MosaicLeaks：你的深度研究智能体能守住秘密吗？
Hugging Face 博客发布 MosaicLeaks 基准，用 1001 条交错公私信息的多跳研究链检验深度研究智能体的隐私泄漏，并区分意图、答案、全信息三类泄漏。其提出的隐私感知训练方法 PA-DR 将严格链成功率从 48.7% 提升到 58.7%，同时把答案/全信息泄漏率从 34.0% 降到 9.9%。测试显示仅按任务表现训练会加剧泄漏。
#Agent
#Agent
今日 5 条Hugging Face BlogAI 评分4141
Hugging Face BlogAI 评分5050 Hugging Face 用 transformers 打造智能体工具基准测试，开放模型自己跑
Hugging Face 发布了一套面向工具的智能体基准测试框架，以 transformers 为案例，衡量智能体完成任务所耗的 token、成本与失败次数，而非只看最终答案。测试在 pi coding agent 上驱动开放模型，按模型 × 版本 × 任务展开并跑在 HF Jobs 上以保证硬件一致，结果存入 HF Bucket。
Hugging Face Blog精选AI 评分6363 用 Strands Agents 和 LeRobot 从 Hugging Face Hub 走到机器人硬件
AWS 开源的 Strands Robots SDK 将 LeRobot 相关的数据录制、策略推理和机器人抽象封装成 AgentTools，可组合成单个 Strands agent，把 Hub 上的数据集一路走到物理机器人。
推荐理由：完整走通从 Hub 数据集到真机的一条 Agent 流水线，说明仿真与硬件数据共用同一格式后，训练脚本可以不加改动地互换使用。
Hugging Face Blog精选AI 评分8282 智谱发布 GLM-5.2：面向长程任务，1M 上下文与 MIT 开源
智谱发布旗舰模型 GLM-5.2，主打长程任务，首次提供稳定的 1M token 上下文，并采用 MIT 开源许可且无地域限制。官方称其架构引入 IndexShare，每 4 层稀疏注意力共享同一 indexer，在 1M 上下文下把每 token FLOPs 降低 2.9×，MTP 层改进使投机解码接受长度最高提升 20%。
推荐理由：官方给出 1M 上下文在长程编码任务上的实测栈位、架构改动与 MIT 开放权重，可据此判断开源模型的长任务能力边界。
Hugging Face Blog精选AI 评分6868 Hugging Face 发布 Agentic Resource Discovery 规范与 Discover Tool
Hugging Face 发布 Agentic Resource Discovery（ARD）草案规范，用于让智能体在运行时搜索和发现工具、Skill 与智能体，而非预先安装配置。
推荐理由：原文给出 ARD 规范的组成与 Hugging Face 的参考实现，读者可了解智能体运行时发现能力的标准路径
Google DeepMindAI 评分4545 Google DeepMind 与英国政府用 Gemini 打造 AI 规划原型，目标将审批时间减半
Google DeepMind 正与英国政府、Google Cloud、Faculty 及 Barnet、Dorset、Camden 地方规划部门联合开发基于 Gemini 的 AI 规划原型，目标将住户规划申请决策时间缩短 50%。
Google DeepMindAI 评分5858 Google DeepMind 发布 AI Control Roadmap，为内部 AI 智能体加装系统级安全防护
Google DeepMind 发布 AI Control Roadmap，用于在 Google 内部署的 AI 智能体上叠加系统级安全层，即使模型对齐不完美也能提供保障，并称其可能成为行业参考。
Google DeepMindAI 评分5454 Google DeepMind 联合多家机构发起最高 1000 万美元多智能体安全研究资助
Google DeepMind 联合 Schmidt Sciences、Cooperative AI Foundation、ARIA，并在 Google.org 支持下发起最高 1000 万美元的多智能体 AI 安全技术研究资助，面向全球研究者征集方案。
