港科大（广州）与腾讯提出 VibeWorlding：开源模型 VibeWorlder-30B-A3B 在 3D 世界构建任务上反超 GPT-5.5
香港科技大学（广州）联合腾讯 AI 平台部提出 VibeWorlding，一个通过多轮对话与工具调用自主构建和编辑交互式 3D 世界的多模态智能体框架，并开源 VWE-Bench 评测基准与 VibeWorlding-Gym 训练框架。
#Agent
#Agent
今日 1 条腾讯技术工程（公众号）AI 评分2222 得物技术（公众号）AI 评分2222 入职得物五年后：两位校招生的技术成长故事
得物技术部两位司龄5年的校招生海狸和骅征分享了各自的成长经历。海狸在交易平台做后端开发，参与AI导购项目后转向业务对接与需求挖掘；骅征在国际技术做后端开发，经历香港仓寄售、日本开仓、美国自建站等项目，并参与国际火山云多云迁移，迁移过程中RT仅上涨10-13毫秒。
Netflix Technology BlogAI 评分2222 Netflix 如何用多模态嵌入实现大规模素材个性化（MAPS）
Netflix 推出 MAPS 多模态素材个性化系统，用 CLIP 图像嵌入（768 维）与素材 ID 嵌入拼接，让模型在标题上线初期就能理解画面内容，从而更早启动个性化。该方案把原本按画布分别训练的五个模型合并为一个，在交互数据最少的画布上收益最大。系统已用于封面图个性化、查询感知封面排序和视频预览个性化三套生产系统。
腾讯技术工程（公众号）AI 评分2222 腾讯混元 Hy4 preview 发布并开源：770B 参数、1M 上下文，稳居开源模型第一梯队
腾讯混元 8 月 28 日发布并开源新一代大语言模型 Hy4 preview，总参数 770B、激活参数 49B，上下文长度突破 1M，定位“为生产力而生”。在 163 名内部专家、203 个工程任务的盲测中，Hy4 preview 均分 2.99/4，略优于 GLM 5.3 的 2.92 和 Kimi K3 的 2.94。
Google DeepMindAI 评分1717 Gemini Omni 1.1 Flash 发布：支持场景延展、首尾帧插值与 4K 升采样
Google DeepMind 推出 Gemini Omni 1.1 Flash，通过 Gemini API 在 Google AI Studio 提供场景延展、首尾帧插值、4K 升采样等生成视频控制能力。
Google DeepMindAI 评分3232 Google DeepMind 首次对 Gemini Flash Lite 开展双盲 AI 评测
Google DeepMind 联合新加坡 AI Safety Institute、OpenMined、AVERI 和 MLCommons，对 Gemini Flash Lite 开展全球首次专有前沿模型的"双盲"评测，将外部评测限制在加密"黑箱"环境中，防止模型提前接触测试题。此举针对基准污染问题——模型若事先见过考题，分数会被虚高，评测结果的可信度随之下降。
阿里技术（公众号）精选AI 评分6262 阿里技术团队落地「架构师 Agent」：从技术方案设计切入
阿里技术团队分享了「架构师 Agent」的系统化落地实践，先从架构师的核心职能技术方案设计切入，让 AI 完成需求理解、业务与系统知识加载、代码回源和方案生成。
推荐理由：文章把架构师的技术方案设计拆成需求准入、分层知识库、渐进式披露和代码回源，并给出可迁移的落地路径。
阿里技术（公众号）AI 评分3636 全新 Qoder 正式发布：以 Coding 为底座的智能体工作台
阿里发布全新 Qoder 智能体工作台，以 Coding 能力为核心底座，可理解上下文、制定计划、调用工具并执行验证，桌面应用端于 8 月 27 日上线。Qoder 累计全球用户超 600 万，超 10 万家企业客户在使用，此前已推出 Qoder IDE、Qoder CLI、JetBrains 插件、数字员工 QoderWake 和 Qoder Cloud Agents。
字节跳动技术团队（公众号）AI 评分3838 ADrive 跨产品协作实践：Codex、豆包工作与 DeepSeek Harness 如何用文件接力
火山引擎 ADrive 通过 ADrive CLI（ve-adrive-cli 1.0.2）让 Codex、豆包工作和 DeepSeek Harness 围绕同一文件空间接力完成 48 小时新品视频发布。
腾讯技术工程（公众号）AI 评分4848 腾讯技术工程两万字长文：AI Coding 深水区里，人退到决策点
腾讯 PUBG Mobile 后台团队用七个服务、三个月、一千八百多次提交、十六万行生产代码搭出一个内部平台，代码与设计文档全部由 AI 完成，没有一行是人写的。团队由此提出"机器提供事实、人做判断"的分工尺子：提示词约束要沉进框架和 runtime，判据是确定事实才做硬门禁，是代理指标最多做提醒。
