AITOP
精选
过去 24 小时，从 903 条中筛出 50 条
全部模型产品行业论文技巧
标签：GPT-5×
6月12日
10:41
10:41arXiv: Anthropic@Elias Lumer, Sahil Sen, Kevin Paul, Vamse Kumar Subbiah
精选
本文提出 Recursive Agent Harness (RAH) 概念，将递归从模型调用扩展到完整智能体框架，包含文件系统、代码执行和规划能力。在长上下文推理任务上，RAH 在 GPT-5 骨干上比 Codex 基线提升近 10 个百分点（71.75% → 81.36%），使用 Claude Sonnet 4.5 时达到 89.77%。该方法通过父智能体生成可执行脚本并行启动子智能体，结合结构化函数调用处理细粒度任务，为生产级编码智能体提供了新范式。
论文递归智能体长上下文推理智能体框架编码智能体GPT-5
推荐理由：RAH 解决了长上下文推理中智能体扩展性的核心瓶颈，做复杂编码任务或智能体系统的开发者可以直接参考其设计思路，效果提升显著。
原文
6月11日
15:28
15:23
15:07
6月1日
00:09
5月29日
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？
5月19日
14:05
14:05arXiv: DeepSeek@Anika Tabassum, Md Sifat Hossain, Md. Fahim Arefin, Tariqul Islam, Tarannum Shaila Zaman
精选72°
A-ProS 是一个自主 AI 智能体，通过混合多模型反馈框架解决竞争编程问题，将解决方案生成与专门调试分离。它结合了 ChatGPT 生成器（GPT-4 和 GPT-5）与三个调试批评模型：Codestral-2508、Llama-3.3-70B 和 DeepSeek-R1，采用 2x3 因子设计。在 367 个 ICPC 世界总决赛（2011-2024）和 Codeforces（评级 1200-1800）问题上的评估显示，GPT-5 工作流经过三轮优化后，初始接受解决方案从 39 个提升到 85-90 个，GPT-4 从 15 个提升到 31-38 个。控制消融实验表明，有状态优化比无状态方法性能提升 8.5-10.6 个百分点，重复失败减少高达 3.5 倍。与基线智能体循环相比，A-ProS 的增益超过 2 倍，凸显了持久上下文和多模型反馈对于可靠自主程序合成的重要性。
论文自主编程多模型反馈竞争编程GPT-5调试智能体
推荐理由：竞争编程开发者终于有了一个能可靠迭代的 AI 助手——A-ProS 通过多模型反馈将 GPT-5 的初始通过率提升 2 倍以上，做算法竞赛或自动化代码生成的团队可以直接参考其架构设计。
原文
05:47
05:47rohanpaul_ai@rohanpaul_ai
精选
PolyAI 发布 Raven 3.5，一个专为客服场景设计的小型语音 AI 模型，在四个客服基准测试中全面超越 GPT-5 和 Claude Sonnet 4.6，且延迟低于 300 毫秒。该研究证明了领域专用模型在特定任务上可以大幅超越百倍规模的通用模型。同时，PolyAI 推出两款新产品：ADK（代码优先的智能体开发工具包）和 PolyPhone（10 分钟将网站转为语音 AI 代理），推动企业语音 AI 从呼叫中心项目走向快速部署的基础设施。
AI模型Raven 3.5客服语音AI小模型PolyAIGPT-5
推荐理由：客服团队和语音 AI 开发者可以亲眼看到：小模型专精化路线在延迟和效果上碾压通用大模型，PolyAI 的新工具让 10 分钟部署语音代理成为现实，值得立即关注。
原文