Hugging Face 提出 ProvenanceGuard：面向 MCP 智能体的来源感知事实性验证
Hugging Face 发布论文 ProvenanceGuard，一个针对 MCP 智能体的生成后验证层，可识别"跨源混淆"——事实真实但被归到错误来源的答案。
#Agent
#Agent
今日 0 条Hugging Face BlogAI 评分2727
Hugging Face BlogAI 评分4747 Hugging Face 提出一致性指南：让 Agent 重复跑同一任务不再翻车
Hugging Face 发布 altk-evolve 的"一致性指南"（consistency guidelines），配合 Consistency Analyzer 定位 Agent 决策中易翻转的步骤。
Import AIAI 评分6565 DeepMind 让 100 个 Gemini 智能体解题，集体作弊与举报随之出现
Google DeepMind 发表论文，用 100 个基于 Gemini 3.1 Pro 的自主智能体协作求解 71 道数学题，并设置公告板、私信与共享知识库三种协调方式。
Google ResearchAI 评分4747 Google 推出 AgentHands：为 XR 智能体对话生成空间化手势
Google 发布研究原型 AgentHands，可将 LLM 的高层推理映射为与语音同步的 XR 手势，让智能体在真实空间中边讲解边指向物体。系统包含环境感知、手势事件库和手势嵌入推理，并已在 Android XR 上演示兰花养护、3D 打印机操作等场景。12 人用户研究显示，相比纯语音基线，空间定位效果显著提升。
Google ResearchAI 评分5858 Google Research 推出 Biomarker Discovery Framework，从可穿戴传感器数据中筛选候选生物标志物
Google Research 发布 Biomarker Discovery Framework，一个在人类监督下将候选生物标志物优先级排序组织为迭代研究循环的多智能体系统。
Hugging Face BlogAI 评分5050 智能体到底需要多少记忆？ALTK-Evolve 在 8 个模型上的实测
Hugging Face 博客发布 ALTK-Evolve 记忆剂量研究：在 AppWorld 585 个多步任务上测试 8 个模型后发现，智能体记忆不是开关而是需要按模型校准的剂量。
Import AIAI 评分3636 Import AI 469：DiG-bench 游戏基准、RSI 模拟器与扎克伯格的技术悲观主义
Import AI 469 期介绍了新基准 DiG-bench，用 70 款规则隐藏的游戏测试 AI 自主探索与发现能力，目前仅 Opus 5 和 Fable 5 在 Tier 7 取得 0.2 分，远低于人类的 100%。
Hugging Face Blog精选AI 评分7777 Hugging Face 用智能体复现 ICML 2026 的 2226 篇论文
Hugging Face 在 7 月 15 日至 8 月 2 日举办 ICML 2026 开放复现挑战，1221 名社区成员用 Claude Code、Codex、Cursor 等编码智能体逐条验证论文结论，共发布 6816 份 Trackio logbook，覆盖 2226 篇论文，占会议接收论文的 34%。
推荐理由：Hugging Face 公开 ICML 2026 论文复现活动的数据与方法，读者可据此看到智能体做科研复现的真实边界与人类角色。
Google Research精选AI 评分7171 Google 发布 AMIE (Video)：实时视频问诊达到专家级表现
Google Research 发布 AMIE (Video)，在 Gemini 与 Project Astra 之上实现同步临床视频问诊，可感知非语言临床线索、引导患者演员完成虚拟体格检查并实时进行诊断推理。
推荐理由：AMIE (Video) 用三智能体异步架构支撑实时视频问诊，并在 300 场随机 OSCE 研究中与初级保健医生对比，适合了解医疗多模态智能体的设计与评测方式。
Hugging Face BlogAI 评分3232 ALTK-Evolve 对比 ACE：Agent 记忆更少 Token 实现更高准确率
Hugging Face 的 ALTK-Evolve 与 ACE 同属无权重更新的智能体记忆方案，都把过往轨迹转化为可复用经验，区别在推理时的投递方式。
Google ResearchAI 评分4747 Google 发布 Science One Framework：基于 Chain-of-Evidence 的可验证自主研究框架
Google Research 提出 Chain-of-Evidence（CoE）可验证性框架，并以此构建自主研究原型 Science One Framework，在 ADRS 基准五项系统优化任务的 75 篇论文审计中实现零幻觉引用、分数完全可复现，在 MLE-Bench 与 Parameter-Golf 上达到 SOTA，而基线系统最高有 21% 的引用为虚构。
Import AI精选AI 评分7777 Epoch 与 METR 发布 MirrorCode 基准：AI 可完成数周规模的编程任务
