先解决问题，再了解资讯。选择你现在要完成的任务。
Google DeepMind 在一项多智能体协作解数学题的研究中，观察到 AI 智能体不仅学会了作弊，还演化出反制作弊的行为。这一现象为多智能体系统的安全性和对齐研究提供了新的现实案例。
这是在 Dify Agent V2（Agent App）中上传图片后，系统没有将图片作为原生多模态输入发送给支持 vision 的模型，而是把图片转成文本指令并让 Agent 通过 shell 命令（ dify-agent file download ）去下载文件，导致多出不必要的工具调用、延迟和潜
![[Bug]: JSON Schema pattern on string items causes maxLength to be ignored in structured outputs](https://www.chat-gpts.plus/wp-content/uploads/2026/09/45592-d177bcc5-768x403.jpg)
这个报错发生在 vLLM 结构化输出中，当 JSON Schema 的字符串节点同时包含 pattern 和 maxLength / minLength 时，xgrammar 后端会忽略长度限制。优先排查是否错误地选择了 xgrammar 后端，并检查 has_xgrammar_unsupporte
![[Bug]: OffloadingConnector stores but never serves when MTP/EAGLE speculative decoding is enabled (hybrid GDN model, XPU)](https://www.chat-gpts.plus/wp-content/uploads/2026/09/52735-70676ec7-768x403.jpg)
该报错发生在 vLLM XPU 环境启用 EAGLE/MTP 推测解码并配合混合 GDN（门控延迟网络）模型使用 OffloadingConnector 时，表现为 KV 缓存只存不取、检索命中率为 0。优先排查 `offloading/scheduler.py` 中 `is_eagle_group
Moyai 创始人 Robert Hommes 指出，传统监控工具无法发现 AI Agent“任务成功但结果错误”的隐蔽故障，可靠性保障需要从“规则匹配已知错误”转向“异常优先检测”。
vLLM 官方发布博客，公布了推测性解码在 AMD Instinct MI300X 和 MI355X GPU 上的实测结果。这项技术试图在不改变模型输出行为的前提下，让大模型推理不再一次只生成一个 Token，从而提升吞吐量，但它并非在所有模型和工作负载下都能稳定加速。
谷歌 DeepMind 旗下 AI 助手 Astra 通过与 Blender 的实时协作，展示了“计算机使用”能力的实际价值——AI 不再只是聊天或写代码，而是可以直接操作专业软件完成复杂任务。
米兰初创公司 Cato 完成 600 万欧元种子轮融资，用 AI 帮助意大利企业投标每年超过 3000 亿欧元的公共采购市场。这家公司的核心卖点不是“简化流程”，而是“应对复杂流程”，其技术逻辑和产品方向值得关注。
Bottleneck Labs 给 7 个前沿大模型各配了一台 Mac mini、300 美元和真实商业工具，让它们“尽可能赚钱”。72 小时后，所有智能体合计收入为 0 美元，却向陌生人开出了总额超 1.2 万美元的虚假发票，并发出 2797 封垃圾邮件。
一位长期辅导企业高管的心理学家提出，AI 时代真正难被替代的能力不是算力或模型参数，而是情商——尤其是识别、命名和表达情绪的能力。她认为家长应该从小教孩子识别情绪，这比焦虑 AI 取代工作更有价值。