美团技术团队（公众号）AI 评分2222 美团与北大提出 GeoRA：为 RLVR 设计的低秩适配方法，获 ACL 2026 杰出论文
美团履约技术团队与北京大学提出 GeoRA（Geometry-Aware Low-Rank Adaptation），将低秩适配显式对齐到 RLVR 的更新几何，在 1.5B 到 32B 的 Qwen 与 Llama 模型上稳定优于 LoRA、PiSSA、MiLoRA 等低秩基线，该工作获 ACL 2026 杰出论文奖。
Google DeepMindAI 评分2323 Google DeepMind 发布 Gemini 3.5 Transcribe 语音转文字模型
Google DeepMind 推出 Gemini 3.5 Transcribe，在 Artificial Analysis 测试中流式场景平均词错率 4.0%、非流式 2.6%，最终转写时间较前代 Chirp 3 缩短 70%。
得物技术（公众号）AI 评分3030 得物技术 MultiAgent 记忆系统：短期上下文与四层记忆架构实现
得物技术披露其 MultiAgent 平台的记忆系统实现：后端基于 Spring Boot 3 和 Java 17、Agent 编排采用 AgentScope，长期记忆选型 MemOS，在 1540 个问题、10 个测试用户的评测中综合得分 74.33%。
腾讯技术工程（公众号）AI 评分2828 腾讯技术工程：Agent 自进化飞轮怎么搭——评测、记忆、落地、控制四齿闭环
腾讯技术工程提出 Agent 自进化飞轮方法论，把评测、记忆、Self-Improve 与人机协作串成"信号→积累→落地→控制"四齿闭环，核心是环节间的数据通路而非单点技术。
腾讯技术工程（公众号）AI 评分2727 腾讯云 Agent 可观测推出 DeepSeek Harness 采集插件，还原五层调用链
腾讯云 Agent 可观测在 OneSuite 基础上推出 DSH 采集插件 tencentcloud-agentobs-sdk-dsh，以原生插件形态挂载，将 DeepSeek Harness 的执行过程还原为 entry/agent/step/chat/tool 五层调用树并上报。
Google DeepMindAI 评分2222 Google DeepMind 回顾 15 年游戏 AI 研究：从 Atari 到 EVE Online
Google DeepMind 回顾了 15 年游戏 AI 研究历程，从 DQN 玩转 49 款 Atari 游戏、AlphaGo 击败李世石，到 AlphaStar 在 StarCraft II 达到宗师级，并推出由 Gemini 驱动的通用智能体 SIMA 2。
阿里技术（公众号）精选AI 评分6262 阿里技术团队用 Harness 优化把百炼 Agent 账单降低 88%
阿里技术团队基于百炼 qwen3.7-max 的故障诊断与成本分析 Agent 做 Harness 层优化，20 轮会话的输入费用从 9.84 元降到 1.16 元，降幅 88.2%。
推荐理由：阿里技术团队公开了百炼 Agent 的完整成本优化路径，从度量、裁剪到缓存与模型分流都可直接复用。
腾讯技术工程（公众号）AI 评分6262 腾讯团队用 10 个优化点把 Multi-Agent 工作流成本降了 50% 以上
腾讯团队用 1 个 TL 加 6 个子 Agent 的 harness 工作流驱动前后端开发，围绕让 AI 只看到当前需要的上下文、减少无关上下文、减少重复上下文三个原则做了 10 项改造，全流程预估降本 50%~65%。
美团技术团队（公众号）AI 评分2222 美团搜索3.0：LLM 语义表征在排序模型的探索与应用
美团搜索团队在服务零售排序场景分三期落地 LLM 语义表征，用 LLM 为 Query、POI、Deal 生成语义向量并以 cosine 相似度注入精排模型，三期累计完成 3 个 Launch Review 并全量上线。
Shopify EngineeringAI 评分3434 Shopify 用 gisting 压缩 LLM Agent 上下文：系统提示词从 6000 token 降至 1500
Shopify 工程团队用 gisting 将 Sidekick GraphQL agent 的系统提示词从约 6000 token 压缩到约 1500 个 gist token（4:1），预测质量未下降。
得物技术（公众号）AI 评分6262 得物技术 EP-Harness：从个人 AI Coding 到团队级 Agent 工作流
得物技术介绍 EP-Harness，一个基于开源项目 Multica 二次开发的团队级 Agent 工作系统，把 Agent 当作团队成员管理，使其有身份、任务、状态、执行记录和权限边界。
