在旧金山北滩的一栋不起眼的建筑里，有一家公司正在悄然改变软件开发的规则。Cursor，过去一年最有名的一家 AI 独角兽，从零起步，在不到两年时间里达到了 1 亿美元 ARR，员工人数从二十几人扩张到接近 250 人，它的产品被全球顶尖开发者使用，甚至在重新定义「开发工具」的标准。
现有的LLM智能体训练框架都是针对单智能体的，多智能体的“群体强化”仍是一个亟须解决的问题。为了解决这一领域的研究痛点，来自UCSD和英特尔的研究人员，提出了新的提出通用化多智能体强化学习框架——PettingLLMs。支持任意组合的多个LLM一起训练。
前段时间Trae下架了Claude，标志着但凡跟中国沾边AI工具都禁止使用 Claude 但我一点都不慌，因为已经很久没用 Claude 了 尤其在编程赛道上，国产大模型已经通过内部互卷站起来了。
Mem-α 的出现，正是为了解决这一困境。由加州大学圣地亚哥分校的 Yu Wang 在 Anuttacon 实习期间完成，这项工作是首次将强化学习引入大模型的记忆管理体系，让模型能够自主学习如何使用工具去存储、更新和组织记忆。
著名数学家陶哲轩发论文了，除了陶大神，论文作者还包括 Google DeepMind 高级研究工程师 BOGDAN GEORGIEV 等人。论文展示了 AlphaEvolve 如何作为一种工具，自主发现新的数学构造，并推动人们对长期未解数学难题的理解。AlphaEvolve 是谷歌在今年 5 月发布的一项研究，一个由 LLMs 驱动的革命性进化编码智能体。
Kuyda 和她的团队开始痴迷于一个比喻：当前的聊天机器人相当于 AI 界面的 MS-DOS 时代，而将会出现某种类似 Windows 或 MacOS 的时刻。Wabi不是另一个代码生成工具，也不是开发者的辅助工具，而是一个真正面向大众市场的消费产品，专为非技术人员设计。
伊利诺伊大学厄巴纳 - 香槟分校（UIUC）等团队近日发布论文，系统性剖析了 LLM 智能体失败的机制，并提出了可自我修复的创新框架 ——AgentDebug。该研究认为，AI 智能体应成为自身的观察者和调试者，不仅仅是被动的任务执行者，为未来大规模智能体的可靠运行和自动进化提供了理论与实践工具。
奥特曼称GPT-6或让「AI创造新科学」成真。与此呼应，类「AI科学家」Kosmos登场：12小时读1500篇文献、跑4.2万行代码，生成可溯源报告，并在材料等方向提出新发现。它凭持续记忆自主规划，正由工具迈向合作者；但受数据来源与复现性制约，约20%结论仍需人类裁判。人机协作或将重塑科研，科研范式加速演进，前景可期。
大型语言模型（LLMs）正迅速成为从金融到交通等各个专业领域不可或缺的辅助决策工具。但目前LLM的“通用智能”在面对高度专业化、高风险的任务时，往往显得力不从心。
今天翻 GitHub Trending 的时候，看到一个不怎么眼熟的项目占据榜单第一。 仔细一看，是个多 Agent 舆情分析助手，名字叫「微舆 BettaFish」。再往下拉，发现它 star 已经过万了，而且还是最近十几天突然暴涨。
