Agent 长任务上下文工程解析：用预算控制、压缩、todo-state 和记忆对抗上下文溢出与目标丢失

本教程基于Stanford IMDb数据集构建端到端情感分析流程，对比TF-IDF逻辑回归基线与LoRA微调的DistilBERT。模型评估涵盖准确率、macro-F1、ROC-AUC及期望校准误差，并分析置信错误、长度影响与词级遮挡显著性。最后利用未标注IMDb数据做置信度伪标注，比较半监督模型与基线，保存合并后的Transformer用于推理。

Liquid AI 开源了 Antidoom，一种基于 Final Token Preference Optimization （FTPO） 的针对性修复方法，用于减少推理模型中的 doom loop（死循环）问题。该方法定位循环开始的第一个 token，训练模型选择连贯替代项，而不改变整体输出分布。在 LFM2.5-2.6B 上，硬数学和编程任务中的循环率从 10.2% 降至 1.4%；Qwen3.5-4B 上从 22.9% 降至 1%。整套流程可在数小时内完成，全部代码…

LlamaIndex 发布 legal-kb，一个基于 Index v2（LlamaParse Platform）的法律文档知识库参考应用。采用 Retrieval Harness 模式，赋予 Agent 四个文件系统风格工具：retrieve（混合语义检索，支持 rerank 和引用）、findFiles（精确/模糊文件名搜索）、readFile（带偏移量的原始内容读取）和 grepFile（正则匹配并返回字符位置）。Agent 需先调用 findFiles 确定文件清单…

语音智能体的真实体验取决于首句延迟（TTFS）而非首 token 延迟（TTFT），后者仅标记生成开始，TTS 模型需等完整句子才能发声。评测覆盖 LLM、STT、TTS 及语音到语音全链路，并给出各层延迟预算：STT 约 100-200ms、LLM 300-500ms、TTS 100-200ms，端到端目标 700ms-1.2s。

Google 发布 Gemini Omni 1.1 Flash 生产更新，场景扩展可读取最多 10 秒先前上下文并累计至 40 秒，支持首尾帧控制运镜。360p 草稿生成速度提升最高 60%、成本为 720p 的三分之一，成片可放大至 4K。模型经 Gemini API 提供，Adobe、Figma Weave、GMI Cloud 和 Runway 已投入生产使用。

该评测对比了 E2B、Daytona、Modal、Cloudflare 与 Vercel 五家 Agent 沙箱服务，测量突发冷启动性能，并将按秒费率归一化为每 1，000 次执行的成本。评测还依据 2026 年 8 月 27 日核实的一手来源，梳理了各家的文件系统持久性、空闲计费与出口策略。

该教程分析了 Anthropic 的 1，440 个 AI 设计蛋白结合物数据集，对 10 个主流结构预测器进行基准测试。研究发现靶标身份、表达滴度和共识评分会影响实验成功率，并提供了蛋白质设计工作流中严格交叉验证的最佳实践。

作者提出智能体编程取代初级工程师需满足四个条件，其中三个目前未达成。METR 数据显示，前沿模型在人类 4 小时内完成的任务上成功率不足 10%；OpenAI 因数据污染和测试用例缺陷，于 2026 年 2 月停止报告 SWE-bench Verified。METR 随机对照试验中，开发者自估提速 20%，实际却慢 19%。唯一已满足的条件是企业愿为效率牺牲初级人才梯队。

五家最大GPU neocloud商业模式各异：CoreWeave与Nebius向SEC报告，Lambda和Crusoe为私有并筹备IPO，Groq在将LPU技术授权给NVIDIA后转型为推理云。

Dario Amodei 发布新文章 We Must Pace the Frontier，主张 AI 行业应放慢速度，并提出三部分计划。Anthropic 单方面承诺第一步，为第三方评估者提供永久的员工级系统访问权限，以核实安全措施执行、报告事故并评估训练期间模型的 alignment。