AI 编程实时动态与要闻

Box 在 11 月 5 日的 BoxWorks 2026 上宣布与 NVIDIA 扩大合作：新检索引擎 Box Context Retrieval 基于 Nemotron Retriever 嵌入模型，结合关键词与语义搜索，按现有文件权限为 AI 智能体返回最相关段落，预计明年初向 Enterprise Advanced 客户 GA。Box 新闻稿称检索准确率（Recall@5）可提升 20%、token 用量减少 90%、问答快 4 倍。Nemotron 3 Ultra 等开源权重模型即日起进入 Box AI；同时发布描述目标即可设计工作流的 Box Architect、可把 Box 文件夹挂进智能体沙箱并配合 NVIDIA OpenShell 的 Box Mount，以及含 MCP Guardrails 的智能体安全控制。

查看大图

Mirendil 10 月 26 日发布首个模型 Fern，基于自研 Mirendil-Base（0.1–0.5T 参数）从零预训练，上下文窗口最长约 1000 万 token，约等于 50 万行代码或数天的 Agent 轨迹。Fern 0.1 只做了一轮短后训练，主打审计训练数据、看日志排查训练故障、通读 Agent 轨迹等 AI 研发场景。官方口径：SWE-Bench Verified 73.4%、RULER 单针检索在 10M 长度仍为 100%，但多跳问答在 10M 降到 45%。目前仅开放早期申请，未公布价格和权重。

查看大图

来自多所高校与机构的研究团队在 arXiv:2610.06830 中提出多模态智能体按需记忆编排框架 MemPilot。针对现有自主 Agent 在跨会话、长程多模态交互中频繁遭遇图文上下文爆炸、无效截图堆叠与历史关键信息遗忘的痛点，MemPilot 设计了主动记忆精选策略。系统将视觉快照、操作轨迹与文本事实进行自适应压缩、语义分级与按需唤醒，在多轮复杂交互测试中将记忆显存开销削减 60% 以上，显著提升跨会话任务完成率。

查看大图

LightOn AI 于 2026-10-12 发布 ColGrep-Agent-2B（基于 MiniCPM5-2B，Apache-2.0）：本地 2B 代码定位 Agent，用 ColGrep 多向量语义检索 + 只读终端在仓库内搜索，再把文件路径与行范围交还给前沿编程 Agent。在 13 个未见仓、52 道代码搜索题、624 次会话中，接入 Claude Code（Sonnet 5.5）相对纯 grep 平均少用约 34.3% API token、缓存感知成本约降 40%；准确率 80.8% vs grep 83.3%（差异无统计显著）。SWE-bench Lite 行级 F1 达 19.92，高于同 harness 下多款 10×+ 参数量模型。提供 brew/cargo/GGUF 一键安装与 Claude Code / Codex / OpenCode 钩子。

查看大图

随着 LLM 智能体在真实生产环境中接管长流程（Long-Horizon）复杂任务，面对持续涌入的任务流，如何让智能体在部署运行期实现终生自进化，已成为具身智能与智能体系统的前沿圣杯。现有上下文自适应（In-Context Adaptation）方案仅将经验转化为文本记忆或外部向量库，极度依赖脆弱的检索机制，且无法改变冻结的底座权重；而若直接对单次尝试的生成 Token 施加模仿学习或强化微调，又会因稀疏单次反馈导致模型策略瞬时崩溃。研究团队首次形式化定义了“在线智能体测试时训练”（Online Agentic Test-Time Training, OaTTT），并提出了创新自蒸馏框架 ASCENT（arXiv:2610.05303）：智能体在单遍任务流中仅执行一次任务，将冻结的初始版本模型作为具备后见之明（Hindsight）的稳定导师，输入已验证成功的完整轨迹作为特权信息，计算沿轨迹的 Next-Token 概率分布；随后将这些特权经验高效蒸馏进持久化的轻量 LoRA 快速权重中。通过进一步剪除无效动作轮次，ASCENT 在无需任何外部教师模型或标准参考答案的前提下，在 ALFWorld、WebShop 和 AppWorld 等跨模态长程基准上实现了任务成功率与交互步数效率的持续单调提升，并强力迁移至未见过的全新场景。

