Hugging Face 发布 transformers 到 mlx-lm 的模型移植 Skill 与测试套件
Hugging Face 发布一个 Skill 和独立测试套件，帮助贡献者把 transformers 模型移植到 mlx-lm，模型进入 transformers 后可更快在 MLX 上可用。
推荐理由：原文给出一个可复用的 Skill 加非智能体测试套件，并总结了让智能体 PR 符合开源惯例的具体规则，可迁移到其他项目。
#Agent
#Agent
今日 3 条Hugging Face Blog精选AI 评分7373 Hugging Face BlogAI 评分3333 Hugging Face 开源 Ecom-RLVE：面向电商对话智能体的自适应可验证环境
Hugging Face 将 RLVE 框架从单轮推理任务扩展到多轮、带工具调用的电商对话场景，推出 EcomRLVE-GYM，提供 8 个可算法验证的环境，如商品发现、换货、购物车构建、订单追踪等。
Hugging Face BlogAI 评分4848 VAKRA 解析：AI 智能体的推理、工具使用与失败模式
Hugging Face 介绍了其推出的可执行基准 VAKRA，用于评估 AI 智能体在企业级环境中的推理与执行能力。基准提供 8,000+ 本地托管 API、覆盖 62 个领域，任务需 3-7 步推理链，包含 API 链式调用、工具选择、多跳推理等四类能力。文章还分析了模型在不同任务上的失败模式。
OpenAI NewsAI 评分5252 OpenAI Agents SDK 更新：新增原生沙盒执行与模型原生 harness
OpenAI 更新 Agents SDK，新增原生沙盒执行和模型原生 harness，帮助开发者构建可跨文件与工具运行的安全的长时运行智能体。
Hugging Face Blog精选AI 评分6464 HCompany 发布 Chrome 扩展 HoloTab，基于 Holo3 实现网页任务自动化
HCompany 推出 Chrome 扩展 HoloTab，将其 3 月 31 日发布的 computer-use 模型 Holo3 直接带到浏览器中，无需配置即可在任何网站自动化操作。其 Routines 功能通过录屏和讲解生成可重复运行或定时执行的例程，适合比价、找工作等重复任务；产品目前免费开放使用。
推荐理由：原文介绍了浏览器智能体的录制生成例程能力和免费入口，读者可以据此了解它如何把 computer-use 模型带入日常工作流。
OpenAI NewsAI 评分3636 Cloudflare Agent Cloud 引入 OpenAI GPT-5.4 与 Codex 助力企业智能体工作流
Cloudflare 将 OpenAI 的 GPT-5.4 和 Codex 引入 Agent Cloud，帮助企业快速、安全地构建、部署和扩展用于真实任务的 AI 智能体。企业可在 Agent Cloud 上直接运行智能体工作流。
OpenAI NewsAI 评分4848 ChatGPT skills 使用指南
ChatGPT skills 可用于创建可复用的工作流、自动化重复性任务，并确保输出稳定且高质量。
Google ResearchAI 评分3737 Google Research 推出 PaperVizAgent 与 ScholarPeer 两个 AI 智能体，改进学术制图与同行评审
Google Research 推出两个学术智能体框架：PaperVizAgent（原 PaperBanana）用于从论文文本生成可发表的学术图表，ScholarPeer 则自动执行严格的同行评审。
OpenAI NewsAI 评分1313 OpenAI 描绘企业 AI 的下一个阶段
OpenAI 阐述企业 AI 的下一个阶段，称各行业的企业级 AI 采用正在加速。该阶段的核心包括 Frontier、ChatGPT Enterprise、Codex 以及覆盖全公司的 AI 智能体。
Google DeepMind精选AI 评分7979 Google DeepMind 发布 Gemma 4 开源模型，E2B/E4B/26B MoE/31B 四尺寸
Google DeepMind 发布 Gemma 4 开源模型，基于 Gemini 3 技术，主打高级推理和智能体工作流。提供 E2B、E4B、26B MoE（推理时仅激活 3.8B 参数）和 31B Dense 四种尺寸，31B 在 Arena AI 文本排行榜上位列全球开源模型第 3，采用 Apache 2.0 许可，支持 128K-256K 上下文窗口、原生多模态和 140+ 语言。
