Y Combinator Labs 与 Olam Labs 在 Minecraft 和 Mindustry 中测试 50 个智能体群体
Y Combinator Labs 与 Olam Labs 发布联合研究报告，把 GPT-6.1 Sol 智能体群体放进 Minecraft 和 Mindustry 测试其涌现行为。
#Agent
The DecoderAI 评分6666
The DecoderAI 评分5858 Adobe 与 UCSD 提出 EditAgent：让 AI 智能体像 Photoshop 专业用户一样选工具
Adobe Research 与 UC San Diego 提出图像编辑智能体 EditAgent，让通用编辑器与专用工具并行生成候选，再由标准语言模型依据量化校验数据挑选最佳结果。
Google Research精选AI 评分7171 Google Research 介绍让 AI 智能体扎根生物实验现实的三项研究
Google Research 发布博客，介绍三项连接 AI 计算探索与湿实验室实验的研究：VERID 框架为实验室工作单元构建语义数字孪生，让智能体在动作前检查 3D 状态、做虚拟试运行并拦截不安全指令。
推荐理由：Google Research 用三个项目展示智能体如何接入湿实验室的真实测量与闭环反馈，可了解自动化实验的工程路径。
Google Research精选AI 评分6262 Google 发布地理空间推理智能体技术报告并扩大 Earth AI 早期访问
Google 发布地理空间推理智能体的技术报告，在 CBGB、UnivEARTH 及自研的 GeoExpertQueries、GeoKTools 四个基准上评估，并公开两个新基准的开发集。
推荐理由：技术报告用四个基准对比有无 Earth AI 工具与前置规划，并附 WHO 等伙伴的真实场景反馈。
Qwen Blog精选AI 评分7272 Qwen 联合淘天发布 E-Commerce Bench 电商长程经营评测
Qwen 团队联合淘天集团发布 E-Commerce Bench，评估模型作为电商商家在真实市场中经营网店的长程能力。模型拿到 10 万元本金，在 365 天、每天 600 分钟的时间预算内完成选品、谈判、定价、库存与现金流管理，环境由 6,886 个商品、60 个品类、576 个供应商和 12 种店型构成，数据脱敏自淘宝和天猫。
推荐理由：材料给出了长程经营评测的环境设计与18个模型的资产结果，可用来对照现有Agent评测偏短程的局限。