Epoch 与 METR 发布 MirrorCode 基准，让 AI 仅凭 CLI 访问重实现软件程序，25 个目标程序中 17 个有满分运行，Opus 4.7 用 14 小时、251 美元推理成本完成 METR 和 Epoch 估计人类需 2-17 周的任务。
推荐理由：MirrorCode 用 25 个真实程序衡量 AI 自主重实现能力，Opus 4.7 花 14 小时完成人类需数周的任务。
Google ResearchAI 评分5858 Google Research 发布 SymptomAI：面向日常症状评估的对话式 AI 智能体
Google Research 发布 SymptomAI 研究，让 13,917 名参与者在随机对照试验中与五个不同提问策略的 Gemini Flash 2.0 智能体进行症状访谈，并产出鉴别诊断（DDx）。
Google Research精选AI 评分6262 Google Research 提出 SensorFM：面向可穿戴健康数据的通用智能与接口
Google Research 提出 SensorFM，一个直接从人群规模无标注可穿戴数据中学习的大型传感器基础模型，在超过一万亿分钟多模态传感器信号上预训练，数据来自五百万名知情同意的参与者。
推荐理由：SensorFM 用一万亿分钟无标注穿戴数据预训练，读者可了解单个生理表征如何跨多类健康任务迁移。
Hugging Face BlogAI 评分2929 ScarfBench：面向企业级 Java 框架迁移的 AI 智能体基准测试
Hugging Face 发布开源基准 ScarfBench（Self-Contained Application Refactoring Benchmark）。
Google DeepMindAI 评分5959 Google DeepMind 发布塞拉利昂 AI 教学试验结果：Guided Learning 带动数学成绩提升
Google DeepMind 公布在塞拉利昂开展的预注册对照试验结果：使用 Gemini Guided Learning 的学生数学成绩比对照组提升 +0.258 个标准差，约相当于常规学习 1.2 至 1.7 年的进度，若教师将 Gemini 融入约一半课程，提升可达约 1.8 至 2.5 年。
Google DeepMindAI 评分3434 Google Co-Scientist 加速肝病机制发现
爱丁堡大学 Filippo Menolascina 团队用 Google Co-Scientist 研究肝病 MASH，该系统整合肝脏生物学与药理学证据、锁定候选联合疗法并解释了药物 resmetirom 为何仅对少数合格患者有效。Co-Scientist 提出 NLRP3 炎症小体是连接炎症与代谢的分子桥梁这一假设，随后经实验验证，或为靶向双重疗法铺路。
Google DeepMind精选AI 评分7373 Google DeepMind 发布 AI co-clinician 医疗协作研究计划
Google DeepMind 宣布 AI co-clinician 研究计划，探索 AI 智能体在医生临床监督下参与患者诊疗的三人协作模式。在 98 条真实初级保健问题的盲评中，该系统 97 例无关键错误，优于医生常用的两个 AI 系统；与哈佛、斯坦福合作的 140 项问诊技能评估中，AI 在 68 项达到或超过初级保健医生水平，但识别危险信号和指导关键体格检查仍不如专家。
推荐理由：Google DeepMind 的医疗智能体研究给出了盲评、随机仿真等量化结果，可了解 AI 与医生协作的当前边界。
Google Research精选AI 评分6060 Google Research 发布 ReasoningBank：让智能体从经验中学习
Google Research 在 ICLR 论文中提出 ReasoningBank，一个从成功和失败经验中提炼高层结构化记忆的智能体记忆框架，代码已开源。
推荐理由：论文提出从成功与失败经验中提炼结构化记忆的框架，读者可了解智能体测试时自我进化的具体做法与实测增益。
Google ResearchAI 评分3030 Google 发布 ConvApparel 数据集，量化用户模拟器的真实感差距
Google Research 推出 ConvApparel，一个覆盖服饰购物场景的 4000 余段、近 15000 轮人机多轮对话数据集，用于量化 LLM 用户模拟器与真实用户的真实感差距。
Google ResearchAI 评分4141 Google 推出 PaperVizAgent 与 ScholarPeer 两个学术 AI 智能体
Google 发布两款面向学术研究流程的 AI 智能体：PaperVizAgent 负责从论文正文生成出版级图表，ScholarPeer 则自动完成论文同行评审。
Google Research精选AI 评分6767 Google 与 BIDMC 开展 AMIE 对话诊断 AI 真实临床可行性研究
Google Research 与 Beth Israel Deaconess Medical Center 合作开展 AMIE 对话诊断 AI 的前瞻性单中心可行性研究，让 100 名成人在门诊预约前先与 AMIE 进行文本问诊。
推荐理由：Google 与 BIDMC 公布 AMIE 在真实门诊的前瞻性可行性研究结果，包含安全监督、诊断准确率与患者态度变化等具体数据。