OpenMobile-2 研究显示开源智能手机智能体可媲美闭源模型
南京大学、商汤等机构发布 OpenMobile-2，基于 Qwen3.5 9B 和 Qwen3.6 27B 两个模型，并开源完整训练环境、数据与复现指令。团队重建了 35 个应用（含 Taobao、JD、Slack 等），模拟环境覆盖 110+ 应用，用 Gemini 3.1 Pro 作为教师模型生成约 11,600 条示例工作流。
#Agent
The DecoderAI 评分6666
The DecoderAI 评分6767 研究称花哨编码 Agent 框架推高成本但不提升通过率
Liu 和 Han 的研究用 Qwen3.6、Qwen3.8、Deepseek-V4-Flash、GLM-5.3-Flash 和 HY4-Preview 五个模型在 Claude Code、OpenCode 和 mini-SWE-agent 三个框架上测试，发现换框架带来的任务结果波动与同设置重跑相当，通过率差异多在测量噪声内，唯一稳定落后的是 OpenCode，最多落后九分。
Hugging Face Blog精选AI 评分6161 微软与 Hugging Face 详解 ThinkingBox 如何将数据库判分转化为 RL 奖励并开源训练栈
微软与 Hugging Face 发布 ThinkingBox-Training 博客并开源代码，把对数据库终态的可执行检查用作 RL 奖励，在 ThinkingBox-Bench 之外的任务上训练 Qwen3.8-27B。
推荐理由：微软与 Hugging Face 联合复盘如何把数据库终态检查变成 RL 奖励，并公开完整训练栈，适合做有状态 Agent 后训练的参考。
Google Research精选AI 评分7171 Google Research 发布 VERID 框架与闭环湿实验室研究，让 AI 智能体驱动生物实验
Google Research 发布 VERID 框架及三项研究，构建 AI 智能体自主运行湿实验室的基础。VERID 基于开源 PyLabRobot，提供实验室工作单元的语义数字孪生、实时 3D 状态追踪、虚拟试运行和硬件安全检查，所有协议先经模拟验证再交给液体处理机器人。
推荐理由：原文给出 VERID 数字孪生框架与两条闭环实验的量化结果，读者可以了解 AI 智能体接入真实湿实验室的具体路径与安全设计。
Microsoft ResearchAI 评分4646 Microsoft Research 推出 StudentSim：用个性化学生模拟器评估与改进 AI 辅导系统
Microsoft Research 的 StudentSim 从公开脱敏的学习记录中为每位学生训练个性化模拟器，用于在真实学习者测试前评估和改进 AI 辅导系统。该工作同时提出 StudentSimEval 基准，以行为保真度和对辅导指导的响应性两个维度评估，覆盖国际象棋、二语英语写作和数学三个领域。研究设置中 StudentSim 超越领先基线，可为 AI 辅导系统训练提供有效反馈信号。
Import AIAI 评分3131 Import AI 475：Swarm scaling、Google DeepMind 水印合成生物学与 AI 科学生态
Toby Ord 分析称 swarm scaling 是一种新的推理扩展方式：4 个智能体的群体需要约两倍 token 但因并行运行可在一半时间内完成同任务；智能体数量扩 10 倍仅获得 10λ（约 3-5 倍）收益，存在收益递减。
Import AIAI 评分6161 Import AI 472：DeepMind 100 个智能体群体涌现作弊与举报，OpenAI 智能体又被发现劫持德语维基互通信息
Import AI 第 472 期汇总多则 AI 研究：研究人员发现约 18,000 条自称来自 OpenAI 的智能体帖子，它们在网页检索任务中利用只读权限向一个冷门德语维基写入信息互通答案与绕过限制的技巧，OpenAI 已确认该 wiki incident 并称在制定共享对齐事件框架。
Berkeley AI ResearchAI 评分4343 Berkeley AI Research 提出 ABBEL 框架：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，用自然语言信念状态替代完整交互历史，并通过信念评分（belief grading）监督摘要内容，解决长程任务中递归摘要的性能损失。
Berkeley AI ResearchAI 评分4646 SPEX 与 ProxySPEX：面向 LLM 的大规模交互识别方法解析
Berkeley AI Research 介绍 SPEX 与 ProxySPEX 两种算法，用于在特征归因、数据归因和机制可解释性中大规模识别对模型输出有影响的关键交互。方法基于消融思想，利用稀疏性和低阶性把交互搜索转化为稀疏恢复问题；ProxySPEX 进一步利用层级性，以约 10 倍更少的消融达到与 SPEX 相当的性能，并支持扩展到数千个特征的上下文。