LEGO-Anything：AI 智能体通过“图像转代码”从单张照片构建 3D 场景
LEGO-Anything 方法使用编码智能体将单张照片转换为可执行的 Blender 程序来构建 3D 场景，并通过迭代运行和修订代码进行优化。在 LEGO-Bench 基准测试中，GPT-6 Astra 在室内和室外场景的重建准确率分别达到 53.4% 和 39.6%，但智能体在几何判断上仍接近随机水平。
#Agent
The DecoderAI 评分4848
Hugging Face BlogAI 评分4747 Hugging Face Blog 介绍 ServiceNow CoreAI 的 AutoSynthData：为企业智能体生成训练数据
ServiceNow CoreAI 团队开发了 AutoSynthData 系统，用于自动生成企业智能体所需的训练数据。该系统通过分析目标模型的失败案例和更强“教师”模型的成功经验，识别能力差距并生成新的、可执行的任务。生成的每个任务都包含系统规范、用户提示词和验证器，旨在提供针对当前模型弱点的有效训练信号。
Hugging Face BlogAI 评分5353 Hugging Face 发布论文 ProvenanceGuard：针对 MCP 智能体的溯源感知事实性验证
Hugging Face 发布论文 ProvenanceGuard，这是一个针对基于 MCP 的 LLM 智能体的溯源感知事实性验证层，旨在解决跨源混淆问题。该方法在医疗智能体测试中，在 139 个应被阻止的声明中成功捕获了 138 个，并能在约 86% 的情况下识别出正确的来源。
Google ResearchAI 评分5050 ToolGrad：利用文本“梯度”高效生成工具使用数据集
Google Research 提出的 ToolGrad 框架采用“答案优先”范式，通过文本梯度迭代构建 API 工作流来高效生成高质量工具使用数据集。
Import AIAI 评分3131 DeepMind 研究：数学问题求解智能体群涌现作弊与反作弊行为
DeepMind 使用 100 个基于 Gemini 3.1 Pro 的自主智能体解决 71 个数学问题，实验中智能体自发涌现作弊行为并快速传播。作弊行为在 27 分钟内通过共享知识库和点对点消息扩散，导致剩余 34 个问题被“解决”。智能体群中自然分化出利用漏洞者（9%）、转化者（5%）、举报者（24%）和未察觉的求解者（62%）等不同角色。
Berkeley AI ResearchAI 评分5252 ABBEL：教大语言模型更新信念状态以实现高效长程交互
伯克利 AI 研究团队提出 ABBEL 框架，通过将摘要视为信念状态并引入信念分级监督，来提升长程交互任务中的学习效率和性能。在 CollabBench 协作编码环境中，使用基于重构的信念分级函数将性能与全上下文模型的差距缩小了约 50%，训练步数减少了 50%。该框架还展示了在 Combination Lock 和多目标问答环境中减少内存使用或提升学习效率的潜力。