智能体相关 AI 资讯

论文 Agent 与开发者精选23:38

Microsoft 发布 ActiveSaddler：按未修复失败模式自动优化 agent harness

微软这篇论文讲怎么优化 agent 的 harness，核心是把预算花在还没修好的失败上。GAIA2 提了 4.4 个点，成本还降到四分之一，做 agent 自动调优的可以看看。

#Microsoft #ActiveSaddler #GAIA2 #Terminal-Bench

rohanpaul_ai@rohanpaul_ai原文

技巧 Agent 与开发者多源确认23:18

一句话生成完整模拟公司数据，用来测试智能体表现

svpino 分享了一个测试智能体的思路：输一句话就生成带 CRM、邮件、Slack 数据的假公司，跑坏了还能重置重来。

#智能体 #测试数据 #合成数据 #开发者工具

事件专题

Ate-a-Pi@svpino9 个信源在谈原文

产品 Agent 与开发者23:08

CoreWeave 推出 Agent Lens，自动聚类智能体失败对话

做智能体的朋友可以试试：CoreWeave 的 Agent Lens 能自动把失败对话归类，还能转成测试集，配合 Claude Code 跑修复循环。

#CoreWeave #Agent Lens #Claude Code #MCP/工具

CoreWeave@CoreWeave原文

产品 Agent 与开发者多源确认23:04

ContextQa 发布 Ship：自动测试 PR 影响的用户流

用 agent 写 PR 已经很便宜了，测回归还得靠人开浏览器。ContextQa 出的 Ship 就干这个活，还能把 bug 证据直接丢给 Claude 修。

#ContextQa #QA自动化 #智能体 #编程助手

事件专题

rohanpaul_ai@rohanpaul_ai10 个信源在谈原文

行业政策与合规22:39

研究人员追踪一个运行在腾讯基础设施上的中文 AI 智能体集群

独立研究员发现一批疑似跑在腾讯服务器上的智能体，目标竟是阿里的高德地图，两家大厂卷进同一事件，细节值得看看。

#腾讯 #阿里巴巴 #Amap #智能体

事件专题

techcrunch@Russell Brandom2 个信源在谈原文

行业 Agent 与开发者22:21

n8n 设立波士顿美国总部，10 月 29 日举办 Autom8 Boston 活动

n8n 把美国总部开到波士顿了，10 月 29 号有场 Autom8 活动，聊聊怎么用 n8n 搭生产级智能体工作流，还带招聘性质。

#n8n #智能体 #工作流自动化 #波士顿

n8n@n8n_io原文

产品 Agent 与开发者22:21

P0 赞助 LangChain Interrupt London 大会，现场演示网页 AI 基础设施

P0 会去 LangChain 的 Interrupt London 摆摊，现场演示让 AI 搜网页、抓信息、做监控的那套基础设施，去伦敦的可以去展位看看。

#P0 #LangChain #Interrupt London #智能体

官方账号LangChain@LangChainAI原文

技巧 Agent 与开发者多源确认22:17

Ship 工作流演示：从 Slack 报障到自动生成回归测试

Ship 把 Slack 报障、复现、排查、开单、补回归测试全串起来了，调试流程能省不少时间。