Hugging Face Blog精选AI 评分6161 作者如何让 Agent 串联两个 Hugging Face Space 搭建 3D 巴黎画廊
作者让编程智能体调用两个 Hugging Face Space 搭建了一个展示巴黎地标的 3D 高斯泼溅画廊：ideogram4 负责由提示词生成图像，VAST-AI/TripoSplat 负责将单张图像重建成 .ply 格式的 3D 高斯泼溅。
推荐理由：作者以一条可复现的智能体流水线，展示如何用 agents.md 串联两个 Space 完成图像与 3D 生成。
Hugging Face Blog精选AI 评分6161 Hugging Face 旗下 OpenEnv 转为委员会治理并明确为智能体 RL 互操作层
Hugging Face 宣布 OpenEnv 转为由 Meta-PyTorch、Reflection、Unsloth、Modal、Prime Intellect、Nvidia、Mercor、Fleet AI、Microsoft 等组成的委员会协调，项目地址移至 huggingface/OpenEnv。
推荐理由：原文交代了 OpenEnv 转向委员会治理并明确自身为协议层而非奖励框架，读者可据此判断开放智能体 RL 的协作边界。
Hugging Face Blog精选AI 评分6666 Hugging Face 把 hf CLI 改造成面向智能体的命令行工具并给出基准测试
Hugging Face 重新设计官方命令行工具 hf CLI，使其同时服务人类用户和编码智能体，通过读取 CLAUDECODE、CODEX_SANDBOX、AI_AGENT 等环境变量自动切换到智能体模式：输出 TSV、保留完整 id 与 ISO 时间戳、不截断、无 ANSI 转义。
推荐理由：原文给出 CLI 面向智能体重构的渲染、hint 与基准数据，读者可据此评估智能体调用 Hub 的 token 成本。
Hugging Face Blog精选AI 评分7272 H Company 发布 Holo3.1 计算机操作智能体模型家族
H Company 发布 Holo3.1 模型家族，共四个尺寸（0.8B、4B、9B、35B-A3B），并首次提供 FP8、Q4 GGUF、NVFP4 量化权重用于本地推理。
推荐理由：原文给出多尺寸模型与量化权重，以及移动端和跨框架的基准变化，可供判断本地 computer-use 智能体的落地成本。
Hugging Face BlogAI 评分4444 JetBrains 发布 Mellum2：12B 参数 MoE 模型，Apache 2.0 开源
JetBrains 发布 Mellum2，一个从零训练、总参数 12B、每 token 仅激活 2.5B 的 MoE 模型，面向自然语言与代码任务，采用 Apache 2.0 许可证开源。官方称其推理速度比同规模模型快 2 倍以上，可用于路由、RAG、摘要、子智能体及私有化部署。模型已上线 Hugging Face，完整技术报告同步发布。
Hugging Face BlogAI 评分3232 超越 LLM：企业级 AI 规模化落地为何取决于 Agent 逻辑
企业 AI 试点普遍失败，症结在于智能体缺乏引导逻辑。IBM 用 Agent 逻辑（知识图谱、程序分析库等）在智能体层缩小上下文，测试显示：watsonx Code Assistant for Z 在百万行代码级遗留系统上保持略优理解性能，token 消耗降低约 30 倍；Aster 在 75+ Java 应用中使行、分支、方法覆盖率提升 20%-45%，token 消耗最多降低 15 倍。
Hugging Face BlogAI 评分3535 Hugging Face 详解 AI 智能体术语：Model、Scaffolding、Harness 到底怎么分
Hugging Face 发布 AI 智能体术语表，厘清 model、scaffolding、harness、agent、context engineering、sub-agents 等常被混用的概念。
Google DeepMindAI 评分5757 Google DeepMind 的 Co-Scientist 加速细胞衰老逆转研究
