Co-Design Bench发布：273个真实多模态改码任务，最强模型仅完成26.4%
Hugging Face Papers 收录的 Co-Design Bench，用 273 个源自真实用户会话的多模态改码任务，测试编程智能体能否把普通人的需求真正做成可用修改；初步结果显示，即便最强模型端点也只能完整满足 26.4% 的任务，值得关注的是“部分合格”和“真正可用”之间的差距。
标签： 开源
OSMA-Bench：机器人会认障碍物，却不会为它减速？
2026 年 10 月 26 日在 Hugging Face Papers 公布的论文 OSMA-Bench，用“只换障碍物类型、空间位置完全对齐”的场景测试家用机器人导航。结果显示，基于视觉语言模型（VLM）和视觉—语言—动作模型（VLA）的策略能分辨障碍物是否危险，却普遍没有把这种判断转化为更慢的速度、更…
腾讯WorkBuddy开放平台内测Skill变现：开发者可自主定价，支持一次性付费与订阅
据报道，腾讯WorkBuddy开放平台自2026年10月初起内测“收益变现”功能，首次允许个人和企业开发者发布付费Skill与专家智能体，用户购买后才能调用，开发者可自主定价。
Deepgram 收购 Daily，Pipecat 保持开源并设立独立基金会
语音 AI 公司 Deepgram 收购实时音视频基础设施商 Daily，后者开发的语音智能体框架 Pipecat 将继续以 BSD V2 许可证开源，并转入新设立的独立基金会管理。
Hugging Face联合CMU等发起Project ProtoStar，让公共资助科研数据AI就绪
Hugging Face与卡内基梅隆大学等机构发起Project ProtoStar，推动公共资助科研数据以AI可读格式开放共享，首个挑战赛11月2日启动。
BEACON提出跨域协同训练新框架：用充足源演示和有限目标演示训练机器人策略
alphaXiv 收录的 BEACON 论文提出一种理论引导的跨域协同训练框架，在源域演示充足、目标域演示有限时训练扩散式视觉运动策略，并在仿真到仿真、仿真到真实和多源操作任务上报告了优于基线的鲁棒性与数据效率。
CleanYourTV 用 AI 助手经 Wi-Fi 清理安卓电视广告并换 Apple TV 风主屏
开源项目 CleanYourTV 把 Prompt 交给 Claude Code 等 AI 编程助手，通过 Wi-Fi 用 ADB 停用安卓电视预装广告服务并安装 Apple TV 风格启动器，四天内获约 3.8 万 Star，展示了 AI Agent 操作真实设备的一种安全可控路径。
claude-mem 登上 GitHub Trending：为多款 AI 编码助手补充跨会话记忆
开源项目 claude-mem 通过自动捕获 AI 编码助手在会话中的操作、用 AI 压缩成摘要，再注入后续会话，试图解决“换个会话就失忆”的问题，本月出现在 GitHub Trending 上。
CopilotKit 开源 OpenBot：让每个 AI 同事拥有独立电脑与操作审计
CopilotKit 在 GitHub 开源 OpenBot，一个可部署在自有基础设施上的 AI 同事平台。每个 Bot 拥有独立浏览器、文件和授权工具，所有操作先决策后记录，旨在解决“让 Agent 接触公司工具”的信任问题。
开发者张一凡推出Jin：用架构快照治理AI编码的架构漂移
开发者张一凡在掘金发文，讨论 AI Agent 批量改代码后“diff 越来越长、架构变化越来越隐蔽”的问题，并发布社区分支工具 Jin，试图把结构变化变成可检查的事实。值得关注的是，它瞄准的不是让模型写得更快，而是让人在事后仍能说清系统改成了什么样。