AITOP
全部 AI 动态
AI 相关资讯全量信息流
全部博客资讯推文论文
全部模型产品行业论文技巧
标签：智能体×
5月27日
10:54
10:54Pandaily@contact@pandaily.com (Pandaily)
精选
高通宣布与字节跳动达成AI芯片供应协议，将向字节跳动数据中心提供数百万颗ASIC芯片，专门用于支持AI智能体工作负载。此举标志着高通正从移动芯片领域向云基础设施多元化拓展。该合作预计于2026年5月开始交付，将帮助字节跳动提升其AI服务的计算能力。
行业高通字节跳动AI芯片数据中心智能体
推荐理由：高通首次大规模进入数据中心AI芯片市场，字节跳动作为头部AI应用公司，其智能体场景对算力需求巨大。做AI基础设施或智能体部署的团队值得关注这一合作对芯片供应链和成本的影响。
原文
10:34
10:34arXiv cs.AI@Prannay Hebbar, Yogendra Manawat, Samuel Verboomen, Alesia Ivanova, Selvam Palanimalai, Kunal Bhatia, Vignesh Baskaran
精选72°
SIA提出了一种自改进循环，让一个语言模型智能体（反馈智能体）同时更新任务特定智能体的框架（工具、提示、重试逻辑等）和模型权重。传统方法中，框架更新和权重更新是分开研究的，而SIA将两者结合。在三个不同领域（中国法律罪名分类、GPU内核优化、单细胞RNA去噪）的测试中，SIA相比仅迭代框架分别提升了56.6%、91.9%和502%。框架更新让模型更智能地搜索和行动，权重更新则构建了提示或框架无法灌输的领域直觉。
论文自改进AI框架更新权重更新智能体论文
推荐理由：SIA解决了AI自改进中框架与权重更新割裂的问题，做AI智能体或自监督学习的开发者可以直接参考其方法，在复杂任务上看到显著提升。
原文
10:32
10:32arXiv cs.AI@Muhammad Zia Hydari, Raja Iqbal, Narayan Ramasubbu
精选
这篇论文提出了一个正式且可管理的模型，区分了 Agentic Technical Debt（智能体技术债务）和 Stochastic Tax（随机税）。Agentic Technical Debt 是设计和治理责任的累积存量，而 Stochastic Tax 是在业务流程中使用随机智能体时产生的运营负担的重复流量。两者相关但不同：债务可能放大税负，即使债务最小化，税负仍可能为正。论文从紧凑的仪表盘表达式出发，扩展为完整的结构模型，定义了所有变量和参数，展示了如何从运营数据中估算每个成本类别，并通过应付账款模拟和配套电子表格进行了说明。
论文智能体技术债务随机税治理运营成本
推荐理由：这篇论文为管理智能体系统的团队提供了量化债务和运营成本的实用框架，做 AI 治理或智能体部署的开发者可以直接用模拟和仪表盘来评估风险。
原文
10:32
10:32arXiv cs.AI@Mariano Garralda-Barrio
精选
本文提出一种框架，用于多智能体系统中运行时能力的受控演化。它将智能体生成的代码视为持久化的运行时能力，而非一次性输出。通过引入HarnessMutation机制，在显式验证、可追溯、可评估和可回滚的约束下实现生命周期感知的运行时适应。该框架将运行时适应建模为持久化操作记忆上的有界、可观察过程，为现代智能体运行时和治理导向编排系统提供了自适应基础设施的概念基础。
论文智能体运行时治理HarnessMutation多智能体系统代码即运行时
推荐理由：智能体开发者常面临运行时能力难以安全演化的痛点，HarnessMutation 提供了一种可审计、可回滚的治理方案，做多智能体编排的团队值得关注。
原文
10:31
10:31arXiv cs.AI@Basant Mounir, Farida Madkour, Amira Abdelaziz, Asmaa Sami
精选
竞争法专家进行法律研究时需审查大量案例和判决，现有通用助手（如Claude、ChatGPT）或法律助手（如SaulLM-7B、LegalGPT）缺乏领域专长，易产生幻觉或引用不足。研究者提出Maat，一个基于ReAct框架的智能体，通过RAG确保引用可靠性，支持网络搜索回退和模糊查询澄清。在案例特定任务上，Maat显著优于所有基线助手，在理论问题任务上接近最佳水平。相关数据集已在GitHub开源。
