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：工具使用×
6月26日
01:37
6月25日
10:40
10:40arXiv cs.LG@Yupu Hao, Zhuoran Jin, Huanxuan Liao, Kang Liu, Jun Zhao
该论文通过实验发现，多步工具使用强化学习（RL）训练中，模型可出现灾难性崩溃，性能骤降且工具调用结构失效。根本原因是特定控制token概率突增，但基础工具使用能力并未丢失。研究者系统探索了离策略监督、提示引导、错误示例等多种监督信号，并比较了同步与交错训练方案。结果表明，将监督微调（SFT）与RL交错进行可显著提升稳定性，但在格式和内容分布外（OOD）评估中性能下降。该工作揭示了RL失败机理，并展示了多样化监督信号对鲁棒训练的价值。
论文LLM强化学习工具使用SFT监督信号
推荐理由：这篇论文分析了多步工具RL训练容易崩溃的原因，并实验证明交错SFT与RL能有效提升稳定性，对做智能体RL的人很有参考价值。
原文
04:24
03:15
6月24日
00:57
6月18日
09:20
09:20arXiv: OpenAI@Costas Mylonas, Magda Foti, Andrea Pomarico, Matheus Duarte, Qian Zhang, Emmanouel Varvarigos
精选
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。
论文PowerAgentBench-SS智能体电力系统基准工具使用
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。
原文
6月16日
20:46
6月12日
12:57
09:52
09:52berryxia@berryxia
观点认为，AI Agent 并不会像很多人期待的那样缩小人与人之间的能力差距，反而会放大这种差距。头部用户已经在搭建完整的 Agent 系统（文档、规则、memory、loop、MCP、CLI、工具调用、权限、安全沙箱），而普通用户仍停留在聊天框层面。目标清晰、品味强的人会被 Agent 放大优势，目标混乱、没有文档的人则会被放大混乱。AI 时代并非完全平权，善于使用 AI 工具的人能力可能被放大数百倍，与不善于使用的人差距从几倍扩大到数百倍。
行业Agent能力差距AI平权工具使用效率提升
推荐理由：这篇文章戳破了 AI 平权的幻想，做 Agent 开发的团队和重度用户看完会重新思考自己的策略——你是在搭系统还是只问聊天框？值得点开反思。
原文
6月11日
15:28
15:23
15:07
6月1日
15:46
15:46rohanpaul_ai@rohanpaul_ai
NVIDIA CEO 黄仁勋在 GTC 台北 2026 上表示，AI Agent 不会取代软件，而是会创造前所未有的软件需求。他认为，未来人机交互将从“点击和输入”转变为“向 AI 解释意图”，AI 自动生成代码或使用工具输出结果。黄仁勋强调，Agentic AI 的到来意味着世界不再受限于人力数量，大量 Agent 将使用更多工具，这对软件公司是巨大机遇。他同时指出，软件必须以 Agent 可用的方式呈现，这是关键突破。
行业黄仁勋Agentic AI软件行业GTC 2026工具使用
推荐理由：黄仁勋的观点直接回应了 AI 会消灭软件公司的焦虑，做软件产品、工具或平台的团队值得认真看——Agent 经济下，你的软件准备好了吗？
原文
11:49
5月25日
21:41
21:07
5月21日
11:09
11:09arXiv cs.AI@Xiaoqiang Wang, Chao Wang, Hadi Nekoei, Christopher Pal, Alexandre Lacoste, Spandana Gella, Bang Liu, Perouz Taslakian
精选
Mem-π 是一种新型自适应记忆框架，它让大语言模型智能体在需要时动态生成指导，而不是从外部存储中检索静态条目。该框架使用独立的语言或视觉语言模型，基于当前上下文决定是否生成以及生成什么指导，并通过决策-内容解耦的强化学习目标进行训练。在网页导航、终端工具使用和文本交互等基准测试中，Mem-π 相比检索式记忆和之前强化学习优化的基线方法表现更优，在网页导航任务上实现了超过30%的相对提升。
论文智能体记忆增强强化学习网页导航工具使用
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。
原文
11:07
11:07arXiv cs.AI@Caleb Winston, Ron Yifeng Wang, Azalia Mirhoseini, Christos Kozyrakis
76°
现有网页操作智能体（如 Browser-Use、OpenAI CUA）采用顺序的“抓取-截图-执行”循环，每次迭代都需要调用 LLM，导致高延迟和频繁错误。研究者提出 Agent JIT 编译方法，将任务描述直接编译为可执行代码，包含 LLM 调用、工具调用和并行化。该方法包含三个组件：JIT-Planner 生成多个代码计划并选择最低成本方案；JIT-Scheduler 通过蒙特卡洛成本估计探索并行策略；不变式工具协议减少错误工具使用。在 5 个网页应用上，JIT-Planner 相比 Browser-Use 实现 10.4 倍加速和 28% 准确率提升，JIT-Scheduler 相比 OpenAI CUA 实现 2.4 倍加速和 9% 准确率提升。
论文智能体网页自动化JIT编译延迟优化工具使用
推荐理由：网页自动化开发者终于有了降低延迟的实用方案——Agent JIT 编译直接解决了顺序执行的高延迟痛点，做 RPA 或浏览器智能体的团队值得一试。
原文
07:59
5月19日
14:46
14:46arXiv 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°
EnvFactory是一个全自动框架，解决了Agentic RL中可扩展执行环境缺失和真实训练数据稀缺两大瓶颈。它从真实资源中自主探索并验证有状态、可执行的工具环境，通过拓扑感知采样和校准精炼合成自然的多轮轨迹，生成带有隐式意图的查询。仅用85个已验证环境（远少于此前工作的5倍以上），EnvFactory就生成了2575条SFT和RL轨迹，并在BFCLv3、MCP-Atlas等基准上提升Qwen3系列模型最高15%。该框架完全自动化环境构建和轨迹合成，为Agentic RL提供了可扩展、可扩展且鲁棒的基础。
论文Agentic RL工具使用环境合成Qwen3自动化框架
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。
原文
5月18日
20:00
20:00Gary Marcus@GaryMarcus
精选
Gary Marcus 在 X 上发文，宣布他多年来关于“纯 LLM 是否足够”的争论已经失去意义，因为他赢了——现在所有部署的 AI 系统都不是纯语言模型，而是神经符号混合体。他引用 2022 年论文《深度学习撞墙》的核心观点，指出实际产品是语言模型嵌入工具执行栈：检索、代码、记忆、验证器、API、智能体、符号约束、工作流权限和外部系统。Marcus 认为，问题不再是“自动补全能否产生智能”，而是“自动补全成为能行动、检查、搜索、写代码、调用工具、路由任务并在机构工作流中运行的系统接口层时会发生什么”。他强调，模型不是文明级单元，整个技术栈才是。
行业纯LLM神经符号混合AI系统架构智能体工具使用
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。
原文
5月15日
22:46
5月13日
06:33
5月12日
18:09