让模型自主规划、调用工具、完成多步任务的技术方向——从 Claude Code、Manus 到各家 Agent 框架与评测基准的全部动态。
Hugging Face 发布 TRL v1.0，将 TRL 从研究代码库明确升级为面向生产使用的后训练库，支持超过 75 种后训练方法。新版本让稳定 API 与实验 API 共存，稳定层涵盖 SFT、DPO、Reward modeling、RLOO 和 GRPO 等训练器，最近一个 0.x 版本的迁移工作量较小。
推荐理由：文章解释了 TRL v1.0 如何以稳定与实验并存的契约应对后训练方法快速变化，并给出异步 GRPO 等后续方向。
Google DeepMind 正在探索由 Gemini 驱动的 AI 智能指针，让用户通过指向和语音在不同应用中调用 AI，而不必反复切换窗口或编写复杂提示词。
推荐理由：文章从四项交互原则和实验演示出发，具体说明 AI 如何结合指针位置、视觉上下文与语音，减少复杂提示词输入。
Hugging Face 介绍了把 OpenClaw、Pi 或 Open Code 智能体迁移到开放模型的两条路径：通过 Inference Providers 托管运行，或使用 llama.cpp 在本地运行。托管方案可配置 GLM-5，本地方案示例使用 Qwen3.5-35B-A3B-GGUF，并提供了安装、启动服务器和 OpenClaw 配置命令。
推荐理由：文章提供了将 OpenClaw 迁移到 Hugging Face 托管模型或本地 llama.cpp 的具体命令与配置，便于读者按硬件和隐私需求选择路径。
Google 发布 Vibe Coding XR 工作流，结合 Gemini 与基于 WebXR、three.js 和 LiteRT.js 的 XR Blocks，将自然语言转换为物理感知的 Android XR 应用。
推荐理由：Google 将 Gemini 的长上下文推理与 XR Blocks 模板结合，把自然语言生成物理感知的 Android XR 原型，展示了教育和交互场景的快速验证路径。
Google Research 在 The Check Up 活动上介绍了 AI 用于个性化医疗、临床协作、公共卫生和生物医学研究的最新进展。相关工作包括 Personal Health Agent、AMIE、MedGemma 和 DeepSomatic，涉及乳腺癌检测、糖尿病视网膜病变筛查、医疗应用开发及基因数据分析。
推荐理由：文章集中呈现 Google Research 将多模态模型、智能体和开放权重工具推进医疗研究与临床场景的路径，涵盖筛查、诊疗和公共卫生应用。
Hugging Face 发布《2026 春季开源现状》报告，基于社区活动数据分析竞争、地域、技术趋势和新兴社区。2025 年平台用户增至 13 million，公共模型超过 2 million、公共数据集超过 500,000；中国模型占下载量 41%，Qwen 相关衍生模型超过 200,000 个。
推荐理由：报告用 Hugging Face 社区数据梳理开源 AI 的地域、规模与应用变化，呈现中国模型增长、小模型普及和机器人社区扩张等趋势。
Mistral AI 推出 Forge，帮助企业使用内部文档、代码库、结构化数据和运营记录训练面向自身领域的 AI 模型。Forge 支持预训练、后训练、强化学习，以及 dense 和 MoE 架构与多模态输入，可用于定制模型和企业智能体。平台还提供基础设施、数据管道、评估与持续改进能力，并支持由 Mistral Vibe 等代码智能体执行微调、超参数搜索、任务调度和合成数据生成。
推荐理由：Forge将预训练、后训练和强化学习用于企业专有数据，并覆盖模型评估与持续适配，适合了解定制模型如何服务内部流程。
H Company 发布多模态电脑操作模型 Holotron-12B，基于 NVIDIA Nemotron-Nano-12B-v2-VL-BF16 和专有数据训练，最终 checkpoint 使用约 14 billion tokens。
推荐理由：文章同时给出 Holotron-12B 的训练来源、吞吐对比和 Agent 基准结果，便于评估其在高并发电脑操作任务中的实际定位。
Mistral AI 基于开源编码助手 Vibe 构建了一个可在 CI/CD 中自主生成和改进 RSpec 测试的智能体，能够读取 Rails 源码、并行处理文件，并通过 RuboCop 与 SimpleCov 验证结果。
推荐理由：文章展示了如何用 Vibe、分类型技能和可执行验证工具构建 Rails 测试智能体，并用真实代码库指标检验其效果。