查看大图

在长记忆智能体（Memory-Augmented Agents）与伴侣型 AI 领域，学术界通常依赖合成人物画像与人工编造的问题进行记忆评测，导致测试集存在严重的“线索泄露（Cue Leakage）”与虚高得分。为了还原真实的长期人机交互真相，研究团队重磅发布了首个基于真人长达 120 天真实私密交互的权威评测集 RealCompanion（arXiv:2610.01780）：涵盖 10 段完全真实的伴侣对话，跨越 27,218 条真实历史消息，并由人工逐级校验还原出精准的用户档案、人物画像、问答基准与严格对齐的推理思考链（Reasoning Traces）。实测揭示了三大颠覆性技术真相：其一，“过去的记忆极少被需要，且相隔遥远”——95.9% 的交互仅靠近期滑动窗口即可解答，仅有 2.2% 的探针真正需要检索远期记忆，传统聚合指标产生了严重统计假象；其二，现存的所有记忆触发检测器（Memory Detectors）在真实消息中几乎完全失效，合成基准的人为提问严重泄露了检索意图，单纯给消息贴上“记忆”标签就会诱导模型调用率暴增 10~14 个点；其三，测试的多款 Agent 系统在画像重构 F1 分数完全一致的情况下，API 算力消耗差距竟然高达 31 倍之巨。

查看大图

现有多步智能体（Multi-Step Agents）在训练时普遍被扁平化的动作序列（Flat Action Streams）所困扰：无论是传统的 SFT 还是新兴的强化学习奖励对齐（RLVR），均孤立地对每一个动作 Token 施加均等权重，彻底丢失了人类从可复用子流程中自顶向下分层规划的核心能力。以往方案多依赖在大模型 Context 中外挂检索技能库，既无法内化为权重能力，又极易在跨领域场景失效。滑铁卢大学等机构的研究团队提出了 X-Tree 框架：该算法借鉴现代文本分词器（Tokenizer）原理，完全不依赖任何外部 LLM 调用，通过纯频次与因果增益统计对动作跨度进行可复用性打分，将规范化动作序列自动聚合并构建为可复用经验树（eXperience Tree）。将 X-Tree 注入离线强化学习、在线 RLVR 及同策略自蒸馏后，在同等算力预算下显著推高 WebArena、ScienceWorld 与 WebShop 的任务胜率。

查看大图

将文本表征模型扩展至语音、音频、图像、视频及图文混排文档等多模态领域时，传统方案往往导致严重的文本检索灾难性遗忘，而现有全模态向量模型通常需要数十亿甚至上百亿参数来勉强维持平衡。穆罕默德·本·扎耶德人工智能大学（MBZUAI）等团队推出了轻量化全模态嵌入模型 Omni-Embed-Mini。该模型仅拥有 0.9B 极小参数量，通过密集的级联描述蒸馏（Dense Cascaded Caption Distillation），将文本、语音、音频、图像、视频与文档六大模态映射进统一的余弦空间。核心突破在于文本侧权重保持 100% 静态冻结（Byte-Identical），从理论与工程上彻底杜绝了文本检索退化（MTEB-v2 BEIR-8 达 49.57 nDCG@10）；而其 2.3B 升级变体在全模态平均检索得分上更是逆袭超越了闭源商业标杆 Gemini-Embedding-2。

查看大图

编码智能体在处理大型代码仓库与多轮排错时，会高频反复复述相似的代码片段、错误日志及前序修改尝试，这使得基于检索的推测解码（Retrieval-based Speculative Decoding, SD）具备巨大的加速潜力。然而，现有通用检索推测解码器在真实 Agent 流水线中严重水土不服：智能体输出格式（如带行号标注、Diff 补丁及转义代码块）与本地原始磁盘文件存在巨大表征鸿沟，且固定推测草稿长度无法自适应多智能体协作中的轮次漂移。韩国科学技术院（KAIST）团队推出了面向编码智能体定制的推测解码框架 AgSpec。该框架在会话级、工作区级与全局语料库中建立与智能体发射格式完全对齐的动态索引，并结合离线性能剖析与在线验证反馈动态调整推测草稿长度。在多智能体代码仓库级评测中，AgSpec 吞吐加速高达 4.76 倍，且在单卡低延迟场景下全面碾压 EAGLE-3。

查看大图

Cloudflare 于 2026-10-01 宣布 AI Search GA：托管索引/检索管线（Workers AI + Vectorize + R2 + Browser Run）进入正式可用；新增 Qwen3-VL-Embedding 原生图像嵌入、扫描 PDF OCR、文本/OCR PDF 上限 10 MiB；新实例默认混合检索；计费自 2026-11-01 起，含免费额度。

查看大图