平台工程研究显示，强制采用平台的团队中62.2%称实现了大部分或全部目标，而自愿采用者仅27.5%。但行业正转向自愿采用，强制平台占比从63.0%降至45.9%。强制采用常与领导支持、预算信心相伴，且在预算不确定时更有效。建议强制推行安全、成本等政策，而平台采用本身保持自愿，让平台成为满足政策的最省力路径。

论文审计33,000条工具调用agent轨迹发现：低注入攻击成功率并不等于防御成功。基准判为“攻击失败”的轨迹中，76%至80%只是agent忽略了注入内容，真正安全拒绝仅约18%。仅改system prompt，同一权重ASR可在0.2%与43%间摆动；部分agent识别出注入仍照做。ASR把忽略、拒绝、识别后失守混为一谈，系统性高估防御能力。

约翰斯·霍普金斯大学等提出EvoSafeHarness，可自动优化智能体安全防护层，针对不同模型与领域搜索自然语言策略和代码逻辑。在四类基准测试中，平均攻击成功率从45.6%降至10.0%，正常任务实用性仅下降3.3个百分点，并在迁移和自适应攻击中保持有效。

Anthropic数据显示，Claude Code任务成功率已升至约九成，但AI写代码并不等于能递归自我改进。真正的自主需目标设定、实验、训练、验证与安全决策形成闭环，当前更接近强力人机研发循环。团队应按风险分级AI改动，用交付周期和事故率替代代码行数，并公开任务抽样与外部审计。

Real-SWE基准测试将AI编程代理置于真实企业私有代码库中，结果显示其表现大幅下降。Claude Fable 5.1以38.8%的成功率领先，GPT-6 Astra为33.8%，Gemini 3.8 Flash为31.2%。十个任务中有六个成功率低于15%，且无模型能解决分析流缩减器。失败主因是遗漏需求和集成错误，表明解决编程题与应对陌生生产代码库差异巨大。

莱斯大学与英伟达提出RoboTok，一个面向互联网规模人类视频的示范检索数据引擎。它从网络视频中筛选片段、重建三维手部轨迹，学习运动嵌入空间，实现高效相似行为检索，无需任务标签。实验显示其检索质量远超基线，并能提升灵巧操作策略成功率，为机器人学习提供可持续扩展的数据来源。

清华AIR与域变换联合发布Zeva，首个实现上下文因果学习（ICCL）的具身模型。它无需更新权重，通过因果交互提取、双时标记忆和上下文策略注入，让冻结模型在部署中自进化。在基准任务中累计成功率从26%提升至73%，真实化学实验室任务成功率显著增长，并支持一次人类演示学会新操作，开启上下文空间扩展的新范式。

Simular公司的电脑代理Sai在OSWorld 2.0基准测试中取得73%成功率，超越GPT-5.6 Sol和Opus 5，成本仅为它们的三分之二。Sai采用神经符号方法，结合神经网络与符号代码，高效处理真实工作场景任务，如发票验证和疫苗预约。公司强调其设计注重经济实用性，而非追求行业荣誉，旨在为个人和企业提供可负担的自动化解决方案。

论文《HarnessRisk》提出面向Agent外壳安全的全生命周期基准，用128个沙箱案例测试6个阶段。结果显示同一模型在不同外壳下攻击成功率差4.3倍，配置阶段最脆弱，且检测风险不等于安全行动，任务效用不能作为安全证据。

PyCharm推出Agent Environment Coordinator技能，使AI代理能查询项目正确的Python解释器并自动配置环境，避免安装到错误版本或污染系统。测试显示，6个AI模型在28个任务中平均成功率从68%提升至98%，且不修改系统Python，显著提升任务完成率和环境清洁度。

AI降本的核心并非更换更便宜的模型，而是降低系统复杂度。高成功率系统往往更复杂、成本更高，企业常只关注模型账单，忽略组织成本。真正降本需重构工作流，通过缓存、模型分层、上下文压缩、工具筛选和任务边界重定义，从减少token消耗转向降低系统复杂度。

苏度科技在WAIC展示仿真训练机器人，实现99%+抓取成功率，涵盖精密装配、柔性打包及宁德时代电池产线多机协作。公司坚持仿真为主、虚实融合数据路线，自研本体，构建高精度世界模型，目标打造具身智能iOS平台，强调高可靠性与泛化能力，估值达200亿元。

魔法原子在WAIC展示其通用具身大模型Magic-VLA K02，成功完成叠盒封胶、衣物整理等复杂长程任务。该模型采用分层双系统架构，实现任务规划与动作执行协同，具备动态纠错和受扰恢复能力，叠盒封胶成功率超90%，并提升跨机器人适配与部署稳定性。

开源AI正成为生产主力，推理成本三年降50倍，中国模型流量超美国三倍。但部署成功率低，闭源在集成、长上下文、合规上领先。开源生态经济规模达千亿美元，中国是最大权重来源。未来机会在开源harness、记忆层、权限标准等领域，窗口期有限。

本文探讨了自主谈判代理中的行为隐私泄露问题，提出了一种自适应随机谈判策略，确保差分隐私和高谈判效用。通过对3000次双边谈判的评估，该机制将对手推断准确率降低了43-50%，同时保持90%以上的成功率，证明了在不显著损失性能的情况下可以实现强隐私保障。

在具身智能领域，视觉-语言-动作（VLA）模型面临模仿学习导致的误差累积问题。华为云的HIL-ResRL方法通过人机协同和残差策略，提高了机器人在真实环境中的任务成功率，实验成功率超过95%。该方法无需重训练，适用于多种工业任务，并通过触觉反馈显著提高精度，展示了快速部署的潜力。

HIL-ResRL是一种即插即用的VLA工具，经过1小时微调后成功率超过95%。该技术在提升机器学习模型应用效率方面具有重要意义。

文章探讨了将面试视为推理游戏的方法，通过积累样本来提高成功率。作者分享了备战和复盘的流程，以帮助读者更有效地准备面试。

英伟达与卡内基梅隆大学、伯克利大学联合推出ENPIRE框架，旨在让AI自主进行机器人研究。该框架通过自动化实验流程，提高机器人在复杂任务中的成功率，研究表明AI代理能够独立提出研究思路并优化实验，最终在多个任务中实现99%的成功率。ENPIRE的核心是构建一个可迭代的物理实验环境，以提升机器人研究的效率。