Google DeepMind 介绍了生物学研究者使用 Co-Scientist 推进细胞衰老逆转研究。Co-Scientist 扫描数万篇论文并提出 20 多个可测试的新遗传因子，实验室验证了其中几个假设，相关因子成功让细胞进入更年轻状态并改善整体功能。它还将原本可能耗时长达六个月的筛选数据分析与文献比对工作缩短至几天。
Google DeepMindAI 评分5656 Google DeepMind 为 Project Genie 加入 Street View 实景 grounding
Google DeepMind 宣布在实验性原型 Project Genie 中上线基于 Street View 的实景 grounding 能力，用户可通过 Maps 图钉选择美国地点、搭配风格并描述角色，让生成世界的起点绑定真实影像。
Google DeepMind精选AI 评分6262 Google DeepMind 推出 Gemini for Science 科研工具集
Google DeepMind 发布 Gemini for Science，包含 Google Labs 上三个实验工具：基于 Co-Scientist 的 Hypothesis Generation。
推荐理由：DeepMind 把 Co-Scientist、AlphaEvolve 等研究原型打包成面向科研流程的实验工具，可据此判断通用智能体在科研场景的落地路径。
Google DeepMind精选AI 评分8686 Google DeepMind 发布 Gemini 3.5 系列并首发 3.5 Flash
Google DeepMind 发布 Gemini 3.5 系列模型，首发 3.5 Flash，主打智能体与编码的前沿性能。
推荐理由：Gemini 3.5 Flash 在编码与智能体基准上超过 3.1 Pro，且输出速度达其他前沿模型 4 倍，读者可据基准与速度数据判断其性价比。
Google DeepMind精选AI 评分7171 Google DeepMind 发布 Co-Scientist：基于 Gemini 的多智能体科研系统
Google DeepMind 在 Nature 发表 Co-Scientist 研究，这是一个基于 Gemini 构建的多智能体 AI 系统，可迭代生成、辩论和演化复杂科学问题的新假设。
推荐理由：DeepMind 在 Nature 公布 Co-Scientist 的多智能体架构与各阶段分工，并给出多个实验室已落地的合作案例，可据此判断科研智能体的实际工作方式。
Google DeepMind精选AI 评分6969 Google DeepMind 发布 AlphaEvolve 一年进展：从数学发现扩展到 TPU 设计与商业应用
Google DeepMind 发布 AlphaEvolve 一年进展报告，这款由 Gemini 驱动的编码智能体已从数学和计算机科学的开放问题探索，扩展到 Google 内部基础设施与外部商业场景。
推荐理由：汇总 AlphaEvolve 一年来的落地场景与量化收益，可据此判断算法智能体在科研与基础设施中的真实渗透程度。
Google DeepMindAI 评分5757 Google DeepMind 发布 AI co-clinician 医疗 AI 研究计划
Google DeepMind 宣布 AI co-clinician 研究计划，探索 AI 智能体在医生临床监督下协助患者诊疗的「三元照护」模式。
Hugging Face Blog精选AI 评分6464 IBM 发布 Granite 4.1 系列 LLM 并详解训练流程
IBM Granite 团队发布 Granite 4.1 系列稠密解码器 LLM，包含 3B、8B、30B 三个规模，基于约 15T token 训练，采用五阶段预训练流程并将上下文窗口扩展至 512K token，全部以 Apache 2.0 许可开源。
推荐理由：原文披露了 Granite 4.1 从预训练到多阶段 RL 的完整训练配方，以及 8B 稠密模型追平上一代 32B-A9B MoE 的对比结果。
Hugging Face Blog精选AI 评分7474 NVIDIA 发布 Nemotron 3 Nano Omni：面向文档、音频与视频智能体的长上下文全模态模型
NVIDIA 发布 Nemotron 3 Nano Omni 全模态理解模型，在文本、图像基础上加入原生音频与视频理解，覆盖文档分析、语音识别、长音视频理解、GUI 智能体和通用多模态推理五类任务。
