多运行框架强化学习提升智能体泛化表现
同一模型在不同框架得分可差近一倍。多框架RL将LFM2.5成绩从42%升至54%，工具调用减少31%。https://t.co/s2I8GI9SLS[1]
大黑AI速报
本期重点是多运行框架强化学习显著提升智能体泛化能力，以及LangSmith Engine v2将故障复现与修复验证产品化。多款开源模型和云端基础设施也聚焦可靠Agent工作流。
模型动态
Hugging Face开源快速报告生成模型AstaBrief
AllenAI开源AstaBrief，用于构建【快速报告生成】工作流，模型与实现现已开放。https://huggingface.co/blog/allenai/astabrief[2]
GPT-6.1 Sol浏览器任务成绩与成本引发关注
Browser Use称Sol在Bench 2.1超过Astra，估算成本低【7.8倍】；但95%提示缓存使对比需谨慎。[8]
产品工具
LangSmith Engine v2支持自动验证智能体修复
Engine v2可复现相同部署环境与输入，自动构建、测试并迭代Agent修复，降低上线风险。[3]
Google Cloud推出Spanner Queues事务消息能力
Spanner Queues让消息与业务状态保持【事务一致】，适用于退款、库存及多Agent交接。https://cloud.google.com/blog/products/databases/spanner-queues-provide-native-transactional-messaging/[4]
社区开源工具为网页版GPT增加本地操作能力
该工具让网页版GPT支持本地文件读写、命令执行及调用编码模型，但需注意账号与安全风险。https://linux.do/t/topic/2978380[5]
技巧教程
AWS分享多轮强化学习微调搜索智能体方案
教程展示在SageMaker AI上以多轮RL训练查询、检索与停止策略。https://aws.amazon.com/blogs/machine-learning/fine-tune-a-search-agent-with-multi-turn-rl-on-amazon-sagemaker-ai/[6]
NVIDIA用NeMo Relay分析智能体调用轨迹
NVIDIA联合NousResearch演示NeMo Relay，分析Hermes Agent的【工具调用、重试轨迹】，辅助定位低效步骤。[7]