AI产品智能体法律助手RAG/检索增强竞争法开源/仓库
推荐理由：竞争法研究者终于有了靠谱的AI助手——Maat解决了现有模型在专业法律分析中幻觉和引用不足的痛点，做竞争法案例研究的团队可以直接用开源数据集试试。
原文
10:28
10:28arXiv cs.AI@Huawei Lin, Peng Li, Jie Song, Fuxin Jiang, Tieying Zhang
精选
MUSE-Autoskill 提出了一种以技能为中心的智能体框架，让LLM智能体能够持续创建、记忆、管理和评估技能，实现自我进化。传统方法将技能视为孤立静态的产物，而该框架通过统一的技能生命周期（创建、记忆、管理、评估、优化）显著提升了技能的可复用性和可靠性。框架引入了技能级记忆，让每个技能跨任务积累经验，从而更有效地适应新场景。在SkillsBench上的实验表明，这种生命周期管理的技能能提高任务成功率、效率、复用率，甚至支持跨智能体迁移。这项工作对构建长期自主进化的AI智能体系统具有重要参考价值。
论文智能体技能管理自我进化LLM智能体生命周期
推荐理由：做智能体开发或研究自主系统的团队，MUSE-Autoskill 给出了一个可落地的技能管理闭环——从创建到评估再到跨任务复用，值得直接参考其设计思路。
原文
08:37
06:20
06:20DeepLearning.AI@DeepLearningAI
卡内基梅隆大学和斯坦福大学的研究人员发现，当前AI智能体基准测试主要聚焦于软件开发任务，而美国劳动力市场的工作种类更为多样。研究将智能体测试中的任务映射到美国劳工统计局的职业数据，结果显示测试内容与大多数人的实际工作存在显著不匹配。这意味着现有基准可能高估了AI在某些领域的表现，同时低估了其在其他经济价值任务中的潜力。该研究呼吁开发更全面的评估方法，以真实反映AI智能体的经济影响。
论文智能体基准测试劳动力市场CMU斯坦福
推荐理由：这项研究戳破了AI基准测试的盲区——如果你在评估智能体工具或做AI产品，会发现现有测试可能误导了你的判断，建议点开看看如何修正评估标准。
原文
04:08
03:26
03:26Gary Marcus@GaryMarcus
Gary Marcus 引用了一个新术语“agent debt”（智能体债务），指在快速构建智能体工作流时，系统提示冲突、记忆污染、工具重叠等问题积累，导致几个月后智能体行为异常且难以调试。他认为这是 AI 驱动的技术债的必然体现，并推荐阅读 2014 年的经典文章《机器学习：技术债的高息信用卡》。这一概念提醒开发者，AI 系统的快速迭代若不及时清理，会带来严重的维护成本。
行业智能体技术债AI 开发系统维护Gary Marcus
推荐理由：做智能体开发或 AI 产品迭代的团队，这个新词能帮你提前识别隐性风险——快速上线后不清理，6 个月后可能连自己都看不懂。建议点开看看 Marcus 的警告和那篇经典文章。
原文
03:24
00:47
00:47Weaviate@weaviate_io
Booking.com 的 Başak Eskili 在 Weaviate Podcast 上分享了他们从关键词匹配到语义检索的 AI 进化之路，最终在 AWS 上使用 OpenSearch 并迁移到 Weaviate 以应对 1 亿+嵌入向量的生产级规模。他们构建的合作伙伴到客人的消息代理是真实的智能体 AI 案例：Weaviate 检索回复模板，API 获取上下文，智能体推荐或生成回复，必要时转人工。评估体系包括离线数据集、LLM 作为裁判、A/B 测试和实时反馈。他们还测试了过滤向量搜索、多线程并发、读写并发和成本优化，并展望了带记忆系统的个性化旅行代理。
AI产品向量搜索WeaviateOpenSearch智能体生产级部署
推荐理由：做向量搜索或 RAG 系统的团队，Booking.com 的 1 亿+嵌入生产实战比任何论文都实在，看完能避开不少坑。
原文
00:23
00:23lmarena.ai@lmarena_ai
精选83°
Qwen3.7 Max 在 Code Arena 前端编程评测中排名第4，成为榜单上排名最高的中国实验室模型，超越了 GLM-5.1，并与 Claude Opus 4.6 持平。该模型专为智能体时代设计，支持端到端编码、前端原型、多文件重构和真实调试，还能通过 MCP 集成和多智能体编排完成办公任务。在长时自主任务中，它可连续运行 35 小时，执行超过 1000 次工具调用而无需人工干预。API 已在阿里云百炼平台上线，用户也可在 Qwen Studio 体验。
