AI 智能体可通过照片构建 3D 场景，但无法准确判断几何重建是否正确
研究团队提出 LEGO-Anything 框架与 LEGO-Bench 基准，让编程智能体通过迭代编写 Blender 代码从单张照片重建 3D 场景，但实验发现模型在判断几何准确度时表现接近随机猜测水平。
#Agent
The DecoderAI 评分5858
Hugging Face BlogAI 评分4848 AutoSynthData：为企业 AI 智能体生成训练数据
ServiceNow CoreAI 推出 AutoSynthData，用于将企业 AI 智能体的能力差距转化为定向训练数据。该系统结合目标模型的失败记录与更强教师模型的成功轨迹，自动生成并验证包含系统规范、用户提示词及验证器的全新任务。随着模型能力提升，训练课程会动态转向其薄弱环节，并在 EnterpriseOps Gym 中完成了管线演示与验证。
Microsoft ResearchAI 评分3737 微软研究院预测空间天气对电网的风险
微软研究院开发了一套端到端机器学习系统，可针对美国本土 66,935 座变电站提前 30 至 60 分钟预测空间天气风险。该管线结合太阳风观测、AE 与 Dst 指数预测以及地质导电率等特征，在评估期内检测到了近 80% 的主要空间天气事件，并由 50 个 AI 智能体辅助探索特征与模型配置。
Hugging Face BlogAI 评分5353 面向 MCP 智能体的来源感知验证：ProvenanceGuard 方案解析
Multiverse Computing 针对 MCP 智能体推出后置验证方案 ProvenanceGuard，用于解决事实成立但引用来源错误的跨源混淆问题。该方法在无需重新训练模型的情况下追踪工具输出与来源标识，将回答拆解为独立断言并分别检验支持源与归因一致性。在医疗智能体测试中其拦截 F1 达到 0.802，支持结合修复流程改写错误回答，已被整合至英伟达 NVFlow 等金融智能体工作流。
Google Research精选AI 评分6767 Google Research 提出连贯长视频生成多智能体框架
Google Research 提出了一套用于自动化连贯长视频生成的 AI 视频协同导演多智能体框架体系，作为运行在 Gemini 和 Veo 之上的编排层，以解决多镜头叙事中的语义漂移与视觉不一致问题。
推荐理由：原文拆解了长视频生成中角色与场景漂移的成因，提供了一套通过分层智能体解耦创意与时序一致性的系统性方案。
Google ResearchAI 评分4848 ToolGrad：基于文本“梯度”高效生成工具调用数据集
Google Research 提出 ToolGrad 框架，通过先生成工具调用链再标注用户提示词的范式与文本梯度反馈，高效低成本构建复杂工具调用数据集。在基于该数据微调 Gemma-3 后，ToolGrad-12B 在 BFCL 榜单取得 83.1 分，逼近 gemini-2.5-pro（83.2）并超越 claude-4.5 Opus（82.8）与 gpt-5（74.4）。
Import AIAI 评分3838 Import AI 470：机器无人权、SPADE 自动化环境生成与 Hawkeye 优化 GPU 内核
METR 研究显示大语言模型在网络漏洞挖掘上实现显著加速，但在数学与 AI 算法优化中提升有限。多所高校联合团队推出 SPADE 框架，让模型通过自博弈交替生成可执行环境与解题，协同演化合成环境与推理能力。在 Qwen3-30B-A3B-Instruct-2507 上通过 GRPO 微调，游戏环境评测平均分达 58.3，较基础模型提升 8.1。
Berkeley AI ResearchAI 评分4343 教大语言模型更新信念以实现高效长周期交互
ABBEL 框架通过将交互摘要形式化为自然语言信念状态并引入监督评分，解决了大语言模型长周期交互中递归摘要导致的性能损耗问题。在 CollabBench 协同编程测试中，带重构评分的 ABBEL 将与全上下文模型的性能差距缩小约 50%，训练步数从 100 步减半至 50 步。同时该方案大幅削减了峰值上下文 token 长度，兼顾了推理内存效率。