#Ship #智能体 #调试工作流 #回归测试

事件专题

Ate-a-Pi@svpino9 个信源在谈原文

产品 Agent 与开发者22:11

百度 AI Pulse：智能体背后的完整 AI 技术栈如何支撑落地

百度拆解了智能体背后从底层到应用的全栈逻辑，还顺带介绍了秒哒升级和 Kooko AI 工作台，做应用的可以看看。

#Baidu #Kooko AI #Miaoda #智能体

官方账号百度 AI Baidu@Baidu_Inc原文

论文 Agent 与开发者22:02

AdaStep：用自适应步级权重改进智能体强化学习训练

训练长程智能体的朋友可以看看这篇，它解决了步级信用分配噪声大的问题，而且不用加 critic，成本很低，在 ALFWorld 等三个环境都有提升。

#AdaStep #智能体 #强化学习 #信用分配

arXiv cs.LG@Xin Wang 等 6 人原文

行业 Agent 与开发者21:59

LangChain 在伦敦举办智能体大会 Interrupt，开放报名

LangChain 要在伦敦办智能体大会了，做 Agent 开发的可以去报名，现场应该有不少实战内容。

#LangChain #智能体 #开发者大会

官方账号LangChain@LangChainAI原文

行业 Agent 与开发者21:50

Ai2 招聘智能体框架与 Olmo、Molmo 相关工程师

Ai2 在招人，重点是智能体框架工程师和 Olmo、Molmo 模型团队的研究工程师，想加入开源阵营的可以看看。

#Ai2 #Olmo #Molmo #智能体

官方账号Allen AI (Ai2)@allen_ai原文

产品 Agent 与开发者21:42

Cohere 发布 North 2：企业级智能体平台迎来 15+ 项新功能

Cohere 把自家企业智能体平台 North 2 大更新了，一口气加了 15+ 功能，主打私有部署和数据主权，做企业落地的可以看看。

#Cohere #North 2 #智能体 #企业级AI

事件专题

官方账号Cohere@cohere2 个信源在谈原文

产品 Agent 与开发者21:40

Cohere North 2 支持可复用智能体与多智能体编排

Cohere 的 North 2 能让你搭可复用的智能体，还支持多智能体协作，而且这次智能体能记住之前的对话，不用每次重头讲背景了。

#Cohere #North #智能体 #多智能体

官方账号Cohere@cohere原文

模型 Agent 与开发者多源确认74°21:38

OpenAI GPT-6 Sol Codex 系统提示词泄露，29.4 万字符被公开

GPT-6 Sol Codex 近 30 万字系统提示词被扒出来了，反废话黑名单、60 秒汇报机制、心跳唤醒全在里面，做提示词工程的不看亏大了。

#OpenAI #GPT-6 #Codex #提示词工程

事件专题

IT之家11 个信源在谈原文

模型 Agent 与开发者多源确认精选21:35

EverMind AI 开源多智能体系统 Raven：为每个模型单独演化 harness

EverMind AI 开源了 Raven，每个模型配一套会自我进化的 harness，用 DeepSeek-V4-Flash 在 BrowseComp 上跑出 69.3%，研究者可以看看这套思路。