AI模型Qwen3.7 MaxCode Arena前端编程智能体阿里云
推荐理由：Qwen3.7 Max 在智能体编程任务上追平了 Claude Opus 4.6，做前端开发或自动化智能体的团队值得一试，尤其是需要长时自主执行的场景。
原文
00:20
5月26日
23:58
23:58berryxia@berryxia
精选88°
Anthropic黑客松冠军团队Affaan Mustafa和队友在纽约赛场用Claude Code仅8小时做出产品夺冠，奖品为1.5万美元API credits。赛后他们将积累的精华开源为ECC（Everything Claude Code）仓库，包含61个Agent、246个Skills、76个预设命令，以及Hook系统、规则引擎、安全扫描和MCP配置。ECC不是提示词合集，而是完整的AI编程工作台，支持Claude Code、Cursor、Codex等多平台。该项目让独立开发者和小团队能直接克隆一套工业级AI编程环境，持续更新。
AI产品Claude Code开源/仓库AI编程助手智能体MCP/工具
推荐理由：重度使用Claude Code、Cursor、Codex的开发者，这个开源仓库能让你直接获得一套61个Agent+246个Skills的完整工作台，省去自己搭建的麻烦，建议立刻clone试试。
原文
23:28
23:00
22:24
22:21
16:37
16:35
16:32
16:32
16:27
16:27Tw93@HiTw93
精选
Waza 是一个将开发者日常工程习惯转化为 AI 智能体可执行技能的工具，吸收了真实项目经验。它支持 Mac 原生应用、CLI 工具和 Rust 项目，兼容 Claude Code、Codex、Cursor 和 Pi 等智能体运行时。Waza 提供 8 项技能，包括 CLI 审查、调试“源码能跑但安装后报错”、修复后自动清理同类实例、强制验证运行时证据后才确认修复等。它还内置 25 种反模式检测、破坏性命令安全保护，并将获取的内容视为不可信数据。该项目无框架依赖、无遥测，轻量可卸载。
AI产品智能体CLI 工具开源/仓库代码审查Rust
推荐理由：Waza 把开发者熟悉的工程习惯打包成 AI 智能体可直接运行的技能，做 CLI 工具、Rust 或 Mac 原生应用的团队，能直接用它提升代码审查和调试效率，值得一试。
原文
15:36
14:48
14:48IT之家（博客/媒体）
76°
支付宝宣布其AI支付已完成3亿笔交易，支持95%的通用智能体框架，成为全球首个大规模商用的AI原生支付基建。同时，支付宝发布了全球首个面向个人的AI钱包和Token Pay服务，构建了从授权到结算的全栈AI原生支付体系。AI钱包允许用户管理智能体授权和支付任务，Token Pay则帮助大模型公司解决全球用户订阅和充值需求。MiniMax、阶跃星辰等已与支付宝合作，采用其定制化AI支付方案。此举标志着支付宝继快捷支付和扫码支付后，再次以AI支付助力AI时代商业生态。
AI产品AI支付AI钱包Token Pay智能体支付宝
推荐理由：支付宝的AI支付体系解决了智能体时代支付与授权管理的痛点，做AI应用或智能体开发的团队可以直接接入，省去自建支付基建的麻烦。
原文
14:24
11:45
11:45arXiv cs.AI@Yusong Lin, Xinyuan Liang, Haiyang Wang, Qipeng Gu, Siqi Cheng, Jiangui Chen, Shuzhe Wu, Feiyang Pan, Lue Fan, Sanyuan Zhao, Dandan Tu
精选
Claw-Anything 是一个新基准，旨在评估大型语言模型代理作为始终在线个人助手的能力。现有系统仅能访问用户数字世界的狭窄部分，限制了上下文感知推理和有效协助。该基准通过三个维度扩展代理上下文：长期活动历史、相互依赖的后端服务以及跨多设备的 GUI 和 CLI 交互。实验显示，GPT-5.5 仅达到 34.5% 的 pass@1，远低于先前基准，突显了当前代理能力与始终在线个人助手需求之间的差距。同时，研究团队发布了自动化数据生成管道，可生成 2000 个训练环境，并将基础模型性能提升 23.7%。