推荐理由：原文给出了架构细节、多模态基准成绩与吞吐数据，读者可据此判断开源全模态模型在文档、音视频与 GUI 智能体场景的可用性。
Hugging Face Blog精选AI 评分8080 DeepSeek-V4 发布：百万 token 上下文面向智能体长任务
DeepSeek 发布 V4，Hub 上有 DeepSeek-V4-Pro（1.6T 总参数、49B 激活）和 DeepSeek-V4-Flash（284B 总参数、13B 激活）两个 MoE checkpoint，均支持 1M-token 上下文窗口。
推荐理由：原文拆解了 V4 混合注意力与工具调用后训练设计，可判断长上下文智能体工作负载的成本取舍。
Hugging Face BlogAI 评分4646 如何在 Chrome 扩展中使用 Transformers.js
Hugging Face 发布基于 Gemma 4 E2B 的 Transformers.js 浏览器扩展，演示如何在 Manifest V3 约束下本地运行 AI。
Google DeepMindAI 评分2626 Google DeepMind 携手埃森哲、贝恩、BCG、德勤、麦肯锡加速企业 AI 转型
Google DeepMind 与 Accenture、Bain & Company、BCG、Deloitte、McKinsey 合作，帮助全球企业规模化落地前沿 AI。合作包括共建行业定制 AI 方案、让合作伙伴提前使用 Gemini 系列等前沿模型，以及对接双方高层。目前仅 25% 的组织成功将 AI 规模化投入生产。
Hugging Face BlogAI 评分3939 AI 与网络安全的未来：为什么开放更重要
在 Mythos 与 Project Glasswing 发布后，Hugging Face 发文讨论 AI 网络安全格局，指出真正起作用的是"大算力模型 + 软件相关数据训练 + 漏洞探测与修补脚手架 + 一定程度的系统自主性"这套系统配方，而非单个模型。文章认为开源代码与工具能让防御方获得与攻击方同级的 AI 能力，缩小双方的能力不对称。
Hugging Face BlogAI 评分3232 Hugging Face 推出 Ecom-RLVE：面向电商对话智能体的自适应可验证环境
Hugging Face 将 RLVE 框架扩展到多轮、工具增强的电商对话，推出 EcomRLVE-GYM，包含商品发现、替代品、购物车搭建、退货、订单跟踪、政策问答、捆绑规划和多意图旅程 8 个可验证环境。
Hugging Face BlogAI 评分3737 VAKRA 基准解析：AI 智能体的推理、工具调用与失败模式
Hugging Face 发布 VAKRA，一个基于工具的可执行基准，用于评估 AI 智能体在类企业环境中的推理与行动能力。VAKRA 提供 8000+ 本地托管 API 与覆盖 62 个领域的真实数据库，包含 API 链式调用、工具选择、多跳推理等四类任务，推理链需 3-7 步，且模型整体表现较差。
Hugging Face Blog精选AI 评分6161 HCompany 推出浏览器智能体扩展 HoloTab
HCompany 发布 Chrome 扩展 HoloTab，用智能体在浏览器内自动完成网页任务，无需配置或技术背景。用户描述需求后，HoTab 会在浏览器里导航界面、填写字段并做判断，底层由视觉模型、动作规划和界面理解驱动。
推荐理由：在 Holo3 模型之上给出浏览器端零配置的落地形态，读者可以看到 computer-use 能力怎样进入日常网页操作。
Google DeepMindAI 评分5353 Google DeepMind 为 AI 时代重新设计鼠标指针，已落地 Chrome 与 Googlebook
Google DeepMind 公布由 Gemini 驱动的 AI 指针实验，让指针不仅能识别所指内容，还能理解它对用户的意义。团队提出四条交互原则：保持工作流不中断、以指向捕捉视觉与语义上下文、支持“这个”“那个”式的口语简写、把像素转成可操作的对象。
Hugging Face BlogAI 评分5656 如何在 OpenClaw 等开源智能体平台中改用 Hugging Face 上的开源模型
Anthropic 限制 Pro/Max 订阅者在开放智能体平台中使用 Claude 模型，Hugging Face 博客给出把 OpenClaw、Pi、Open Code 等智能体迁移到开源模型的两条路径。