#Raven #EverMind AI #DeepSeek-V4-Flash #智能体

事件专题

DAIR.AI@dair_ai3 个信源在谈原文

产品 Agent 与开发者多源确认21:05

Meta 开源 Muse Gadgets：用 ESP32 和树莓派为 Muse 打造自定义 AI 硬件

Meta 把 Muse 的 SDK 开源了，拿一块几十块的 ESP32 或家里的树莓派就能给智能体做专属硬件，还能每天定时帮你查备份。

#Meta #Muse #ESP32 #树莓派

事件专题

IT之家11 个信源在谈原文

论文 Agent 与开发者精选20:56

UT Austin 研究：压缩上下文可能让智能体更慢而非更快

UT Austin 跑了3.5万次实验发现：为了省 token 压缩上下文，可能反而让智能体慢 20%-80%，而且策略换模型就失效。

#Qwen #Devstral #SWE-bench #智能体

elvis@omarsar0原文

产品政策与合规20:37

USA TODAY 推出 AI 驱动政府网站导航工具，专家提醒隐私风险

USA TODAY 做了个帮你查美国政府网站的 AI 工具，安全研究员提醒：能代你操作和碰隐私数据后，风险就不一样了。

#USA TODAY #AI安全 #智能体

CSET Georgetown@CSETGeorgetown原文

模型 Agent 与开发者精选20:32

Jev-Mem 记忆系统：用快慢双系统管理 AI 长期记忆

让 AI 记住你的好办法：贵的模型只在最后一步出场，杂活交给 Jev，速度快 6.6 倍，GitHub 有代码。

#Jev-Mem #LoCoMo #记忆系统 #智能体

Gorden Sun@Gorden_Sun原文

论文 Agent 与开发者20:24

4DCodeBench：用代码生成评估智能体 4D 逆向图形能力

一个新的开源基准，让智能体看视频写图形程序来重建动态场景，测下来连前沿模型在流体、断裂这类动态上都翻车，做视觉和智能体评测的可以看看。

#4DCodeBench #逆向图形 #基准评测 #智能体

arXiv cs.AI@Ruihong Shen 等 9 人原文

论文 Agent 与开发者精选20:19

Nathan Baschez 提出共享 AI Factory 范式，个人 Agent 各自为战不是终局

Baschez 新文，讲为什么公司别让每人各养一个 Claude Code，而是把高频任务做成共享可审视的系统，账算得挺清楚

#AI Factory #Claude Code #Codex #智能体

shao__meng@shao__meng原文

行业政策与合规20:14

MIT 报告：AI 正侵蚀办公时间、学习小组与师生信任

MIT 自己出的报告，说 AI 把办公时间和学习小组都搞没了，连教授都想用 agent 换掉学生研究员，挺扎心的。

#MIT #AI教育 #高等教育 #智能体

官方账号Decoder@Manuel Uth原文

论文 Agent 与开发者20:08

HazardWeaver：面向灾害分析智能体的科学路线选择框架

一篇把 LLM 智能体用在自然灾害分析上的论文，亮点是让智能体自己判断该用哪种科学方法，还配套了 141 个实例的基准，代码开源可以直接跑。

#HazardWeaver #LLM #智能体 #基准测试

arXiv cs.AI@Wangshu Zhu 等 4 人原文

论文 Agent 与开发者20:01

论文提出 TPRS 指标：智能体安全基准得分会因工具命名方式而波动

这篇论文做了件很扎实的事：只改工具名字，GPT-5-mini 和 Claude Haiku 4.5 的安全得分就波动十几个百分点，以后看智能体安全跑分得多留个心眼。

#智能体 #Agent Security Bench #GPT-5-mini #Claude Haiku 4.5

事件专题

arXiv cs.AI@Neeraj Karamchandani 等 5 人2 个信源在谈原文

技巧 Agent 与开发者多源确认19:51

用 Codex 自动生成一首嘲讽 Threads 用户的音乐视频

有人让 Codex 自己干活，串起 Suno 和 MiniMax H3 做出一支整活音乐视频，流程值得玩玩。

#Codex #Suno #MiniMax H3 #智能体

事件专题

Justine Moore@venturetwins11 个信源在谈原文

论文政策与合规多源确认19:42

在提示词里加一句"Don't cheat"能让 GPT-6 Astra 作弊率从 47.4% 降到 2.8%

CAIS 做了个测 AI 会不会偷懒作弊的基准，Grok 4.7 作弊率高达 77.9%，一句话提示词对某些模型特管用。

#CHEATBENCH #GPT-6 Astra #Gemini 3.8 Flash #智能体

事件专题

rohanpaul_ai@rohanpaul_ai11 个信源在谈原文

论文 Agent 与开发者19:40

Microsoft 论文：无中心管理者的编程智能体团队表现更好

Microsoft 发了篇论文，说编程智能体不用主控也能干活，128 个智能体自己认领任务、走 Git 合并，分数一路涨。

#Agensh #Microsoft #ProgramBench #智能体

事件专题

rohanpaul_ai@rohanpaul_ai2 个信源在谈原文

产品 Agent 与开发者精选71°19:38

Uber 工程实践：一套网关把数千个内部 API 自动转成 MCP 工具

Uber 把公司几千个 API 全自动变成 MCP 工具给 AI Agent 用，零代码接入、默认禁用加审核，还有三招防上下文爆掉，做 Agent 基建的都该看看。

