AI 日报 · 2026 年 11 月 4 日 · 星期三
MYHOT
IBM 开源企业级 Agent 框架 CUGA
IBM 开源企业级 Agent 框架 CUGA，在 AppWorld 基准测试中任务完成率显著高于 Hermes 和 Deep Agents。同日，IBM 还发布开源模型 Palette，可生成符合企业设计语言的幻灯片。
产品发布/更新
IBM 开源企业级 Agent 框架 CUGA，强调规则执行与私有化部署
IBM 开源企业级 Agent 框架 CUGA，在 AppWorld 基准测试中，使用相同的 GLM-5.3-flash 模型，CUGA 的任务完成率（81.1%）显著高于 Hermes（46.7%）和 Deep Agents（30.0%）。CUGA 将业务规则从提示词移至运行时强制层，支持在私有云或隔离环境中部署，并提供预算限制与审计功能。
TechCrunch · AIApple Watch AI对话回顾与摘要功能开启开发者测试
Apple Watch的AI音频智能功能进入iOS 27.3开发者测试，包含Live Rewind和Siri Recaps。Live Rewind可回看最近15秒对话文本，Siri Recaps提供对话摘要。功能依赖S11芯片、iPhone端侧处理及Private Cloud Compute，强调隐私保护与本地加密。
Hugging Face 提出 Transformers 模型集成契约标准
Hugging Face 发布模型集成契约（MIC）标准，通过构建缩小版模型并在 CPU 上运行快速集成测试，以捕获如 UMT5 注意力机制等回归缺陷。该方案包含模型实例、使用路径和基线输出，并支持使用 LLM 辅助生成测试代码。
Google DeepMind一手Google Antigravity 发布化学信息学智能体技能
Google Antigravity 发布化学信息学技能，将 RDKit 等工具与语言模型结合，实现从文献提取分子、匹配分子对分析到设计新大环化合物及合成路线的全流程自动化。官方宣布该技能已上线，并向符合条件的科学家提供 6 个月免费最高使用额度。
论文研究
CWE-bench v2 发布：100 个开源安全评测任务与自动化评测环境
Collinear AI 发布 CWE-bench v2，开源包含 100 个真实安全任务的评测集，涵盖 91 种 CWE 漏洞类型，提供全自动化程序化评分与确定性验证。
技巧与观点
IBM 发布 Palette：用 20B 模型生成符合企业设计语言的幻灯片
IBM 发布开源模型 Palette，通过 LoRA 微调 20B 模型，将设计规划与代码生成分离，使其能生成符合 IBM 设计语言的幻灯片。在 PresentBench 评测中，Palette 在经济学和教育学领域排名第一，整体表现超越 Manus 1.6 等前沿系统。