COG
COG 開源專案：整合 V-model 驗證與 31 項 AI 技能，打造自進化第二腦
GitHub 上出現了一個名為 COG（Cognition + Obsidian + Git）的開源專案，它將 AI 代理、Markdown 檔案與版本控制整合成一個「自進化第二腦」。該專案提供 31 項 AI 技能、10 個代理與 6 個工作者，並導入 V-model 驗證生命週期，確保工作者不會自己批改自己的作業。
AI代理
深度分析
CMI-Mem：以條件互資訊強化長期記憶管理，提升AI代理記憶選擇效率
本研究提出 CMI-Mem，一種以強化學習為基礎的輕量級記憶管理器模型。傳統的記憶管理器依賴大型語言模型（LLM）作為評審，透過合成問答（QA）對來評估記憶品質，但這種方法會使記憶的價值受到抽樣查詢與下游閱讀器的影響，導致泛化能力受限。
深度分析
AI代理自信出錯的根源在資料工程：從Uber與Netflix的資料可觀測性實踐談起
企業在部署AI代理時常遇到一個詭異現象：模型沒改、提示沒動，但系統卻開始自信地給出錯誤答案。這並非語境或檢索層的問題，而是資料工程層的隱性失效。本文從Uber統一的資料品質平台（支援超過2,000個關鍵資料集，偵測約90%的資料品質事件）與Netflix的企業級資料血緣系統出發，提出四個可獨立測量的維度：正確性、新鮮度、一致性與血緣。
深度分析
修復AI代理的五大管道：驗證者引導下的難度梯度與可靠性陷阱
這篇論文探討如何透過五種不同的修正管道（naive in-context prompting、verifier-guided in-context hints、imitation fine-tuning、reward-based updates、inference-time override）來修復電腦使用代理（CUA）的失敗行為。
速報
CLARE 問世：AI 代理用「主動澄清」終結 3D 模型生成的模糊指令困境
現代 3D 創作工具鏈要求精確參數，但一般使用者常給出模糊指令。為解決此不對稱問題，研究團隊推出 CLARE，一個具備澄清意識的演化式 3D 代理。CLARE 將生成流程拆解為四個認知角色，在執行昂貴的 3D 工具前，先攔截並釐清模糊指令。其澄清策略透過模擬多輪互動自我演化，無需人工規則，並以多輪獎勵最佳化平衡效率與任務完成度。
深度分析
AI 代理評估轉向對比分析：LangChain、Conviva、CoreWeave 高層揭露新思維
AI 代理評估出現新典範：單一對話評分可能掩蓋產品缺陷。LangChain、Conviva 與 CoreWeave 專家提出對比分析，比較用戶群體與基線以找出問題。評估標準成為動態產品規格，並建議從頂尖模型逐步縮小至小型模型或正則表達式，大幅降低成本。人類監督仍不可或缺。
速報
Google Cloud Next：投入7.5億美元扶植企業級AI代理與Gemini生態
Google在拉斯維加斯舉辦的Cloud Next上宣布新一波AI策略。會中推出七億五千萬美元預算，協助合作夥伴推廣企業級AI代理，資助範圍含Gemini概念驗證、工程支援與雲端額度等。此舉旨在加速企業上雲採用並擴大Google Cloud在AI生態的市占與能見度。