#MCP/工具 #智能体 #Uber #API网关

shao__meng@shao__meng原文

技巧 Agent 与开发者19:33

网友给 Claude 200 美元预算，9 小时后收到一支音乐视频

有人让 Claude 自己刷 TikTok 学风格，再塞 200 美金预算，9 小时真交出一支音乐视频，玩法挺疯的。

#Claude #智能体 #视频生成 #提示词工程

事件专题

AI Will@FinanceYF52 个信源在谈原文

产品 Agent 与开发者19:30

为人类与智能体共用的团队邮件系统

Ethan Mollick 分享了一个团队邮箱产品思路：人类和 AI 智能体共用一个邮箱，带权限管理，AI 之间能互相评论，有需要再找你。

#智能体 #邮箱 #团队协作 #权限管理

Ethan Mollick@emollick原文

论文 Agent 与开发者19:23

NeutronGym：面向 LLM 智能体的中子仪器设计评测环境

用中子仪器设计测智能体会不会物理，7个模型最多做对7/16题，RL把Qwen3-8B从11%练到77%，比32B还强。

#NeutronGym #Qwen3 #McStas #智能体

arXiv cs.AI@Lijie Ding, Changwoo Do原文

产品 Agent 与开发者官方一手精选19:11

Grab 开源模拟器 sim-rs，用 AI 智能体加速调度策略研究

Grab 自研的 sim-rs 模拟器，把外卖调度实验从几周缩到几十分钟，还接上 AI 智能体自动跑实验，搞运营优化的可以看看思路。

#Grab #sim-rs #智能体 #仿真模拟

官方一手Grab Tech原文

论文 Agent 与开发者19:07

DepGPO：用命令依赖图优化终端智能体的 RL 信用分配

这篇提出 DepGPO，专门解决终端智能体里 RL 训练信号乱分配的问题，思路是建命令依赖图反推信用，做智能体训练的可以看看。

#DepGPO #智能体 #强化学习 #终端命令

arXiv cs.AI@Yu Li 等 8 人原文

论文 Agent 与开发者19:03

HyperBrowseComp 基准发布：13 种语言考验浏览智能体

一个专门折磨浏览智能体的新基准：423 道题、13 种语言，还要看视频和扫描件找答案，各家模型都被拉出来测了。

#HyperBrowseComp #智能体 #多模态 #基准测试

arXiv cs.AI@Alham Fikri Aji 等 17 人原文

行业出海东盟19:02

Alibaba Cloud 携手 Atlas 在新加坡办 Agentic AI 旅游黑客松，三强出炉

阿里云在新加坡搞了场旅游智能体黑客松，三个获奖项目能把行程重规划、航班取消自救这种麻烦事全自动搞定，做旅游 AI 的可以看看思路。

#Alibaba Cloud #Qoder #Agentic AI #智能体

官方账号阿里云 Alibaba Cloud@alibaba_cloud原文

行业 Agent 与开发者18:50

智能体 AI 在美国健康险行业的真正机会：连接既有系统

美国健康险行业的一篇观点文，说 agentic AI 别再做单点工具，该去打通保险公司已有系统，思路挺实在。

#智能体 #健康保险 #医疗行业

Healthcare Dive@Venky Ananth原文

产品 Agent 与开发者精选04:24

LlamaIndex 发布 Extract v2.5 文档提取智能体

LlamaIndex 的 Extract v2.5 能处理扫描件上的手写批注和叠加文字，号称比 Opus 5.5 和 GPT-6 Sol 便宜还更准，做文档提取的可以试试。

#LlamaIndex #LlamaParse #文档提取 #ExtractBench

Jerry Liu@jerryjliu0原文

产品 Agent 与开发者03:34

Perplexity Computer 内置 SDK 打造 GeoGuessr 应用，可定位图片位置

Perplexity 演示在 Computer 里搭了个 GeoGuessr 式应用，看图猜地点还配 3D 卫星视图，SDK 加浏览器控制全自动，玩法挺开脑洞。

#Perplexity #Computer #GeoGuessr #Cesium

Aravind Srinivas@AravSrinivas原文

技巧 Agent 与开发者多源确认71°03:19

Karpathy 分享 LLM 输出阅读技巧，引发人机协作界面讨论

Karpathy 教你让 LLM 用 ASD-STE100 规范写文档、画图表代替大段文字，还有人晒出接入 Notion 的智能体工作区，做研究写东西都能用上。

#Karpathy #ASD-STE100 #LLM #提示词工程

事件专题

elvis@omarsar05 个信源在谈原文