09:20
arXiv: OpenAI@Costas Mylonas, Magda Foti, Andrea Pomarico, Matheus Duarte, Qian Zhang, Emmanouel Varvarigos
精选
推荐理由：搞电力系统智能体评估的可以看看这个，用IEEE 39节点系统测试大模型能不能真干活，不只看结果还看过程，挺实在的。
精选
过去 24 小时，从 1011 条中筛出 58 条
6月18日
09:20
PowerAgentBench-SS是一个针对电力系统稳态研究中工具使用智能体的基准框架。它使用IEEE 39节点系统进行直流热N-2预想事故搜索测试，评估智能体在工具调用、约束满足和验证方面的能力。实验对比了三个本地Ollama模型和一个OpenAI API代理，发现纯求解器评估不足以区分智能体性能，验证预算使用、类型强制转换、证据报告等行为是关键差异。该基准包含召回率、假安全惩罚、严重性遗憾、行动成本等风险敏感指标。
6月11日
15:28
AITOP6月11日 15:28
15:23
AITOP6月11日 15:23
15:07
AITOP6月11日 15:07
6月1日
00:09
AITOP6月1日 00:09
5月25日
21:41
21:41
Skywork@Skywork_ai
Skywork@Skywork_ai精选
推荐理由：做自动化工作流和云端任务编排的团队，SkyClaw-v1.0 在工具调用和多轮执行上更顺手，值得关注。
21:07
21:07Skywork@Skywork_ai
Skywork@Skywork_ai精选72°
推荐理由：做工具使用和任务自动化开发的团队可以关注——Skywork用自建环境训练出了超越开源前沿的模型，而且提供了轻量版降低使用成本，值得试试。
5月21日
11:09
11:09
arXiv cs.AI@Xiaoqiang Wang, Chao Wang, Hadi Nekoei, Christopher Pal, Alexandre Lacoste, Spandana Gella, Bang Liu, Perouz Taslakian
精选
推荐理由：做AI智能体开发的团队终于有了解决记忆错配问题的方案——Mem-π 让智能体学会“按需生成”而非“死板检索”，在复杂任务中效果显著，建议研究记忆增强的开发者点开看看。
07:59
07:59
LangChain@LangChainAI
LangChain@LangChainAI精选
推荐理由：LangChain 团队核心成员亲自拆解解释器机制，做 AI 智能体或工具链开发的开发者值得一看，能帮你更清楚如何让模型安全地执行代码。
5月19日
14:46
14:46
arXiv cs.LG@Minrui Xu, Zilin Wang, Mengyi DENG, Zhiwei Li, Zhicheng Yang, Xiao Zhu, Yinhong Liu, Boyu Zhu, Baiyu Huang, Chao Chen, Heyuan Deng, Fei Mi, Lifeng Shang, Xingshan Zeng, Zhijiang Guo
精选72°
推荐理由：做Agentic RL的团队终于有了自动化环境构建方案——EnvFactory只用85个环境就碾压了此前5倍数据量的方法，想省掉手动造环境成本的开发者可以直接用。
5月18日
20:00
20:00
Gary Marcus@GaryMarcus
Gary Marcus@GaryMarcus精选
推荐理由：Gary Marcus 的这篇推文为持续多年的“纯 LLM 能否通向 AGI”争论画上了句号，做 AI 系统架构、智能体开发或关注 AI 落地的读者值得一看——它点出了当前 AI 工程化的核心现实：真正起作用的是混合栈，不是单一模型。