cuPotential把材料模拟接入工程Agent
NVIDIA 10月14日发布CUDA-X早期访问库cuPotential，让开发者把原子、分子相互作用模拟作为工具交给工程Agent调用。它提供可嵌入既有软件的GPU加速函数，面向半导体材料与制造流程；NVIDIA称早期测试在已经GPU优化的工作流上还能提速2至3倍，Synopsys是首批采用者。
这里的机制增量不是让模型直接猜材料性质，而是让Agent反复调用受物理约束的模拟器、评估结果并迭代方案。2至3倍仍是厂商早期口径，公告没有给出统一硬件、误差或成本基线，也没有证明模拟提速已经转化为晶圆良率提升；当前能确认的是原子级求解器进入Agent工具链，而非晶圆厂已经实现自主闭环。
Anthropic暴露多步选举滥用缺口
Anthropic 10月14日公布对25万条美国Claude.ai对话的抽样：约5.75%涉及政治、政策或社会议题，0.51%直接涉及选举，要求推荐投票对象的约占0.01%。外部红队发现，Claude会拒绝单个明显有害请求，却可能漏掉被拆成受众研究、建站、写作和分发等看似无害步骤的同一行动；公司因此增加多步滥用分类器。样本只覆盖9月21至27日一周，比例不能外推到整个选举周期。
HydraFusion增加并行审查与按需修复
GitHub 10月14日更新研究预览版HydraFusion：模型池纳入Claude Opus 5.5、GPT-6 Astra、GPT-6.1 Sol和GPT-6 Luna；编排会按阶段调整推理强度，Cascade新增裁判后只在需要时修复，Critique则让多个批评模型并行读取真实工作区。新的Max档提高推理投入，但GitHub没有公布成功率、延迟或Token对照，暂不能量化编排是否优于直接调用单一强模型。
新加坡与Anthropic签署安全合作备忘录
Anthropic 10月14日在新加坡开设亚太第五个办公室，并与新加坡数字发展及新闻部签署谅解备忘录，范围包括模型评估、测试标准、事故响应、采用影响研究及政府和企业培训。公司称GovTech已有逾1500名工程与技术人员采用Claude Code；该数字和Grab每季度节省约4万小时均来自合作方口径，备忘录本身也不是新的监管义务。
Intel用大内存风冷卡押注推理
10月12日，Intel披露GPU D-Series最高480GB LPDDR5X、1.5TB/s带宽、1.3 PFLOPS FP8与350W风冷PCIe设计，并称客户采样已开始。脚注明确Intel品牌卡只有160GB，480GB是ODM可选上限；单卡容纳3000亿参数也未说明权重精度、KV Cache和运行余量。它提供的是面向既有机房的大容量推理路线，尚无价格或端到端Token吞吐证明经济性。
Workday收购C1.ai补齐Agent身份治理
10月13日，Workday签署收购C1.ai的最终协议，计划把Agent System of Record从登记扩展到邮箱、CRM、代码仓库、财务和云系统的权限授予与回收。SEC文件确认协议于10月12日签署、交易仍受惯常条件约束，金额未披露，预计在截至2027年1月31日的财季完成；因此跨系统身份能力仍是整合计划，不是已经上线的Workday功能。
Tev把长任务进度变成逐步奖励
10月13日，Tev-Gym构造1170个、覆盖7个领域的可验证环境，先定义隐藏世界与每一步正确状态，再用进度势能把稀疏终局奖励改成逐步奖励。作者称Tev-27B在ALE-CM的Pass@5接近GPT-6 Astra与Claude Opus 5，并迁移到Terminal-Bench子集；这些是作者协议中的结果，跨模型预算与执行框架未必可比。
持久记忆会把未确认提议当指令
“Grounding Awareness”区分用户已接受、未回应、已修订和只在特定范围成立的安排。受控基准显示，更完整的用户信息与持久记忆反而可能让Agent执行从未确认的提议；作者加入不需训练的Grounding Layer，显式记录确认状态并在高后果动作前检查。论文未在摘要中给出生产规模数据，结论仍限于其受控基准。
ChunkAct让机器人按动作块执行
ChunkAct把记忆离线编译成动作块：LLM只在选择子目标时调用，常规原子动作连续执行，失败才把控制权交回规划器。作者在LIBERO-Pro上报告成功率较既有Agent机器人方法高5个百分点，同时LLM调用减少2.9倍、输入Token减少4.4倍。收益来自同一仿真基准，尚不能代表真机故障下的恢复能力。
摄像头漂移让VLA成功率近乎腰斩
LIBERO-RIG固定任务，只改变相机安装、标定、控制频率、底座位置、桌高和夹爪垫等11类硬件条件。9个VLA模型、每条件500次运行的汇总成功率从0.932降至中等扰动的0.767和最高扰动的0.509；视觉增强也无法修复不改变图像的控制故障。它说明仿真任务泛化与同一机器人硬件漂移是两种不同测试。
WorldOracle用真实执行校验世界模型
WorldOracle给世界模型同一初始观测与底层动作序列，再把生成轨迹同配对的真实机器人执行比较，分别评估物理状态、交互位置、关键区域和多视角一致性。首轮覆盖7种动作条件世界模型，并同时保留成功与失败执行。作者尚未在摘要披露统一总分，价值主要是把“视频看起来合理”改成可与真实后果对照的评测对象。
智能合约编译通过仍普遍行为偏离
SolBehave让7个开放权重模型重写250个真实以太坊合约，再做差分模糊测试、历史交易重放和合法但未曾发生的调用序列重放。编译成功率为26.4%至92.7%，但汇总后只有31.4%的已编译函数与原函数等价；六个模型有13%至44%的已编译合约在序列重放中偏离。结果针对一次自动修复后的特定模型，不应外推到所有代码生成系统。
自进化Harness需要独立准入测试
“Self-Evolving Agent Harness”把提示、记忆、工作流、工具代码与插件的持久修改统一成反馈驱动过程，并提出用新鲜独立验证集和历史回归预算决定改动能否保留。论文主要给出形式化框架与理论界限，没有新的生产对照实验；可执行结论是把“Agent能改自己”拆成提议、验证、准入与运行权限四层，而不是让成功轨迹自动写回系统。