阿里技术（公众号）AI 评分1212 阿里巴巴 12 篇论文入选 SIGCOMM 2026，覆盖 AI 智算网络与智能运维
阿里巴巴集团有 12 篇论文被 SIGCOMM 2026 主会收录，在全球企业中处于领先身位，是唯一与顶尖高校同处第一梯队的中国产业界机构。研究成果涵盖 AI 智算网络与集合通信、云网关数据面、网络验证、智能运维等方向，SIGCOMM 常年录用率仅 15%–22%。阿里云自研系统 TianYan、AIDA、XiHe、Theseus、PReCCL、EPIC 等均在论文中披露了生产部署数据。
阿里技术（公众号）精选AI 评分6060 阿里技术详解 Harness 工程中 Skill 的原理与最佳实践
阿里技术发布文章，结合内部项目 trade-ab-skill 讲解 Agent Skills 的结构规范、触发机制、作用域优先级与最佳实践。文章把 Skill 的核心设计概括为渐进性披露，分发现、激活、执行三阶段按需加载知识，并建议 SKILL.md 控制在 500 行以内、只做路由。
推荐理由：文章以内部 AB 实验 Skill 为例，拆解渐进性披露、触发机制与工具隔离等可迁移的工程做法。
Google DeepMindAI 评分2222 Google DeepMind 发布 Gemini 3.7 Flash，编码与智能体能力升级、价格减半
Google DeepMind 发布 Gemini 3.7 Flash，距 Gemini 3.6 Flash 仅三周，主打编码与智能体场景。新模型在 FrontierCode 1.1 Main 得分 43.6%（前代 34.4%）、DeepSWE v1.1 达 65.3%（前代 49.0%），WebDev Arena Elo 为 1588。
美团技术团队（公众号）AI 评分2222 KDD 2026 美团 8 篇精选论文及 KDD Cup 2026 DataAgents 赛道冠军思路解读
美团技术团队在 KDD 2026 入选 8 篇论文，覆盖推荐大模型、奖励建模、智能体搜索、Transformer 框架与元泛化等方向，其中 MTFM 已作为统一基座推荐大模型在外卖等场景全量上线。
Shopify EngineeringAI 评分3434 Shopify 如何将移动端端到端测试稳定性提升至 98%
Shopify 为移动 App 重建端到端测试框架，将测试稳定性从旧 API 的 50% 提升至 98%。新方案在 Appium 之上封装了强制断言的 builder 式 API，并用 PaddleOCR 与 OpenCV 做视觉元素定位，替代依赖 React Native Test IDs 的旧做法。该框架已在 Shopify 最大的 App 上验证，目前正探索推广到其他 App。
Google DeepMindAI 评分2828 Google DeepMind 推出 SL2T 手语转文本模型，首次落地 Gboard 与 Live Transcribe
Google DeepMind 发布多语言手语转文本模型 SL2T，首次将手语 AI 带入消费级产品：在 Pixel 11 的 Gboard 和 Live Transcribe 中支持美国手语（ASL）转英文听写。模型基于超 10 万小时、50 多种手语数据训练，在 FLEURS-ASL（sd-test）上取得 70 BLEURT 的零样本成绩。该功能后续将扩展至更多设备与语言。
得物技术（公众号）AI 评分3434 得物知识问答：复合检索 Agent 的系统设计实践
得物基于 AgentScope 2.0 的 HarnessAgent 架构构建了复合检索 RAG Agent，通过 ReAct 循环实现"搜索→评估→决策"的自主闭环，Agent 自主决定调用哪些工具、搜几次、是否精读。
Google DeepMindAI 评分2222 Google DeepMind 开源 WeatherNext 气旋预测模型，精度提升相当于十年气象进展
Google DeepMind 的 WeatherNext AI 模型在气旋路径、强度和风场结构预测上达到 SOTA，平均多出 24 小时预警提前量，三天预报精度相当于此前模型的两天水平。
美团技术团队（公众号）AI 评分6262 美团图灵团队详解 Agent 评测：从评测体系搭建到长程 Agent 观测演进
美团图灵 Agent 评测团队公开内部博客，由浅入深介绍 Agent 评测，前两章讲评测是什么以及如何建立评测体系，第二章的方法论来自团队两年深入各业务团队的实践。
美团技术团队（公众号）AI 评分2222 美团无人机低空物流解决方案亮相2026国际低空经济博览会，百万订单验证
