AITOP
精选
过去 24 小时，从 868 条中筛出 49 条
全部模型产品行业论文技巧
标签：回归预算×
6月11日
15:28
15:23
15:07
6月1日
00:09
5月29日
13:03
13:03arXiv: DeepSeek@Johannes Moll, Jean-Philippe Corbeil, Jiazhen Pan, Martin Hadamitzky, Daniel Rueckert, Lisa Adams, Keno Bressem
精选72°
LLM智能体在结构化环境中常因操作失败而非对话失败，其可靠性依赖于对环境的程序性知识。现有自我改进方法会累积自然语言指导，但不检查新条目是否破坏已有正确行为，导致修复一个轨迹却使另一个退化。GRASP将智能体改进视为对有限技能库的编辑序列，仅当候选技能在平衡的保留测试集上产生净改进且不超过硬回归预算时才被接受。在五个基础模型和两个临床基准上，GRASP将gpt-oss-120b从40.6%提升至88.8%，超过最强基线21.0个百分点，并提升其他模型17.2至40.3个百分点。该方法还泛化到非临床环境，且技能库可在模型间迁移，强模型技能能提升弱模型表现，反之则不行。
论文LLM智能体自我改进技能库回归预算门控机制
推荐理由：做LLM智能体自我改进的团队终于有了一个不担心「修好一个、搞坏一个」的方案——GRASP用硬回归预算和门控机制确保每次改进都是净收益，临床场景提升显著，建议做智能体可靠性的开发者点开看看。
原文
08:02
AITOP5月29日 08:02
Opus 4.8发布：编程助手的“静默时刻”，是解放开发者，还是新门槛？🔥Anthropic 把 AI 编程的“确认键”彻底删掉了！Claude Code 搭载全新 Opus 4.8 模型，长时间任务不跑偏、不废话、不中断，像一个资深工程师一样默默干活，从功能开发到漏洞清扫全包圆，你在旁边喝茶等结果就行。过去 AI 写代码三步一问“这样可以吗”，现在它直接交完整交付物……自主编程的最后一层窗户纸，被捅破了。做自动化开发和代码审查的团队，这个模型建议直接上手，效率差距肉眼可见……Opus 4.8发布：编程助手的“静默时刻”，是解放开发者，还是新门槛？