Hugging Face 调研 16 个开源 RL 库，比较编排、rollout buffer、权重同步、陈旧样本管理、部分 rollout、LoRA 和分布式训练后端等 7 个维度。
推荐理由：文章将 16 个开源异步 RL 库放在统一框架下比较，梳理了缓冲区、权重同步、样本陈旧和 MoE 支持等工程取舍。
Hugging Face 在 Hub 上推出 Storage Buckets，为 checkpoints、处理后数据、Agent traces 和日志等可变 ML 产物提供非版本化、S3-like 对象存储。Buckets 基于 Xet 的分块去重，并支持通过 hf CLI、Python、JavaScript 和 fsspec 管理；还可将数据预热到 AWS 和 GCP 的计算区域。
推荐理由：Storage Buckets 将可变的 ML 中间产物纳入 Hub，并结合 Xet 去重与预热能力，补足 Git 不适合高频写入的工作层。
Google 发布 Gemini 3.1 Pro，定位于需要复杂推理的问题，并已在消费者、开发者和企业产品中以预览版逐步推出。
推荐理由：Gemini 3.1 Pro 同时给出 ARC-AGI-2 成绩和多端预览入口，便于了解其推理能力进展与实际可用范围。
IBM Research 与 UC Berkeley 将 MAST 应用于 ITBench，分析了 Gemini-3-Flash、Kimi-K2 和 GPT-OSS-120B 的 310 条 SRE 执行轨迹。
推荐理由：文章把 ITBench 的成功率拆解为具体失败模式，并针对不同模型给出验证、终止控制和上下文管理等工程改进方向。
Hugging Face 构建了一个 CUDA Kernels Agent skill，指导 Claude 和 Codex 为 diffusers 与 transformers 目标编写带 PyTorch 绑定和基准测试的生产级 CUDA 内核。
推荐理由：文章展示了如何把 CUDA 专业知识封装为 Agent skill，并用真实 diffusers 与 transformers 目标验证从内核生成、绑定到基准测试的完整流程。
Hugging Face、Meta 与 Turing 介绍了用于真实系统智能体评测的开源框架 OpenEnv，以及生产级日历环境 Calendar Gym。Calendar Gym 通过权限控制、部分可观测性和多步工作流测试智能体，明确日历标识时成功率接近 90%，改用自然语言描述后降至约 40%；超过一半的错误来自工具参数格式错误或调用顺序不当。
推荐理由：文章通过 Calendar Gym 展示了真实环境评测如何暴露智能体在多步执行、歧义处理和权限约束下的可靠性问题。
Google Research介绍Natively Adaptive Interfaces（NAI）框架，尝试用原生嵌入界面的多模态AI智能体替代静态导航，让应用根据用户情境和偏好动态调整。
推荐理由：Google Research提出将智能体原生嵌入界面，通过多模态协作和社区共创缩小无障碍功能滞后，为通用设计提供了可复用框架。
Google 宣布与 Included Health 合作，在获 Institutional Review Board（IRB）批准后开展一项面向全国、经同意参与者的前瞻性随机研究，评估对话式 AI 在真实虚拟医疗工作流中的表现。
推荐理由：研究将把对话式 AI 从模拟和可行性测试推进到全国范围的随机对照研究，为评估真实虚拟医疗中的安全性与实用性提供更严格证据。
Google DeepMind 开始向美国 18 岁以上的 Google AI Ultra 订阅者开放 Project Genie，这是一款由 Genie 3、Nano Banana Pro 和 Gemini 驱动的实验性网页原型。
推荐理由：Project Genie 将 Genie 3 的世界模型能力封装为可操作原型，展示了从生成环境到实时探索和视频导出的完整体验。
Google Research 发布论文《Towards a Science of Scaling Agent Systems》，通过180种智能体配置评估单智能体与四类多智能体架构。
推荐理由：这项研究用180种智能体配置比较不同架构，展示任务可分解性、顺序依赖和工具数量如何影响性能与可靠性。
Mistral AI 发布终端原生编码智能体 Mistral Vibe 2.0，由 Devstral 2 模型家族驱动，新增自定义子智能体、多选澄清、斜杠命令技能、统一智能体模式和自动更新。
推荐理由：Mistral Vibe 2.0 将子智能体、技能命令和执行前澄清纳入终端工作流，适合了解编码智能体如何增强可控性。