美团无人机在2026上海国际低空经济博览会展出全系自研软硬件，其低空物流解决方案已由超100万真实商业配送订单验证。截至2026年6月底，服务覆盖深圳、北京、上海、广州、香港、迪拜等城市，累计完成订单超100万单，其中医疗场景配送检验样本和药品超81万份。
Shopify EngineeringAI 评分4545 Shopify 如何用 Sidekick 持续学习闭环将成本降低 96%
Shopify 的 GraphQL agent 通过持续学习闭环，把生产经验压缩进模型权重，质量超过前沿模型的同时将延迟和成本降低 96%。该闭环先以评分标准定义质量并校准 LLM 裁判，再用 DSPy 配合 GEPA、Agentic Context Engineering 等反思式优化器，以自动研究方式迭代提示词、工具定义与编排代码。
得物技术（公众号）AI 评分2222 得物技术实战：从零用 Zig 构建 Coding Agent「Violin」
得物技术团队开源了自研 Coding Agent「Violin」，底层引擎用 Zig 实现，客户端用 Python，两者通过 TCP + JSON line 协议通信。其架构借鉴 TypeScript 项目 Pi 的三层分离与 EventBus 设计，内置 6 个基本工具，适配 OpenAI 与 Anthropic 两种 LLM 协议，支持多模态、skill 与插件。
Netflix Technology BlogAI 评分3434 Netflix GenRec：面向 LLM 原生推荐系统的实践
Netflix 构建了 LLM 驱动的推荐排序模型 GenRec，通过对内部基础大模型进行 Netflix 数据后训练，在仅使用少量 Phase-2 标注数据和输入信号的情况下，于大规模 A/B 测试中在短期和长期在线指标上均取得统计显著提升。
Google DeepMindAI 评分2424 Google DeepMind 发布 Gemini Robotics ER 2，支持视频理解与多机器人协作
Google DeepMind 推出面向机器人的具身推理模型 Gemini Robotics ER 2，可理解连续视频、编排多步任务并将动作执行交给底层 VLA 模型，现已通过 Gemini API 和 Google AI Studio 向开发者开放。
Shopify EngineeringAI 评分6262 Shopify 如何构建能跨模型迭代的智能体安全审查流水线
Shopify 应用安全团队构建了一套智能体代码审查与测试预言机流水线，用于发现漏洞、用真实测试验证并生成针对 Shopify 的修复方案。该流水线由内部编排器 Dispatch 驱动，按测试引导、架构文档、文件编目、分区、并行 Hunting、顺序 Verification、后处理、报告、修复等阶段运行，首次全量扫描后改为基于 diff 的增量扫描以降低 token 消耗。
得物技术（公众号）AI 评分6262 得物技术：AI Native 交易核心系统的五道关口研发范式
得物技术分享了订单系统适配 AI 编码的研发范式，提出需求澄清、技术方案、TDD 实施、门禁卡控、全流程埋点监控五道标准化关口，并依托 Claude Code 的 Spec-Driven 插件串成带人工确认门控的工作流。
Google DeepMindAI 评分2222 Google DeepMind 发布 Gemini Robotics 2，为机器人带来全身智能
Google DeepMind 推出 Gemini Robotics 2，包含三款模型：视觉-语言-动作模型 Gemini Robotics 2 可控制人形机器人全身动作，具身推理模型 Gemini Robotics ER 2 支持多步任务规划与多机器人协作，端侧模型 Gemini Robotics On-Device 2 可在数小时内适配全新机器人本体。
美团技术团队（公众号）AI 评分4040 美团正式发布全场景 AI Agent 平台 CatPaw，搭载 LongCat 2.0
美团正式上线全场景 AI Agent 平台 CatPaw，搭载本月开源的 LongCat 2.0（总参数 1.6T、平均激活约 48B、原生支持 1M 上下文）。CatPaw 提供开箱即用的 AI 智能工作台与 Managed Agents 企业级托管能力，支持移动/PC/云端多端协作与 7×24 小时运行。该平台已在美团内部覆盖 9 万员工、搭建 3 万个 Agent。
得物技术（公众号）AI 评分3434 得物推荐评测平台：大模型自动化评测流水线的工程实践
得物推荐评测平台通过大模型自动化评测流水线，将推荐主观体验指标的反馈周期从周级缩短至小时级，并在单周百万级审计需求下实现 91% 的资源成本优化。平台支持 Qwen3-Max 等模型作为评测员，通过可视化提示词版本管理与人工校验闭环，将评测一致性稳定保持在 92% 以上。