每日精选
2 条核心资讯代理替你换书之前，先确认它懂不懂你的偏好
Anthropic 在 9 月 24 日公布 Project Swap：201 名员工参与换书，由 Claude 代理代为协商。参与者另行排列一组书的喜好顺序，以检验代理的理解。短谈之后，模型与人的两两排序一致率为 61%；这不是交易成功率。研究认为，结果离理想分配的差距主要来自偏好表示，而非协商本身。
这项实验提示，任务执行能力和目标理解应分开评估。它仍是单一公司员工、受控市场和友善模型组成的研究，不能外推成面向全体消费者的购物效果，更不是商业交易产品已经上线。
跟进：Google 说明如何把持久记忆放进受保护的云端环境
Google Private AI Compute 团队 9 月 23 日的技术说明，本期已补读正文。其设计让设备持有解密所需的密钥，个人数据以加密形式存储；处理请求时，在隔离的云端安全环境中暂时解密，新增上下文再加密保存。官方还提出公开服务器软件记录，让设备在发送数据前验证软件。
此前 9 月 24 日刊只记录了该材料未能完整打开，本期补齐机制说明。原文使用面向未来的表述，因此这里报告的是架构与技术计划，不写成所有用户已经获得跨设备永久记忆。我们未独立审计其安全性；加密保护和记忆内容是否准确，也属于不同问题。
行业洞见
深度分析从换书实验可以引出一个产品设计问题：系统完成动作之前，用户是否有机会看见它怎样理解目标？以下是本刊推论，并非该研究验证过的部署方案。
例如，代选礼物可以先展示两个候选和取舍理由；整理新闻可以先区分首发、跟进与旧闻补读；维护代码则可以把通过测试的修改与准备发布的修改分开。样例决策让抽象要求变得可检查，留下过程记录也便于定位偏差。
评估宜同时看目标理解、执行结果和纠错成本。一次任务成功并不能证明下一次也可靠，动作更多也不等于更符合用户意图。让用户能修改偏好、修正记忆与追回错误，是值得持续观察的设计方向。
来源：本刊分析 · 依据 Project Swap · 9 月 27 日观察 · 基于 9 月 24 日材料 · 明确区分本刊推论与研究结论
论文速递
3 篇论文论文首次提交于 9 月 24 日。研究构造可执行、可精确验证且与熟悉知识相冲突的“异世界”，让系统依据有缺陷的手册和环境反馈探索，再完成留出任务。两个沙盒分别设置 70 个任务，论文评估了 10 个 AI 系统。
摘要报告，较强系统能够学习并使用新规则，但不同探索轨迹差异明显，继续探索有时停滞甚至倒退。这个结果限定在人工沙盒内，不证明真实科学发现能力；它的价值在于把试验、反馈和新任务迁移纳入测量。本期只核对摘要及提交记录。
这篇 9 月 24 日提交的论文让编程代理获得任务描述与模拟器，在固定预算内生成程序，随后冻结程序，在未见实例上评估。实验覆盖 28 个模拟环境；980 个程序各测试 100 次，合计 98,000 个评估回合。
在有手工规划器可比较的 16 个环境中，摘要报告三种代理配置的平均成功率为 56% 至 95%，规划器为 47%。区间属于不同配置，不是所有环境都达到 95%。这是模拟任务与运动规划结果，不等于真实机器人已具备同等可靠性。本期未核读完整实验附录，也未复现。
9 月 24 日提交的 IterSynth 将深度搜索拆成规划者与综合者：前者决定还缺什么信息，后者把证据更新到持续演化的摘要中，避免搜索历史只增不减。训练方法同时考虑最终结果和每轮任务评分，分别分配角色的学习信号。
摘要报告，8B 模型在五项长程搜索基准上平均得分 50.7。这里引用的是作者报告的综合分数，不是通用正确率。摘要状态是否会遗漏重要反例，是实际使用时值得另外评估的风险；这一点是本刊推论。本期仅核对摘要与首次提交时间。
开源解读
2 个仓库Buzz 的官方仓库把它描述为人与代理共用的工作空间，基于自主管理的消息中继，以签名事件记录消息、工作流与代码活动。README 列出频道、搜索、审计日志、桌面端和面向代理的命令行接口，并明确把工作流审批关卡等功能放在仍在接线的栏目。
它值得观察的方向是把过程与结果放到同一处查看。签名只能帮助确定事件身份，不能自动证明操作正确或权限设计完备。本期核对 README 与 GitHub API 的 Apache-2.0 许可证记录，未安装或实测；这是 9 月 27 日榜单发现，不是当日首发。
该项目通过 MCP 向代理提供 iOS、Android 模拟器及真机操作接口，优先读取无障碍结构，必要时使用截图与坐标。官方说明包含点击、滑动、应用管理及设备操作，也列明不同平台所需的连接和开发环境条件。
它提供的是设备交互工具，不能替代任务意图、操作授权或结果验证。适合把它作为移动应用测试工具来评估，而不是据此认定代理能可靠处理任意手机任务。许可证经 GitHub API 核对为 Apache-2.0；本期只读仓库，未连接设备或执行代码，按今日工具发现收录。
采集说明 · 采集不完整 · 20/24 个来源完成检查
本期采集不完整：24 个配置来源中 20 个完成本轮检查，4 个为 partial，成功率 83.3%；无 failed 或 pending，核心源均已完成本轮检查。partial 为通义实验室、智谱、阶跃星辰和 OpenReview：前三者缺少可完整判定窗口内动态的日期列表，OpenReview 首页是会议入口而非完整论文时间流。不能据此断言这些来源没有新内容。
主窗口为 2026-09-25 22:00 UTC 至 2026-09-26 22:00 UTC；发现窗口向前回溯 72 小时。刊期从今天开始按 Asia/Shanghai 编号，接续第 20 期为第 21 期，历史日期不改动，来源 UTC 时间保留。仅有日期而无时分的内容，不强行判定落在精确的 24 小时窗口中。
arXiv 按 cs.AI、cs.LG、cs.CL 与提交时间联合查询，分两页取回接口报告的 312/312 条记录；这表示列表完整提取，不表示逐篇精读。Hugging Face 9 月 26 日列表返回空数组，补读 25 日的 22 条候选。GitHub 日榜及 Python 日榜已提取仓库，所选两个项目均核对官方 README 和 API 许可证。所有研究结果均为作者报告，未独立复现。
结构化候选共 385 条，合并 14 条重复后为 371 个唯一链接；其中 23 个已见于历史稿或选稿元数据，348 个为本轮候选池中未见历史引用的链接。这个“新增”不是当日新闻数，也不表示已逐篇核验；最终选入 8 个板块。
本期以 2 条精选、1 条本刊观察、3 篇论文、2 个仓库构成 8 个内容板块；观察与换书条目共用一个来源。Project Swap 为晚发现补读，云端记忆为此前未核全文材料的跟进。Claude 插件、Proaction、UNESCO 课程和 OECD 代理治理等已报道内容不重复展开。DeepMind 列表置顶的 Gemini 3.8 Flash 原文日期为 9 月 2 日，未当成新发布。
OpenAI 事件时间线在搜索索引中出现 9 月 25 日更新，但本轮正式页面与浏览器均未加载出相应正文；仅保留待核线索，不纳入事实报道。
待补齐：通义实验室、智谱 Z.ai、阶跃星辰 StepFun、OpenReview。不能据此判断这些来源没有新消息。
来源核验不等于独立实测；论文解读限于摘要与提交记录。