🔥今日焦点
Hot · 开源 Agent 基础设施
arXiv 2610.22200 · cs.CL · HuggingFace Daily Papers 315 ▲
计算机操作（Computer Use）正从纯 GUI 交互转向融合视觉与程序化接口的通用任务执行。OpenGCUA 提出面向通用计算机操作智能体的全开源技术栈，覆盖数据采集、训练到评测的完整链路，为社区提供可复现的基础设施，显著降低了该方向的进入门槛。
315 ▲ 热门
Computer-Use Agent
开源全栈
cs.CL
Hot · Agent 评测新范式
arXiv 2610.22350 · cs.AI / cs.CL / cs.SE · HuggingFace Daily Papers 283 ▲
现有智能体基准大多评测定义明确的任务（issue、规格说明、工单），而真实的客户交付场景截然不同：前置部署工程师（FDE）必须澄清模糊需求、在活跃系统中操作并处理意外约束。FDE-Gym 将评测目标对准「最后一公里」交付能力，是从实验室指标迈向工程现实的重要一步。
283 ▲ 热门
Agent Benchmark
软件工程
cs.SE
📄前沿研究
arXiv 2610.20939 · HuggingFace Daily Papers 153 ▲
可验证奖励的在线强化学习已在数学、代码与工具使用上取得快速进展，但 GUI 智能体受限于交互环境的高成本而难以规模化。MAI-Gym 提供覆盖移动端与桌面端环境的一体化开源平台，将评测与 RL 训练整合于统一框架，补齐了 GUI Agent 规模化训练的关键基础设施。
153 ▲
GUI Agent
RLVR
开源平台
arXiv 2610.21261 · HuggingFace Daily Papers 105 ▲
稀疏自编码器（SAE）以稀疏、线性解码的特征表示模型激活，但这些特征的下游行为效应未必满足可加性。作者提出 SAE Additivity Residuals（SAR）以度量未被线性组合解释的行为变异，为可解释性研究提供了严格的组合性检验工具，提示 SAE 特征在行为层面存在系统性非线性。
105 ▲
可解释性
Sparse Autoencoder
Mechanistic Interpretability
arXiv 2610.22344 · cs.AI / cs.CL / cs.LG
大语言模型正从辅助科研与工程扩展到自主开发与改进 AI 系统本身，将「AI for AI」（AI4AI）推进为通往递归自我改进（RSI）的路径。MLExpert 面向工作流驱动的机器学习工程（MLE），探索构建通用智能体模型以自主完成机器学习工程任务的完整闭环。
AI4AI
MLE Agent
递归自我改进
arXiv 2610.21095 · HuggingFace Daily Papers 40 ▲
世界建模与动作建模关系密切，但二者在统一因果训练下的互惠机制尚不明确。OneWM 提出简洁的统一因果训练框架，将动作同时作为条件与预测目标，系统验证了世界模型与动作模型在联合训练下的正向迁移，为具身智能的统一建模提供了实证依据。
World Model
Action Modeling
OneWM
🛠️开源社区动态
GitHub Trending · 2026-10-18
Anthropic 官方维护的 Claude Code 高质量插件目录上线即登顶 GitHub 日榜，标志着 Agent 编码工具从单体 CLI 向可扩展插件生态演进。同期上榜的还有 Claude Code 智能体记忆方案 akitaonrails/ai-memory（Rust 实现）与 K-Dense-AI/scientific-agent-skills（177 个科学技能，+878 ★），Agent Skills 生态呈现快速收敛态势。
Trending #1
Agent 生态
Claude Code
GitHub · sindresorhus/awesome 跟踪
本期对 sindresorhus/awesome 主仓库的跟踪显示，近三个月无新合并的 AI/机器学习类 awesome list，维护工作以清理归档列表为主（6 月移除 17 个、8 月移除 8 个归档列表），反映主索引进入存量优化阶段。AI 领域资源聚合的重心已转向专题列表（如 awesome-llm、awesome-ai-agents 等独立维护仓库）以及 HuggingFace Daily Papers 等动态源，建议后续跟踪重点相应调整。
Awesome List
资源索引
趋势观察
📝 编辑点评
本期最显著的信号是 Agent 研究重心从「能力验证」向「基础设施」迁移：OpenGCUA、MAI-Gym 与 FDE-Gym 分别补齐全开源栈、RL 训练平台与真实交付评测三个环节，构成通用计算机操作智能体的完整工程闭环，学术评测与工业落地的边界正在被系统性地消解。机器人方向上，Spark-0 的触觉预训练与 LIBERO-PeRM 的个性化基准表明，具身智能正从通用性转向对物理接触与用户偏好的精细建模，这是家庭场景落地的必要前置条件。开源侧，GitHub Trending 由 Claude Code 插件与 Skills 生态主导，Agent-Native 工具链的社区共识已经确立。相比之下，awesome 主索引进入存量维护期，资源发现的主阵地已不可逆转地迁移至动态源。整体而言，本期的研究增量不在模型规模，而在评测真实性与基础设施完整性——这是 Agent 走向生产环境的标志性转折。