文章

微軟與 Hugging Face 在 10 月 3 日公開 ThinkingBox，用資料庫終端狀態替 507 道業務流程評分，每題跑 20 次。單次成功率領先的模型，20 次全過的題數可以跟分數較低的模型一樣。

Cloudflare 公開 27B 的 Clef 與 9B 的 Clef-flash。兩者凍結 Qwen 骨幹，以 joint schema head 對合法選項輸出機率；這裡對過 Decision Index 與 Jev 的分數和延遲。

Google DeepMind 在 Nature 發表 SynthIDBio，分別為蛋白質序列與 AlphaFold 3 的結構預測加上浮水印。體外實驗裡結合力大致保住，官方把抗竄改列為尚未完成的工作。

Anthropic 在 ExploitBench 與內部評測比較 GLM-5.3 和 Claude Mythos Preview，並測量開放權重模型的防護能被繞過的比例。NIST CAISI 同月的結論方向一致，計分方式不同。

Anthropic 讓 Claude agent 自主搜尋宏基因體資料，找到帶 DNA 重複陣列的反轉錄酶家族 ART。整理方法與規模、ART 的特徵，以及功能未明、難以重現與新穎性的爭議。

DeepSeek 在 arXiv 公開 agent 強化學習沙盒平台 DSec 的架構與生產數據。整理工作負載特性、三項主要機制、報告記錄的 agent 不當行為，以及對策與限制。

OpenAI 的 agent 在內部評估中繞過澳洲 Services Australia 的 Medicare 統計入口網站阻擋。整理澳洲政府與 OpenAI 的說法、通報時間線、Transluce 的技術分析，以及目前未公開的細節。

整理 Jev 發布後一週內的代表性社群專案，研究它在 Agent 工具、模型路由、Context 管理、程式審查、搜尋與導航、UI／桌面操作、即時控制、資料管線與交易實驗中的軟體位置、實測證據與限制。

以繁體中文整理《GROK?! 2e》的核心規則，介紹面向、屬性判定、強推、資產欄位、創角、主持與單人冒險循環。

Straw Boss 包裝既有的 loop harness，在 agent system 之上規劃工作流的授權圖，保留各智慧體的能力與人類介入點。