推荐理由：原文给出了四个尺寸、基准排名和部署细节，读者可以据此判断在本地和端侧硬件上的可用性。
OpenAI NewsAI 评分2424 Gradient Labs 用 GPT 为每位银行客户提供 AI 客户经理
Gradient Labs 基于 GPT-4.1 和 GPT-5.4 mini、nano 构建 AI 智能体，为每位银行客户提供 AI 客户经理，自动化银行支持工作流程。该方案具备低延迟和高可靠性。
Mistral AI精选AI 评分6767 Mistral AI 发布 Spaces CLI，让同一命令行工具同时服务人类与编码 Agent
Mistral AI 发布面向人类开发者和 Agent 的 Spaces CLI，三条命令即可从零搭建带热重载、数据库和生成 Dockerfile 的多服务项目并部署。
推荐理由：Mistral 以自家 CLI 为例，总结了一套让同一工具同时服务人类与 Agent 的可复用设计原则，细节具体。
Hugging Face BlogAI 评分5454 Hugging Face 教你把 OpenClaw 智能体迁移到开源模型
Hugging Face 发文称 Anthropic 正在限制 Pro/Max 订阅者在开放智能体平台使用 Claude 模型，并给出两条迁移路径。
Hugging Face BlogAI 评分5050 Hugging Face 推出语音智能体评估框架 EVA，首次联合评分任务准确性与对话体验
Hugging Face 发布端到端语音智能体评估框架 EVA，采用 bot-to-bot 音频架构评估完整多轮语音对话，产出 EVA-A（准确性）与 EVA-X（体验）两项分数。
OpenAI NewsAI 评分4545 OpenAI 如何监控内部编码智能体的对齐风险
OpenAI 使用链式思维（chain-of-thought）监控方法，研究内部编码智能体的对齐偏差问题。该方法通过分析真实部署中的智能体行为来检测潜在风险，并据此强化 AI 安全保障措施。
Google ResearchAI 评分4242 Google Research 在 The Check Up 活动：从医疗 AI 创新到真实诊疗场景
Google Research 在 The Check Up 活动上展示其在医疗健康领域的最新 AI 进展。
Mistral AIAI 评分4343 Mistral AI 推出 Forge：面向企业的专有知识训练系统
Mistral AI 发布 Forge，帮助企业基于内部文档、代码库和运营数据训练前沿级自有模型，并已与 ASML、Ericsson、欧洲空间局等机构合作。Forge 支持 pre-training、post-training 与强化学习，兼容 dense 和 MoE 架构及多模态输入，模型可在企业自有基础设施中运行。
Hugging Face BlogAI 评分5757 H Company 发布 Holotron-12B 高吞吐计算机使用智能体模型
H Company 发布多模态计算机使用模型 Holotron-12B，基于 NVIDIA Nemotron-Nano-2 VL 后训练约 140 亿 token，已在 Hugging Face 以 NVIDIA Open Model License 开放。
Mistral AIAI 评分5555 Mistral 发布开源代码智能体 Leanstral，面向 Lean 4 形式化证明
Mistral 发布 Leanstral，称其为首个面向 Lean 4 的开源代码智能体，权重采用 Apache 2.0 许可证，提供 120B-A6B 稀疏架构（6B 激活参数），并集成于 Mistral Vibe 及免费 API 端点 labs-leanstral-2603。
Mistral AI精选AI 评分6060 Mistral 基于 Vibe 构建自动编写 Rails 测试的 Agent
Mistral 在开源编码助手 Vibe 之上构建了一个自主 Agent，可读取 Rails 源码并生成或改进 RSpec 测试，在 CI/CD 中无人干预运行。
推荐理由：原文给出可直接复用的 AGENTS.md、skills 与自定义工具做法，以及质量分数变化，方法可迁移到其他代码测试场景。
