4242 Google Research 推出 ConvApparel：量化并弥合用户模拟器的真实感差距
Google Research 推出 ConvApparel 数据集，包含 4,000 多段服装购物领域的人机多轮对话（近 15,000 轮），用于量化 LLM 用户模拟器与真实人类行为的真实感差距。