侧重 AI Coding 与 具身智能 方向，精选 7 条今日值得关注的重要动态。
1. Speculative Macro Commit：让工具调用型 Agent 快起来的"投机执行"
事件内容：
论文提出 Speculative Macro Commit（SMC），一种面向工具调用型 LLM Agent 的运行时加速机制。系统由一个大型"权威执行模型"产出正式轨迹，同时由一个更小的"推测草稿模型"在隔离环境快照上持续预测并执行未来多步动作链。SMC 从训练轨迹中挖掘可复用的多动作骨架存入宏库，运行时若草稿模型预测的首步与权威模型下一步一致，便将预执行的后续步骤及其观测直接提交到正式轨迹。以 Qwen3.5-27B（INT4）作权威模型、Qwen3.5-4B 作草稿模型的实验中，SMC 在保持准确率的同时，相较顺序执行在 τ²-Bench 电信子集上降低延迟 18.59%，在 AppWorld 上缩短墙钟时间 44.9%。
为何值得关注：
Agent 的瓶颈正从"模型多聪明"转向"多快能行动"。SMC 把推理中成熟的投机执行思想迁移到多步工具调用，证明用一个小模型并行试跑、由大模型裁决，即可显著压缩等待环境反馈的墙钟时间而不牺牲完成率。这对编码 Agent、浏览器自动化、运维 Agent 等高频工具调用场景是直接可落地的提速思路，也提示"大小模型协同"将成为 Agent 基础设施的标配。
2. CONFLICTGUI：GUI Agent 何时该"拒绝执行"
事件内容：
研究指出 GUI Agent 普遍存在"执行偏置式过度顺从"：当用户发出逻辑上不可行或与界面状态冲突的指令时，表现优异的 Agent 仍会盲目执行。论文提出 CONFLICTGUI 基准，覆盖"指令内部冲突"与"指令-界面上下文冲突"两类，并给出 CONFLICTGUARD 推理期框架——包含可行性验证协议（行动前评估指令逻辑与界面证据）与条件动作调制机制（将 Agent 从过度执行导向终止）。在五个主流 GUI Agent 上的实验显示，该方法显著提升冲突任务成功率，同时保持正常 GUI 任务表现。
为何值得关注：
Vibe Coding 与电脑操控 Agent 正进入生产，但"听话"不等于"可靠"。CONFLICTGUI 揭示 Agent 缺乏"何时不该做"的边界意识，这恰是自动化最危险的一类失败：不是做错，而是执行了不该执行的指令。轻量推理期干预即可纠正，说明工程上可控；对把 Agent 接进真实软件、银行、操作系统的团队，这是必须纳入的安全基线。
3. Dude：用多智能体自动核对"论文说法"与"开源代码"
事件内容：
随着论文投稿量激增，人工核查"论文说法"与"开源代码"是否一致已力不从心。论文提出 Dude，首个面向论文-代码差异检测的双检测多智能体系统。作者发现论文语言与代码语言粒度不对称会引发过度解读与误报，遂引入"粒度对齐协商"与"两阶段显著性过滤"抑制 Agent 虚报差异。在真实论文-代码数据集上，Dude 相较基线召回与精确率最高提升 22.8%，F1 最高提升 18.7%。
为何值得关注：
可复现性危机是 AI 研究的老难题，而 LLM Agent 恰好擅长跨文档、跨代码核对。Dude 把"论文-代码对账"从人工苦力变为可自动化、可审计的流程，既能帮审稿人快速发现夸大的实验结果，也能帮工程师判断第三方仓库是否名副其实。这是 AI Coding 从"写代码"走向"审代码、验结论"的清晰信号。
4. AutoGraphForge：LLM + Lean 4 自动发现图论猜想
事件内容：
项目 AutoGraphForge 构建了一套"猜想—反驳—形式化—证明"的自动化图论发现流水线。猜想生成以反例驱动、多轮迭代：先用小规模图快照提出猜想，再由 559 条经典与民间关系组成的"新颖性过滤器"用线性规划判定是否已被已知结果蕴含，幸存者用约 34.8 万张图的数据集攻击反例。在 HPC 集群上跑出 6522 条存活猜想，并借助 DeepSeek-Prover-V2-671B 与 OProver-32B 两个神经证明器，在 Lean 4 中与 mathlib4 内核逐项验证。
