智能体工作流为何失败：基于文献与实证数据的失败分类体系
一篇 arXiv 论文提出面向来源的智能体工作流失败分类体系，结合失败类型词典、工作流阶段定位与智能体能力定位，构建以工作流阶段为横轴、智能体能力为纵轴的双轴定位矩阵。实证对比显示，文献中的失败集中在规划、推理、学习、感知与知识相关机制，而 GitHub 上的失败集中在执行阶段、执行动作、工具、API 与基础设施，迭代执行与执行动作是主要热点。
#GitHub
arXiv cs.AIAI 评分4040
GitHubAI 评分2222 AI FOMO Index：一个追踪 AI 信息环境变化速度的开放研究项目
AI FOMO Index 是一个开放研究项目，将新闻速度、AI 实验室活动、社区关注和话题峰值合成 0–100 的透明可复现指数，方法版本 v1.1.0，最新观测发布于 aifomoindex.com。
GitHubAI 评分88 natasLT/AI2001_Category-Source_Code-SC-M3U：M3U 源码数据集
natasLT 发布 AI2001_Category-Source_Code-SC-M3U 数据集，收集 M3U 语言源码文件，用于语言建模、tokenization 实验、代码分类和编码器-解码器任务。
GitHubAI 评分2222 brandonhimpfen/ai-provenance-corpus：AI 溯源事件语料库 v0.1 发布
brandonhimpfen/ai-provenance-corpus 发布 v0.1，一个以事件为中心、机器可读的 AI 溯源语料库，记录 AI 辅助产物从检索、生成、引用、编辑、验证、评审到发布的流程元数据而非产物内容。
Hacker News精选AI 评分7878 Hacktron 披露 HEIF Heist：针对 HEIF/AVIF 图像解码器的一类 RCE 攻击路径
Hacktron 研究团队公布名为 HEIF Heist 的一类远程攻击路径，针对解码攻击者可控 HEIF、HEIC 或 AVIF 图像的服务，可导致内存破坏、数据泄露或远程代码执行。
推荐理由：Hacktron 披露一类针对 HEIF/AVIF 解码器的攻击路径，涉及多家平台，并给出受影响版本与修复建议。
科技媒体 RSSAI 评分6262 OpenAI 公布内部前沿模型在数学开放问题上的新结果
OpenAI 发布内部前沿模型在数学开放问题上取得的新结果，并在 GitHub 上公开 Lean 证明形式化与研究细节。
OpenAI News精选AI 评分6262 OpenAI 公布前沿模型在数学开放问题上的进展
OpenAI 发布内部前沿模型在数学开放问题上的新结果，并在 GitHub 上公开 Lean 证明形式化及相关研究细节。
推荐理由：OpenAI 公开内部前沿模型在数学开放问题上的结果，并放出 Lean 证明形式化与细节，可看模型推理与形式化验证的结合方式。
科技媒体 RSSAI 评分2222 BestBlogs 早报：ReviewBench 与 Claude Agent SDK 等
GitHub 发布 ReviewBench，用贴近真实开发分布的代码变更评估 AI 代码审查质量，可区分已知问题与新发现，并支持按严重程度、误报与漏报偏好进行比较。BestBlogs 10-06 早报共汇总 10 条 AI 内容，Claude Agent SDK 等亦在列。
科技媒体 RSSAI 评分4242 GitHub 发布 ReviewBench 代码审查基准
GitHub 发布开放基准 ReviewBench，用于评估 AI 代码审查智能体，评测集包含 187 个开源仓库的 219 个 PR、覆盖 19 种语言，其构建参考了 1.039 亿次 pull request 的分布。
GitHub Blog · AI & ML精选AI 评分6060 GitHub 发布 ReviewBench：面向 AI 代码审查的开放基准
GitHub 发布 ReviewBench，一个面向 AI 代码审查智能体的离线基准，基于 1.039 亿个 GitHub pull request 的分布特征构建，包含来自 187 个开源仓库、覆盖 19 种语言的 219 个 pull request。
推荐理由：GitHub 公开了代码审查基准的构建方法与评测口径，读者可据此理解 AI 代码审查能力该如何被量化比较。
科技媒体 RSSAI 评分4242 GitHub 发布开源基准 ReviewBench，用于评测 AI 代码审查智能体
GitHub 发布 AI 代码审查离线基准 ReviewBench，并已在 ReviewBench 网站开放使用。该基准用于评测 AI 代码审查智能体。
arXivAI 评分3232 SWE-CC：面向编程智能体的仓库贡献规范合规性基准
研究团队提出 SWE-CC 基准，用于评估编程智能体在解决 GitHub issue 时对仓库贡献规范的合规程度。现有基准仅用单元测试评判补丁，而成熟开源项目还要求遵循风格、git 与测试流程等仓库特定政策，智能体在这方面的合规情况此前未知。