OpenAI NewsAI 评分4343 ChatGPT 如何设计 AI 智能体以抵御提示词注入
ChatGPT 通过约束智能体工作流中的高风险操作、保护敏感数据，来防御提示词注入和社工攻击。文章说明了 OpenAI 在 AI 智能体安全设计上的具体做法，帮助降低智能体被恶意指令利用的风险。
OpenAI NewsAI 评分5151 OpenAI 为 Responses API 配备计算机环境，构建 Agent 运行时
OpenAI 介绍了如何基于 Responses API、shell 工具和托管容器构建 Agent 运行时，用于运行带文件、工具和状态的 Agent。方案强调安全性与可扩展性。
OpenAI NewsAI 评分4545 OpenAI Codex Security 现已开启研究预览
OpenAI 推出 AI 应用安全智能体 Codex Security，目前处于研究预览阶段。该智能体通过分析项目上下文来检测、验证并修复复杂漏洞，从而提供更高的置信度和更少的噪音。
OpenAI NewsAI 评分2222 Balyasny 资产管理公司如何打造 AI 投研引擎
Balyasny Asset Management 通过严格的模型评估、全面使用 OpenAI 平台以及智能体工作流，重塑投资研究流程。公司以系统化的模型评测筛选合适的模型，并将 OpenAI 的能力嵌入投研各环节，由智能体自动执行研究任务，构建起一套 AI 驱动的研究引擎。
OpenAI News精选AI 评分7979 OpenAI 发布 GPT-5.4：面向专业工作的前沿模型
OpenAI 发布 GPT-5.4，称其为面向专业工作最强、最高效的前沿模型。新模型在编码、计算机使用和工具搜索上达到 SOTA，并提供 1M-token 上下文窗口。
推荐理由：OpenAI 官方给出 GPT-5.4 的能力定位与 1M-token 上下文，可据此判断其在专业工作场景中的可用性。
OpenAI NewsAI 评分3434 Amazon Bedrock 推出面向智能体的 Stateful Runtime 环境
Amazon Bedrock 推出 Stateful Runtime for Agents，为多步骤 AI 工作流提供持久编排、记忆和安全执行能力。该运行时由 OpenAI 模型驱动，可支持跨步骤保持状态的智能体应用。
OpenAI NewsAI 评分2828 PNNL 与 OpenAI 联合推出 DraftNEPABench 基准，加速联邦审批流程
OpenAI 与太平洋西北国家实验室（PNNL）联合推出 DraftNEPABench 基准，评估 AI 编程智能体加急联邦审批的能力。该基准显示，AI 有望将 NEPA（国家环境政策法）文件起草时间缩短最多 15%，推动基础设施审查现代化。
OpenAI NewsAI 评分2727 OpenAI 宣布推出 Frontier Alliance Partners 计划
OpenAI 宣布推出 Frontier Alliance Partners 计划，帮助企业将 AI 项目从试点阶段推进到生产环境，实现安全、可扩展的智能体部署。
Hugging Face Blog精选AI 评分6363 IBM 与 UC Berkeley 用 IT-Bench 和 MAST 诊断企业级 Agent 的失败原因
IBM Research 与 UC Berkeley 将 MAST（多智能体系统失败分类法）应用于 ITBench，标注了 310 条由 Gemini-3-Flash、Kimi-K2 和 GPT-OSS-120B 产生的 SRE 执行轨迹，把成功率之外的黑盒失败转成结构化失败签名。
推荐理由：原文把基准的单一成功率拆解为结构化失败模式，并针对三类模型给出对应的工程修复方向。
Hugging Face Blog精选AI 评分6868 Gradio 讲解如何用 gr.HTML 一次性生成任意 Web 应用
Hugging Face 官方博客介绍 Gradio 6 中 gr.HTML 支持自定义模板、scoped CSS 和 JavaScript 交互，可让 LLM 一次性生成前端、后端和状态管理都在单个 Python 文件里的应用。
推荐理由：原文由官方讲解 gr.HTML 的模板机制和 API，并结合多类应用示例说明如何用单个 Python 文件构建交互式组件。