Google DeepMind精选AI 评分7272 Google DeepMind 发布 Gemini 3.1 Flash Live 语音模型
Google DeepMind 发布音频与语音模型 Gemini 3.1 Flash Live，称其精度更高、延迟更低，已在 Gemini Live API（Google AI Studio 预览）、Gemini Enterprise 客户体验版、Search Live 和 Gemini Live 上线。
推荐理由：官方给出语音模型在多项音频基准上的分数与覆盖入口，可据此判断语音智能体的可用度。
Hugging Face BlogAI 评分4646 Hugging Face 发布语音智能体评测框架 EVA，首次联合打分准确率与体验
Hugging Face 推出端到端语音智能体评测框架 EVA，首次同时评估任务成功率与对话体验，输出 EVA-A（准确率）和 EVA-X（体验）两项分数，并基于 bot-to-bot 实时音频架构模拟多轮完整通话。首批发布含 50 个航司场景数据集（覆盖航班改签、取消、代金券等），并对 20 个级联与音频原生系统（如 S2S 模型、LALM）给出基准结果，发现准确率与体验之间存在一致的权衡。
Hugging Face Blog精选AI 评分6565 H Company 发布 Holotron-12B 高吞吐 computer-use 智能体模型
H Company 发布 Holotron-12B，一个基于 NVIDIA Nemotron-Nano-2 VL 后训练的多模态 computer-use 模型，已在 Hugging Face 以 NVIDIA Open Model License 开放。
推荐理由：Holotron-12B 给出混合 SSM 架构在 Agent 长上下文并发下的吞吐对比，可据此判断 computer-use 模型的部署取舍。
Hugging Face BlogAI 评分5252 IBM 与 UC Berkeley 用 IT-Bench 和 MAST 诊断企业智能体失败原因
IBM Research 与 UC Berkeley 合作，将 MAST（多智能体系统失效分类法）应用于 ITBench 的 SRE 场景，把原始执行轨迹转成结构化失效特征，共标注 310 条轨迹，覆盖 Gemini-3-Flash、Kimi-K2 和 GPT-OSS-120B 三类模型。
Hugging Face Blog精选AI 评分6262 Gradio 6 的 gr.HTML 支持自定义模板，可一句话生成完整 Web 应用
Gradio 6 为 gr.HTML 加入自定义模板、作用域 CSS 和 JavaScript 交互能力，前端、后端与状态管理可以全部写进单个 Python 文件，无需构建步骤，几秒内部署到 HF Space。
推荐理由：Gradio 6 的 gr.HTML 打通了单文件前后端与状态同步，读者可据此判断 LLM 一句话生成完整 Web 应用的工作流是否可行。
Hugging Face Blog精选AI 评分6969 Hugging Face 发布 CUDA 内核 Agent 技能，让 Codex 与 Claude 自动生成生产级 kernel
Hugging Face 构建了一个 agent skill，教编码智能体编写生产级 CUDA kernel，并让 Claude 和 Codex 针对 diffusers 的 LTX-Video 与 transformers 的 Qwen3-8B 两个真实目标端到端生成了可运行的 kernel，包含正确的 PyTorch 绑定与基准脚本。
推荐理由：Hugging Face 把 CUDA kernel 开发知识封装成可安装的 Agent 技能，并给出两组真实基准，读者可据此判断它在自有项目中的复用价值。
Google DeepMind精选AI 评分7777 Gemini 3 Deep Think 升级：面向科研与工程推理
Google DeepMind 发布 Gemini 3 Deep Think 的重大升级，这一专用推理模式面向科学、研究与工程难题。
推荐理由：官方给出了 Gemini 3 Deep Think 在多项学术与竞赛基准上的成绩，并首次开放 Gemini API 早期访问。