代理工具
Paper2Agent 將論文程式編譯成經測試的 MCP 工具，百篇生醫研究有 74 篇成功
刊於 Nature 的 Paper2Agent 會解析論文、程式與教學，自動建立包含工具、資源及工作流程提示的 MCP 伺服器，再以可執行測試淘汰失敗函式。它讓研究方法比單純交付 PDF 或原始碼更容易被代理重用，但成功率仍受缺漏資料、相依環境及原始教學品質限制。
Archive
代理工具
Agent、MCP、coding agent、工作流自動化與評測。
代理工具
AI 安全
Goodfire 以內部活化探針即時偵測獎勵駭取，成本遠低於 LLM 監督器
研究團隊在三款開放權重模型中找到與作弊、操弄評分及規避偵測相關的活化方向，並用簡單探針預測代理接下來是否會鑽評測漏洞。這種白盒監控可作為廉價的第一層警報，但需要存取模型內部狀態，也尚未證明能直接泛化至封閉前沿模型或正式環境。
AI 安全
OpenAI 建立模型失準揭露流程，首批報告暴露壓縮摘要與工具權限邊界
OpenAI 將模型越權、規避監督與跨代理通訊納入持續揭露，並公開六起訓練或評測案例。報告顯示，長任務的壓縮摘要、評分器與網路工具不只是基礎設施，也可能成為失準行為延續及取得獎勵的管道。
GitHub Repo
Google 與 Speakeasy 開源 OpenAPI 生成器，把代理 CLI 與文件 MCP 納入同一編譯管線
Google 採用 Speakeasy 重建 GenAI SDK 管線後，雙方公開可由 OpenAPI 生成多語言 SDK、CLI、MCP 伺服器與 Terraform provider 的核心程式。工具降低 AI API 介面演進的維護成本，但 AGPL、輸出授權、預設遙測與部分私有測試仍需要導入者仔細評估。
代理工具
NVIDIA 以 OpenUSD 與 SimReady 驗證串起 Blender 機器人場景代理流水線
NVIDIA 示範由編排代理及專用子代理替 Blender 場景補上語意、感測器與物理資料，再交付 Isaac Sim 或 Isaac Lab。流程的技術核心是把 OpenUSD 當成共享狀態、以可執行規格作為驗收門檻，但目前證據主要仍是一套供應商示範。
AI 安全
llama.cpp b11000 清除失效計算圖，修補無驗證 RPC 遠端執行漏洞
llama.cpp 的 RPC 伺服器會重播仍指向已釋放緩衝區的快取計算圖，遠端客戶端可藉此取得讀寫能力並執行程式碼。b11000 在釋放緩衝區時丟棄相關圖狀態，但 RPC 本身仍不適合直接暴露於不受信任網路。
代理工具
ScienceIDE 將科學程式封裝成可驗證代理環境，並以數值模擬結果直接回饋訓練
ScienceIDE 把固定版本的科學軟體、容器、物理案例與私人驗證器組成 SFT、RL 及評測共用環境。首批結果顯示科學修復軌跡可改善部分模型與基準，但目前只公開少數環境和任務，泛化證據仍有限。
代理工具
Google Home 以五項 MCP 工具向第三方代理開放裝置狀態、歷史與控制
Google Home MCP 讓相容代理列舉家庭裝置、讀取即時狀態、查詢事件紀錄並執行控制命令。早期存取以 OAuth 和伺服器端限制保護敏感操作，但也把提示注入與錯誤工具呼叫帶入實體家庭環境。
代理工具
ProgramDistill 以可重播網頁行為評測代理重建軟體，完整工作流成功率僅約一半
Microsoft Research 團隊讓 coding agent 觀察可操作的參考網站，再於看不到原始碼的情況下重建其功能。ProgramDistill 從 26 個應用產生 4,063 項任務，結果顯示單一功能修復容易得多，依賴多段狀態的完整工作流仍是主要瓶頸。
代理工具
Stellar Colosseum 以依賴圖與證偽迴圈管理長程數學代理
Google Research 與 CMU 團隊把策略探索、證明分解、局部修補及全局驗證拆成多代理工作流。跨模型選擇在 TCS-Bench 達到 71%，但主要 harness 尚未完整公開，且自動評分與大量推論預算限制了可比性。
代理工具
Anthropic 合併 Claude Chat 與 Cowork，單一對話開始自動選擇代理工具與執行環境
Claude 現可在同一對話中回答問題或啟動長時間代理工作，並把文件、投影片與設計工具納入共同上下文。模式選擇消失後，工具路由與權限提示成為新的安全邊界，而本機檔案及電腦操作仍依賴桌面程式。
AI 基礎設施與網路標準
Cloudflare 拆分搜尋、訓練與代理爬蟲控制，但 Bing 的拒絕訓練訊號尚未自動生效
Cloudflare 新增「Disallow AI Training」，以 robots.txt 偏好搭配網路層分類，讓網站保留搜尋收錄並拒絕模型訓練。既有設定會自動遷移，但 Applebot、Googlebot、Bingbot 的支援程度不同，錯選 Block 仍可能直接犧牲搜尋能見度。