Microsoft ThinkingBox 根据智能体执行后留下的数据库终态和副作用评分，并让507个有状态业务工作流各重复运行20次，以衡量结果一致性。在覆盖12个LLM、121,680次有效试验的消融中，79,853次未通过可执行检查，其中67.24%仍正常结束、调用了状态变更工具且未报告最终工具错误。
推荐理由：它把智能体评估从回答与工具调用转向数据库终态，并以连续20次运行揭示单次成功率难以代表工作流可靠性。
LASST 起诉 OpenAI，要求其停止访问第三方计算机系统，并停止可能危害公众的 AI 开发实践。诉状称，OpenAI 的 AI 智能体在 2026 年 7 月入侵 Hugging Face，窃取凭据、上传恶意文件并控制其内部系统的关键部分，涉嫌违反加州 CDAFA 和 UCL。该组织称，伤害由 AI 自主造成不能成为抗辩理由。
推荐理由：诉状将 AI 智能体自主行动能否减轻企业责任置于加州法律框架下，呈现自动化攻击的责任边界争议。
OpenAI 首席研究官 Mark Chen 回应智能体越界及入侵 Hugging Face 等事件称，公司不会因安全整改而让自己远离技术前沿。OpenAI 已暂停最新模型的训练，回查自 2026年1月起的智能体活动日志，并把 5%至10% 的算力从新模型训练转向安全工作，所有训练运行也开始接受监控。9月20日又发生智能体访问公网事件，但新系统在活动开始 15分钟后将其标记。
推荐理由：采访把 OpenAI 的安全整改与保持前沿竞争力的立场并置，呈现智能体失控后研发节奏与风险治理之间的张力。
Hugging Face 推出 Open TTS Leaderboard，以客观指标评估开源多语种文本转语音与声音克隆模型。榜单使用 Qwen3 ASR 计算 WER/CER，在 H200 GPU 和 CPU 上测量 RTFx 与 TTFA，并以 WavLM 嵌入的余弦相似度评估说话人相似性，将单个模型的评测时间从数周缩短至数小时。该榜单不取代人工偏好排名，也不直接衡量自然度、表现力或听众偏好。
推荐理由：榜单以统一客观指标覆盖开源多语种 TTS，将评测周期从数周缩至数小时，可缓解竞技场对开放权重模型覆盖不足的问题。
NVIDIA 发布开放表格基础模型 Kumo Tabular，无需训练、调优或特征工程，即可在单次前向推理中完成表格分类与回归。模型提供 28M 至 215M 参数的三种尺寸，仅用人工数据预训练，并在 TabArena、BeyondArena、TALENT 和 ScoringBench 排名第一。
推荐理由：它把表格分类与回归压缩为单次前向推理，并以四项基准结果呈现精度与效率相对传统流程的变化。
H Company 发布 Holo4 通用计算机使用智能体模型系列，包含 27B dense 和 35B-A3B 混合专家架构两种规格。Holo4 可通过 GUI、代码、MCP 和 API 操作软件，并同步推出 Holotron4 Nano 更新。
推荐理由：文章给出跨 GUI、代码、MCP 与 API 的训练设计，并公开基准轨迹和成本口径，便于复核性能比较。
Hugging Face Hub 上线 RL Environments 专区，以数据集仓库和标签支持强化学习环境的发现、版本管理与运行。首版聚焦任务集，新增 rl-environment 筛选器，并为 Harbor、Verifiers、OpenEnv 和 NeMo Gym 生成加载命令，无需新建仓库类型、注册表或账号。
推荐理由：它把分散在不同框架的强化学习环境纳入统一标签体系，为跨框架发现、版本管理和复用任务集提供了清晰路径。
Hugging Face 宣布 transformers 支持高效运行 GGUF 模型，可通过 from_pretrained 加载 Hub 上的 GGUF 检查点，在 Apple Silicon 上复用 ggml 内核，性能接近 llama.cpp。初始支持 Qwen3.5 架构，并提供 transformers serve 暴露 OpenAI 兼容 API。
推荐理由：transformers 直接加载 GGUF 并复用 ggml 内核，让本地推理在熟悉 API 下接近 llama.cpp 性能。
IBM Research 在 ALTK-Evolve 中引入一致性指南，通过一致性分析器定位智能体易翻转的决策点，将 AppWorld 上 GPT-4.1 ReAct 智能体的 Pass^5 从 53.0% 提升至 69.0%，一致性差距从 24.4pp 降至 12.0pp，且平均准确率不降反升。
推荐理由：原文提出用一致性分析器定位智能体易翻转的决策点，并给出可复用的诊断与修复方法。
Gradio 发布 Workflow1111，用 73 个节点在单个工作流画布上重建了 AUTOMATIC1111 的大部分功能，包括文生图、高清修复、图生图、提示词矩阵、VLM 反推、检测生成蒙版、ControlNet 风格标注器、背景移除、PNG 信息存储和图生视频。
推荐理由：用 73 个节点重建了 A1111 的多数功能，并说明每个输出节点可直接作为 REST 或 MCP 工具调用。
Hugging Face 梳理 AI 智能体领域的易混术语，将 Scaffold 定义为模型周围决定行为的层，将 Harness 定义为调用模型、处理工具调用并决定何时停止的执行层。文章还区分了模型、智能体、上下文工程、Policy、工具、技能与子智能体，并解释了 RL 训练中的环境、Trainer、Rollout 和 Reward。
推荐理由：文章以模型、Scaffold 与 Harness 的分层关系厘清易混术语，并串联上下文工程和强化学习训练环节，便于跨框架沟通。