为何值得关注：
这是 LLM + 形式化验证在"自动化科学研究"上的代表性落地：模型负责提出与试错，内核负责不可篡改的判定。图论只是起点，思路可迁移到组合、代数等领域。对开发者而言，它演示了"用 AI 生成候选、用严格证明器兜底"的可靠协作范式——比单纯让模型输出答案更接近可信工程。
5. Fresh Memory, Stale Plans：多智能体团队的"过期计划"陷阱
事件内容：
分布式 LLM Agent 团队能读到最新共享事实，却仍可能基于过期计划行动：某 planner 依据需求 r3 定计划，另一 Agent 提交了 r4，执行者收到 r4 却未替换基于 r3 的计划。论文称此为"过期计划执行"，并提出 PlanFence——依赖作用域的行动验证协议：计划须引用其依据的确切公共记录，执行者仅验证会影响待执行外部动作的记录，验证不全则重规划或阻断。在 30 个带"计划后修订"的实测流程中，仅看新鲜度的执行者每次都误用旧计划，PlanFence 则全部正确完成。
为何值得关注：
多 Agent 协作的坑不在"模型能力不足"，而在"状态一致但计划已失效"。PlanFence 用轻量协议把"计划是否仍有效"显式化，避免重同步风暴，也避免无关状态被反复校验。对正在搭建 Agent 工作流、CI 协同、自动运维的团队，这是分布式 Agent 可靠性的关键一课：光同步数据不够，得同步"依据的假设"。
6. Nori Robotics 发布 1688 美元双臂人形机器人 A3
事件内容：
YC 支持的 Nori Robotics 推出双臂人形机器人 Nori A3，标价 1688 美元，定位"面向开发者的低成本人形机器人"，预计 2026 年秋季发货。硬件上每只机械臂 7+1 自由度、单臂负载 1.5kg；配备 12 米测距激光雷达、4 个 720p 摄像头、扬声器与麦克风；续航 6–8 小时。配套 Nori Lab 笔记本应用用于训练、操作与管理，并计划提供"技能市场"让用户在家中训练后分享技能。
为何值得关注：
人形机器人长期卡在"贵且难上手"，Nori 把价格压到消费级、把训练做成可视化 App，降低了开发者与爱好者进入具身智能的门槛。它的意义不在性能超越工业臂，而在于把"数据采集—训练—分享技能"的飞轮搬到桌面端。若技能市场跑通，可能像开源模型一样加速具身策略的社区化迭代——当然，1688 美元能否兑现所宣传的能力，仍需真机验证。
7. UniBLEed：Unitree G1 人形机器人曝未授权 Root RCE
事件内容：
安全研究者披露 UniBLEed：在蓝牙范围内即可对 Unitree G1 人形机器人取得未授权 root 权限，获 6700 美元赏金并产出两个 CVE（CVE-2026-76639 / CVE-2026-76640）。攻击链横跨蓝牙、Unitree 云、移动端与 G1 固件：任一免费账号的云 API 可在不校验所有权的情况下解密任意 G1 的 AES 密钥；一个无需配对的 BLE 特征接受写入；经 heredoc 注入劫持 WiFi、知识库路径遍历泄露加载地址，再用 1050 字节 BSS 溢出把事件循环改为以 root 调用 system()。该漏洞可蠕虫式传播。
为何值得关注：
当人形机器人走进家庭与工厂，"能远程 root"就从 CTF 变成真实威胁。UniBLEed 暴露了具身智能产品典型的供应链短板：云服务鉴权松懈、BLE 未配对可写、固件缓冲区溢出。随着具身设备联网，安全将成采购与合规的硬指标。对 Agent 与机器人开发者，这是个醒目的提醒——物理世界里的漏洞代价远高于纯软件。
每日 09:00 自动更新 | 侧重 AI Coding 与具身智能方向