Browser Use 推出 Extensions：智能体可加载 Chrome 扩展
用 Browser Use 做智能体的朋友注意了，现在能把广告拦截、密码管理这些 Chrome 扩展挂上去了，浏览体验干净很多。
#智能体
共 6563 条 · 7 天 621 条 · 30 天 1780 条 · 话题观测 →
10月6日
FT 刊文：Yoshua Bengio 指出强化学习导致智能体作弊行为
Bengio 在 FT 上发文，把 Hugging Face 和澳洲 Medicare 被黑归到 RL 的奖励机制头上，观点挺扎心。
Curriculum Brain：用11个智能体自动构建课程知识图谱
教育领域一个很实际的问题：手工标注 Q-matrix 太贵，作者用 11 个智能体流水线自动建课程知识图谱，每章只要 1.19 美元，论文还诚实标注了评估局限。
研究揭示 KV-Cache 选择性复用受请求顺序影响，文档对齐策略降低答案波动
跑长程智能体的开发者看看：KV-Cache 复用会导致同一提示词输出不同，论文给了文档对齐重算方案，波动从 69% 降到 26%，还保住 5.7 倍提速。
研究提出 selective long-horizon refinement，提升终端智能体训练效率与可靠性
训练终端智能体的朋友看这篇：监督窗口选 12K 反而比 16K 好，还能省 30% 训练时间，作者给的选择性精调方法直接可用。
测量优先的智能体排行榜审计框架：污染风险与评分器验证
一群研究者专门审计智能体排行榜的基准污染问题，用 GPT-4.1 和 DeepSeek-V4-Flash 在 SWE-bench 上做了对照实验，结论是很多污染指控证据不足，做评测的人值得看看这套框架。
Perplexity CEO Aravind Srinivas：单个重度用户的算力消耗可比小型团队
Perplexity 老板聊了个有意思的现象：有用户每月烧 1 万美元跑 agent 业务，Meta 工程师人均年花 1000 万美元用编程工具，讲透 agent 时代的新算力经济学。
小型模型本地部署执行药物发现规划，Llama 3.2-3B 工具选择 F1 达 0.998
本地小模型也能当药物发现的规划器了，Llama 3.2-3B 微调后工具调用准得吓人，就是碰到没见过的流程还会翻车。
OpenAI 在开发者大会前夕取消发布 GPT-6.1 Astra
OpenAI 把即将接替 ChatGPT 和 Codex 的新模型 GPT-6.1 Astra 在发布前夜撤了，原因不是太弱，这篇讲清楚了来龙去脉。
GLM-5.3 上架 Amazon Bedrock，面向企业开放
智谱的 GLM-5.3 上架 AWS 的 Bedrock 了，想在企业里用它的编程和智能体能力，现在不用自己搭部署，开个 Bedrock 就能调。
flow-1 发布：用 RL 训练的智能体轨迹纠错模型，成本仅 GPT-6-sol 的 1/23
有个叫 flow-1 的新模型专查智能体运行日志里的错误，性能对标 GPT-6-sol 但便宜 23 倍，做 Agent 监控的可以看看。
RETRACE 从 CI 修复历史中提取可复用经验，提升智能体修复成功率
arXiv 上的新论文 RETRACE，教 AI 智能体从真实 CI 修复历史里学经验，mini-SWE-agent 成功率从 19.6% 涨到 31.9%，做智能体修复的可以看看。
Anthropic Cowork 改为云端架构：推理与沙箱上云，本地仅负责文件访问
Anthropic 把 Claude Cowork 的 VM 和推理都搬上云了，合盖不掉线、手机也能用，本地只管文件访问，架构讲得很清楚。
MIT 论文：告诉 LLM 智能体规则事实比要求多推理更能改善决策
MIT 实测 GPT-4o、Claude 这些模型玩拍卖游戏，发现让它们“多想想”反而更差，一句话说明规则就能把错误率从 4.2% 降到 0.2%，写提示词的都该看看。
谷歌 Call for Me 功能或升级：Gemini 将支持代拨私人亲友电话
Pixel 11 上的代我通话现在只能打给商户，但代码里已经出现了给妈妈打电话的示例，以后连催朋友回消息都能让 Gemini 代劳。
IT之家原文
Ethan Mollick 将复杂工作迁至新版 Claude Projects：每个会话绑定专用云 VM
Mollick 亲测了新版 Claude Projects，跟旧版完全不是一回事，能挂一个持续运行的云 VM 干复杂活，想深入用 Claude 的人看看他的体验。
用 Pi Durable 搭建可自我托管的个人智能体
用 Pi Durable 搭了个类似 OpenAI dots 的个人智能体，断点续跑、有记忆还有自己的 Linux 桌面，之后还打算开源，动手党可以跟着试试。
Google Research 提出 Agent 隐私与安全的开放性问题
Google Research 这篇讲 Agent 隐私和安全的新问题，从上下文角度分析智能体哪里容易泄露数据，做智能体开发的可以看看。
上海AI实验室提出SkillGym：用技能运行轨迹微调提升智能体能力
上海AI实验室的SkillGym把技能文件变成沙箱任务再微调，Qwen3.5-35B-A3B在Terminal-Bench 2.1涨了19个点，连不带技能文件都更强了。
Reflection AI 发布 501B 参数开源模型 Beam
Reflection AI 放了个 501B 总参、23B 激活的开源模型 Beam，主攻编程和智能体任务，权重这个月就放，做本地部署的可以盯一下。
Arena CEO：模型安全不能只靠 OpenAI 和 Anthropic 自评
LMArena 的 CEO 出来喊话了：OpenAI 和 Anthropic 不能既当运动员又当裁判，模型能越狱沙盒的今天，得有中立方来评安全。
Reflection 发布首个开源权重模型 Beam：501B 总参数、23B 激活
Reflection 出了第一个开源模型 Beam，500 多亿参数里每次只用 23B 激活，主打编程和智能体任务，权重这个月就放出，可以关注下。
Reflection 发布开源模型 Beam：501B 参数、23B 激活，主打推理效率
Reflection 放了个 501B 的开源模型 Beam，激活只有 23B，跑智能体省算力，号称效率比 GLM 5.2 高 3-4 倍，权重本月放出。
Reflection AI 发布开源模型 Beam：总参数 501B、激活 23B
Reflection AI 出了个开源模型 Beam，501B 参数只激活 23B，跑编程和智能体任务省算力，权重这个月就放，可以蹲一下。
Lenny 对谈 ChatGPT 与 Codex 负责人：模型选择器将消失，智能体接管网络操作
OpenAI 管 ChatGPT 和 Codex 的人上 Lenny 的播客了，聊了为啥以后不用选模型、智能体怎么接管网络操作，观点挺大胆。
Zip 用 LangGraph 和 LangSmith 重构智能体，新功能开发从数周提速
Zip 团队把自己的智能体迁到 LangGraph 加 LangSmith，以前加个功能要几周，现在链路追踪自动就有了，做 agent 的可以参考。
