1. AutoGUIWorld不运行真实软件生成7.9万条交互样本，微调后桌面代理得分从33.0%升至40.8% GUI代理需要从交互轨迹中学习软件如何响应点击等操作、保存界面状态并完成多步任务。但扩充这类数据通常意味着安装、配置和运行更多软件，专业应用还会带来额外成本。研究团队提出AutoGUIWorld，尝试绕过真实软件环境生成训练轨迹。

2. 研究发现大模型后训练普遍牺牲重复采样覆盖率，并提出「锐化税」衡量损失 一项研究发现，大模型后训练提高单次成功率、采样效率和一致性时，可能削弱重复尝试寻找少数可行解的能力。研究针对需多轮工具调用和交互的agent任务；配上轻量推理harness的预训练模型也能胜任。

3. 早期一层加入6.5万参数LoRA，Qwen3-8B的24行引用链准确率从15.5%升至99% 研究者用合成任务测试Transformer：模型不输出思维链，只沿「K=苹果、B=K、D=B」这类多行引用直接作答。论文称，13个基础模型通常只能可靠追踪1.4至3.6行，增加预训练循环帮助有限。

快讯

• 白宫推动科技公司签署AI安全承诺，并将AI改称“Super Intelligence” 白宫召集Meta、Amazon、xAI和Anthropic等公司负责人签署AI安全承诺，特朗普称其具有“道德约束力”；他同时签署行政命令，正式采用“Super Intelligence”这一称呼。

• OpenAI安全员工离职，批评公司安全文化 负责撰写重大产品发布安全报告的David Robinson宣布离职，称OpenAI的文化已经失灵，并主张前沿AI公司应采用类似核电站和繁忙机场的多层安全机制。OpenAI回应称，公司会在必要时暂停训练或推迟模型，并正加强研究环境安全、第三方评估和实时监控。

• AWS停止在数据中心审批中要求政府机构签署保密协议 AWS首席执行官Matt Garman表示，公司已停止在数据中心项目中与政府机构使用保密协议；这一调整正值美国多地因透明度、用水、污染和电价问题考虑限制数据中心建设。

• OpenAI向高价订阅用户推出Dots通用agent平台 Dots可在云端计算机中操作Blender、GIMP等软件，也能通过ChatGPT桌面应用访问用户电脑，目前优先面向包括每月100美元Pro方案在内的最高等级账户。实际测试中，它能完成网站修改和视频处理，但多次被网站安全验证拦截并需要人工接管。

• Meta开放Muse硬件开发代码，并生产5000台Home Link 开发者可通过Meta开放的SDK，把Muse AI agent接入ESP32、Raspberry Pi、显示器、按钮和传感器。Meta还生产了5000台Muse Home Link，可借助社区技能控制灯具、电视和打印机，计划本月开始发货。

• Stability AI转向专业音乐工具，获得三大唱片公司投资和授权 Stability AI获得Sony、Warner和Universal参与的7600万美元融资，三家公司同时授权其音乐目录用于训练。公司已发布三款音频模型和AI音乐编辑软件，可从文本生成器乐曲目或片段，后续版本还将支持用哼唱和口技引导生成。

• Capcom计划把RE Engine逐步改造成“AI生成游戏引擎” Capcom程序员Satoshi Ishida表示，公司将逐步把AI整合进游戏开发流程，以缩短大型游戏中的耗时工作。Capcom此前称不会在游戏中使用AI生成素材，目前披露的重点仍是提高开发效率。

• Microsoft把数据中心“仿生化”方案扩展至欧美20多个地点 Microsoft计划在美国和德国20多个数据中心地点增加原生树木、花园及生态修复项目，并称美国所有新项目都将采用相关方案。公司希望借此减少绿地损失和噪声影响，但其数据中心扩建带来的砍伐与排放增长仍受到当地居民和环保人士质疑。

• Circuit Breaker Labs用模拟用户测试AI心理安全风险 这家AI安全测试初创公司构建不同年龄、语言和文化背景的模拟用户agent，每天执行数万至数十万次交互，以检查模型能否识别自伤、心理伤害及长期对话中的危险信号。公司目前主要服务AI教练、日记和心理支持等高风险应用。

• GraphForge用真实文件和证据图生成可验证的agent训练任务 GraphForge从真实工作文件构建证据图，并据此同时生成任务要求和评分标准；研究团队还用初次运行与修订agent检查任务能否执行。Qwen3.6-27B在2169条GraphForge轨迹上微调后，GDPVal、Workspace-Bench-Lite和SpreadsheetBench II成绩均有提升。

阅读完整版 →