智能体 · Skill · MCP

HarnessAdapt-RL同步训练策略与harness，SWE-bench Verified pass@1提升9.8个百分点

联合优化策略与执行框架可显著提升编码智能体在SWE-bench任务解决率，对RL训练范式有直接工程启示。

开源 30B 端侧智能体模型 Muse Glimmer：4-bit 量化单卡可跑

30B 级开源模型把多步规划、工具调用与失败恢复塞进消费级硬件，端侧 Agent 部署与隐私敏感场景多了一个可评估选项

首个agent握手基准：MCP 3次往返230 ms，A2A 1次往返61.0 ms

量化了agent协议握手开销与元数据读取成本，为协议选型和上下文预算优化提供首个实测基准。

验证式优化在 189 个参考实现中为 156 个生成更快已证明重写

将程序优化与机器可检查等价证明结合，以现有实现为规范，避免测试被智能体利用，为生产级验证优化提供路径。

ToM2Vec 连续 tokens 提升多智能体协作，泛化 GPT-5.4

为 LLM 多智能体协作提供潜空间心智推理机制，可改善伙伴建模与协作策略。

ReAct 自拟检索在生物医学验证达 62% 准确率

表明检索而非推理是主要瓶颈，引用存在性检查不足，对科研 Agent 的检索与引用验证设计有直接参考价值。

Sage-A1.5 35B MoE 智能体模型发布，关注长程任务与科学探索

展示长程智能体在编排、验证和科学发现上的能力组合方法，对复杂 Agent 系统设计有直接参考价值。

ATLAS 多智能体重建 LLVM IR，达 91.8% 可重执行

展示了多智能体闭环修复编译器约束的可行路径，对逆向、二进制迁移和 agent 工程有参考价值。

提出Post-Audit Mirage基准，揭示离线智能体验证的可识别性局限

警示离线审计可能漏检部署后安全问题，需结合监控与证据充分性判断，对智能体安全发布流程有直接意义。

DynaWeave 动态场景训练智能体，CostBench 完成率升 67.34 个百分点

直击静态训练环境与真实动态环境脱节的痛点，为智能体 SFT 提供可验证的数据合成管线，且代码开源。

OpenGCUA 发布首个全栈开源通用电脑使用智能体

对标闭源 CUA，把视觉+程序化接口的统一决策与代码执行开源，可用于自建桌面 Agent

ClawMMU 为 LLM 智能体长期记忆加来源标签，阻止隐藏指令提权

为有状态智能体的记忆来源与权限治理提供可落地防护思路，帮助缓解提示注入和工具结果投毒。