在多智能体AI系统中，一旦任务失败，开发者常陷入「谁错了、错在哪」的谜团。PSU、杜克大学与谷歌DeepMind等机构首次提出「自动化失败归因」，发布Who&When数据集，探索三种归因方法，揭示该问题的复杂性与挑战性。
在过去的一周，这一方向的进展尤其丰富。有人发现，几篇关于「让 LLM（或智能体）学会自我训练」的论文在 arXiv 上集中出现，其中甚至包括受「哥德尔机」构想启发而提出的「达尔文哥德尔机」。或许，AI 模型的自我进化能力正在加速提升。
北大校友官宣推出号称“最强通用Agent” Fairies（中译仙女），能执行Deep research、代码生成、发邮件等1000个操作。关键是无需邀请码，Mac和Windows用户只需下载APP就能立即上手试玩。(⊙ˍ⊙)
来自香港中文大学、爱丁堡大学、香港科技大学与华为爱丁堡研究中心的研究团队联合发布了一项关于AI记忆机制的系统性综述，旨在在大模型时代背景下，重新审视并系统化理解智能体的记忆构建与演化路径。
人工智能搜索引擎Perplexity重磅发布新产品Perplexity Labs，这是一款面向专业版用户（20美金/月）的智能Agent工具，为用户提供了更强大的生产力解决方案。用户可以在搜索框下方一键切换至"实验室模式"，通过该模式可高效生成：专业分析报告、结构化电子表格、交互式网页应用、数据可视化图表等。
多AI智能体系统的复杂构建与优化，长期以来是用智能体解决科研问题和场景落地的瓶颈。来自英国格拉斯哥大学的研究团队发布了全球首个AI智能体自进化开源框架EvoAgentX，通过引入自我进化机制，打破了传统多智能体系统在构建和优化中的限制！
工程的精度，依旧会是这一波技术浪潮里有意义的竞争力。
上海交通大学联合中科大在本文中指出：现阶段大模型智能体的主要障碍不在于模型能力不足，而在于其「Agentic ROI」尚未达到实用化门槛。研究团队提出 Agentic ROI（Agentic Return on Investment）这一核心指标，用于衡量一个大模型智能体在真实使用场景中所带来的「信息收益」与其「使用成本」之间的比值：
Manus的开放注册标志着其商业化进程的正式启动。但是，Manus到底擅长什么？如果检视Manus的精选用例库，我们会发现约一半的用例是咨询报告（图1），诸如，《B2B供应商寻源报告》、《成衣行业AI产品分析》、《制定门店销售提升策略》等等：
在最新的 LangChain Interrupt 峰会上，AI Fund 创始人吴恩达与 LangChain 联合创始人 Harrison Chase 展开了一场对话。