OpenAI NewsAI 评分3636 OpenAI 与 Paradigm 推出智能体安全评测基准 EVMbench
OpenAI 与 Paradigm 联合推出 EVMbench，一个评估 AI 智能体能否检测、修补和利用高危智能合约漏洞的评测基准。该基准聚焦智能体在智能合约安全场景下的实际能力。
OpenAI NewsAI 评分4747 OpenAI 在 ChatGPT 推出 Lockdown Mode 与 Elevated Risk 标签
OpenAI 在 ChatGPT 中推出 Lockdown Mode 和 Elevated Risk 风险标签，帮助组织防御提示词注入和 AI 驱动的数据外泄。
Hugging Face Blog精选AI 评分6767 Hugging Face 发布 cuda-kernels 智能体技能，让 Claude 和 Codex 编写生产级 CUDA 内核
Hugging Face 发布一个随 kernels 库分发的智能体技能，教编码智能体编写可集成进 transformers 和 diffusers 的生产级 CUDA 内核。
推荐理由：原文给出技能安装方法、覆盖内容和 H100 实测数据，读者可以照此让编码智能体生成并发布 CUDA 内核。
Hugging Face BlogAI 评分5454 Turing 基于 OpenEnv 构建 Calendar Gym 评估真实环境中的工具调用智能体
Turing 在 Meta 与 Hugging Face 的开源框架 OpenEnv 上构建了生产级日历管理环境 Calendar Gym，用于在访问控制、时间推理和多智能体协调等真实约束下评估工具调用智能体。
OpenAI NewsAI 评分2323 Harness 工程实践：在智能体优先的世界中使用 Codex
OpenAI 技术成员 Ryan Lopopolo 撰文介绍如何在智能体优先的开发模式中利用 Codex，阐述 harness 工程的实践方法。文章来自 OpenAI News，面向希望将 Codex 融入智能体化工作流的工程团队。 （注：正文仅提供了作者署名，摘要主要基于原始标题与来源信息，未添加原文未提及的细节。）
Google ResearchAI 评分3535 Google Research 推出 DialogLab：编写、模拟和测试动态人-AI 群组对话的开源框架
Google Research 在 ACM UIST 2025 上推出开源原型框架 DialogLab，用于编写、模拟和测试动态的人-AI 群组对话。框架通过“author-test-verify”三阶段工作流，将社交设置与对话时间推进解耦，提供拖放画布、human control 模式和可视化验证仪表盘。
Google DeepMind精选AI 评分8080 Google DeepMind 发布两篇论文，展示 Gemini Deep Think 在数学与科学研究中的应用
Google DeepMind 发布两篇论文，介绍 Gemini Deep Think 在专家指导下解决数学、物理和计算机科学的专业研究问题。其数学研究智能体 Aletheia 配备自然语言验证器并可承认失败，在 IMO-ProofBench Advanced 上最高得分 90%，并自主解决 Bloom's Erdős 猜想数据库中的四个开放问题，包括 Erdős-1051。
推荐理由：原文给出两篇论文的具体成果和方法细节，读者可以了解 AI 辅助科研的实际边界与协作模式。
Google ResearchAI 评分3636 Google 研究如何用 AI 工具重新定义通用设计、提升无障碍体验
Google 提出原生自适应界面（NAI）框架，用多模态 AI 让应用 UI 从静态导航转向智能体驱动的动态模块，服务全球 13 亿残障人士。
OpenAI NewsAI 评分4040 OpenAI 发布 Frontier：企业级 AI 智能体平台
OpenAI 推出 OpenAI Frontier，一个面向企业的 AI 智能体平台，支持构建、部署和管理智能体。平台提供共享上下文、员工入驻、权限管理和治理功能。
OpenAI NewsAI 评分4444 OpenAI 发布 GPT-5.3-Codex
OpenAI 推出 GPT-5.3-Codex，一个 Codex 原生智能体，将前沿编码能力与通用推理相结合，用于支持长周期、真实世界的技术工作。