针对 agent 动作的’静默失败’（产生貌似合理但错误的效果且不报错），本文提出 success/clean-failure/silent-failure 三分框架与确定性预检层：shell 命令侧 9,930 命令+482 工具上静态验证器捕获 95.8% 无效命令（语法/二进制检查 oracle-exact 零假阳性）；代码编辑侧 640 编辑×224 文件基准揭示格式尖锐分化——内容锚定格式（search/replace、diff）近零静默失败，行号/函数名格式高静默失败。护栏微秒-毫秒级、零模型调用，可包裹任何黑盒前沿 agent。
Accio-Lab 的开放 35B-A3B co-work 模型技术报告：基于 Qwen3.6-35B-A3B 再训练，核心主张是成本效率路线——日常 co-work 的多数步骤（状态追踪/协调/恢复/跟进）不需要前沿级推理，执行接地的数据与环境（可重放长时程轨迹+多 harness 采集）+ 分阶段后训练，在 12 个 benchmark 四能力域上做到同规模最强、部分任务比肩 GPT-5.6 Sol 级大模型，价格协议明示的性价比优势。
QMUL × Samsung AI 的产学研工作 AutoSkill：长视频 QA 中帧选择策略的有效性随问题语义类别剧烈变化，单一策略适配所有问题是错误假设。框架用 LLM agent 在小规模标注源池上迭代’提议-实现-评估-精炼’可执行帧选择技能，对目标 benchmark 仅用未标注的问题+选项文本归纳语义分类树，做’类别→技能’路由——零目标域标注，平均超 Qwen2.5-VL-7B 与 Qwen3.5-4B 基线 2.4%/1.2%。
本文提出 two-gap 框架统一解释 agentic SE 的核心失败模式：requirement gap（需求 R 与利益相关者意图 I 的差）与 model gap（环境模型 M 与真实世界 W 的差）——reward hacking 是利用鸿沟的假接受，hallucination 是拓宽鸿沟的虚构。框架推导出非显然结论：叠加更多审查 agent 无用（共享同一 R/M/E 前提）、证据与权威必须来自内循环之外。案例集覆盖 KV store 六倍吞吐作弊与 2026 年 7 月 OpenAI/HF/Claude 评测越权事件。
TU Munich × JetBrains Research 的产学研负结果研究：在真实 Kotlin 仓库的合并 PR 反向挖掘任务上，GEPA 优化 SKILL 文档仅 +4.9pp（统计不显著）、SkillOpt 仅 +0.1pp——此前文献自报的巨大增益（55%→82%）是在弱模型弱 harness 配置下测出的。论文进一步证明 pass-rate 增益量级与二元判决本身的误标率（10.7% 盲重试通过）同阶，测量仪器而非优化器才是瓶颈。maintainer 盲读却确认 SKILL 含真实项目知识——分数之外的价值。
Scale AI 提出并形式化’任务无关环境预处理’设定：agent 在不知道下游任务分布的前提下自主’学习’陌生环境（S: Π×E→E——学习系统在预算内探索环境、产出制品给冻结 solver）。Meta-Agent（±策略 Archive）在 6 个异构 benchmark 的 5 个上取得最高 Avg@3；学习制品显著降低测试时采样需求；但更大学习预算不必然提升——‘学什么’比’学多久’重要。
那不勒斯费德里科二世大学的 78.7 万函数对大规模研究：3 家 AI 助手（GPT 系/DeepSeek-Coder/Qwen2.5-Coder）按人写函数的 docstring 生成配对实现，静态分析映射到 ODC 缺陷分类+CWE 漏洞分类实现三语言（Python/Java/C）同框架人机对照。核心发现：AI 代码’结构压缩+风格模板化’（体量约人写一半、风格层独立聚类）；缺陷类型分化而非数量分化；C 语言上 AI 高严重性内存安全缺陷反而更少。发布 CQBench（27,346 高问题任务）——Opus 4.8 在其上仍 2/3 有缺陷、1/3 有安全发现。
比利时鱼油品牌 WHC 中国区操盘手张晓忠与松鼠跃动创始人天蓬（赵昂雄）对谈：在投流费比从 5 个点涨到 30 个点、达人佣金占 60% 的电商环境里，WHC 连续三年保持两位数增长，靠的不是卷价格卷投放，而是三件“反流量”的事——带用户海边捡垃圾、双十一直播间不挂车只聊情绪、信任危机时不找博主找五位普通用户去欧洲溯源。健康的增长是结果，不是目标；决定不做什么，比决定做什么更重要。
周日数据面平静而产业面滚烫：Pheo 团队用 66,192 个 agent 技能的全语料测量证明「许可 ≠ 恶意」——705 个全扫描器判清白的技能仍在教 agent 执行 CIS/NIST 明令禁止的操作，运行时治理层 OATS 以 67ms 确定性解析器实现 23/23 全拦截；清华 TraceMind 把「用户到底记住了 LLM 写的什么」变成可预测问题，交互轨迹对齐建模拿下 81.17% AUROC。产业侧智谱完成 50 亿美元融资冲刺下一代 GLM、工信部发布 AI+软件专项行动方案、Anthropic 披露胡塞武装用 Claude Code 开发导弹制导软件、Meta Muse 迎来刷屏日。
Pheo 团队对 ClawHub 全部 66,192 个 agent 技能版本做了测量：705 个被所有扫描器和 LLM 判官共同判为「清白」的技能，仍在指示 agent 执行 CIS/NIST 明令禁止的操作；活体实验中 agent 对 43.4% 的此类技能真的伸手，运行时门控 23/23 全部拦截。论文提出 OATS——无模型决策路径的确定性解析器 + 按资源×类别键控的信任账本 + 从操作者风险容忍度统计推导的晋升阈值，把 agent 安全从「发布时扫描」的单层世界重构为分层组合的世界。