论文智能体基准测试个人助手GPT-5.5上下文推理
推荐理由：这个基准测试揭示了当前 AI 代理在理解用户完整数字生活方面的巨大短板，做个人助手或智能体开发的团队值得关注——它直接指出了现有系统为何不够智能，并提供了改进方向。
原文
11:43
11:43arXiv cs.AI@Shangding Gu
76°
本文提出 Agentic AI 的下一个瓶颈是系统缩放（system scaling），而非仅模型缩放。作者主张将基础模型周围的结构化执行层（即 harness）作为一等设计对象，包括记忆、检索、工具使用、编排、验证和治理等组件。研究识别出三大核心瓶颈：上下文治理、可信记忆和动态技能路由，并提出了超越单次任务成功率的基准测试框架。为验证观点，团队开发了 Python 原生参考实现 CheetahClaws，并与 Claude Code 和 OpenClaw 进行了对比。核心结论是：未来 Agentic AI 的进步将同样依赖于系统设计，而不仅仅是更强的模型。
论文智能体系统缩放Harness设计上下文治理可信记忆
推荐理由：做 Agent 系统架构的开发者会看到，当前只关注模型能力而忽视执行层设计的做法正在成为瓶颈——CheetahClaws 提供了一个可参考的系统级设计思路，值得研究。
原文
07:40
04:52
04:52rohanpaul_ai@rohanpaul_ai
72°
Meta、斯坦福和伊利诺伊大学联合发表了一篇综述论文，核心观点是：当代码成为AI智能体的主要工作层时，智能体表现更优。论文指出，仅靠LLM做文本预测，长任务容易丢失状态、隐藏错误，将计划转化为行动的方式也很脆弱。真正的进步不是“AI写代码”，而是“AI把代码当作它思考的环境”。作者将围绕模型构建的工具、记忆、沙箱、检查和反馈循环称为“智能体马具”，而代码应处于这个马具的中心，因为代码可以被运行、检查、保存、编辑和共享。论文总结了一个跨领域的模式：代码帮助智能体通过可执行步骤推理、通过工具调用或控制程序行动、通过测试、追踪、日志、仓库和模拟器建模环境。
论文智能体代码即环境Meta斯坦福论文
推荐理由：这篇论文为AI智能体架构提供了一个清晰的设计原则——用代码作为核心工作层，做智能体系统或工具链的开发者值得一读，能帮你理解为什么代码比纯文本更适合作为智能体的“思考环境”。
原文
04:00
04:00rohanpaul_ai@rohanpaul_ai
88°
Grok Build beta 是一款终端内的智能体编程助手，现已向所有 SuperGrok 和 X Premium+ 用户开放，此前仅限 SuperGrok Heavy 用户。用户通过一条命令安装后，可用自然语言指令如“制作一个过山车模拟器”来启动项目。Grok Build 支持计划模式（Plan Mode），先生成步骤计划供用户审核后再执行；可并行运行子智能体处理复杂任务；能编辑多个文件、使用 git、运行测试、搜索网络，并在工作流中调用 Imagine 生成图像和视频。此外，用户可将会话转化为可复用的“技能”或连接多个智能体，构建自动化流程或完整编排器。
AI产品编程助手智能体终端工具Grok自动化
推荐理由：Grok Build 把终端编程智能体开放给更多用户，做自动化或快速原型开发的团队可以直接用自然语言描述需求，省去手动写代码的繁琐，值得一试。
原文
01:28
01:28elvis@omarsar0
精选76°
微软研究院提出 SkillOpt，一种将智能体技能文档视为可训练外部状态的新方法。该方法通过一个优化器模型对技能文件进行验证门控的增删改编辑，并引入文本学习率控制改写强度，而智能体本身保持不变。在 52 个（模型、基准、工具）组合上，SkillOpt 均达到最佳或并列最佳，在 GPT-5.5 上直接聊天提升 23.5 点，与 Codex 配合提升 24.8 点，与 Claude Code 配合提升 19.1 点，且零额外推理成本。学到的技能可跨模型和工具迁移，效果优于人工编写技能、TextGrad、GEPA 和 EvoSkill。
论文智能体技能优化微软SkillOpt推理模型
推荐理由：做智能体开发的工程师别再手写技能文档了——SkillOpt 证明自动优化技能文件能带来显著性能提升，且零推理开销，值得在你的 Agent 工作流中尝试。
原文
01:10
00:19
5月25日
23:22
21:41
21:38
20:23
19:14