celebrityanime

Google 开源 AQuA：自动诊断生产 Agent 的隐性故障

Google Developers Blog 于 2026 年 10 月 8 日发文，介绍开源环境质量智能体 AQuA，可在不进入请求路径的前提下，自动扫描生产环境中的 Agent 轨迹并定位故障根因，填补了离线评测与线上监控之间的诊断空白。

Claude 新增 Dashboards 实时仪表盘与 Motion 动画讲解功能，均处于 beta 阶段，同时 Docs、Slides、Design 结束测试全面开放，免费版也能用。

Anthropic 在开发者博客发布了一份基于 Claude Managed Agents（beta）的参考实现，演示如何让智能体按计划读取 Slack 与 GitHub 更新，并处理凭证隔离、断点续读和来源失效等常见问题。

Claude 在九月的更新中把 Chat 与 Cowork 合并为统一入口，并上线 Claude 5.5 系列模型，意味着个人对话与企业协作场景进一步打通。

LangChain 发布示例智能体 Restock，运行在 Managed Deep Agents 上，通过 Stripe 的 Link 钱包和 Zinc 的 MPP 订单 API 完成真实采购，用户设定预算上限后，智能体可在额度内自主下单。

10 月 7 日 alphaXiv 收录的论文提出 EngramEdit，把 DeepSeek 式条件记忆从扩容工具变成可单独写入事实的知识接口，在不改动 Transformer 主干的情况下完成事实更新。

Artificial Analysis 评测显示，Google 于 10 月 6 日发布的新图像模型 Nano Banana 2.1 在文生图和图像编辑两项评测中均位列第 4，且 1K 分辨率价格是前代的一半，为前 7 名中最低。

Arena 宣布完成 2 亿美元 B 轮融资、估值达 31 亿美元，同时推出 Alignment Index，试图为衡量 AI 模型行为与对齐水平提供独立、社区驱动的参考指标。

OpenAI 一次性发布数百份 AI 生成的数学手稿，人类数学协会呼吁数学家停止与其合作，争议焦点在于：一个数学问题在被人类独立理解之前，能否算作已解决。

Arena 宣布完成由 Lightspeed 领投的 2 亿美元 B 轮融资，公司估值达到 31 亿美元，同时推出衡量 AI 行为与人类价值观对齐程度的 Alignment Index。这笔融资说明，在模型数量激增的背景下，模型真实表现评估正成为资本关注的基础设施方向。