AITOP

智能体

共 4173 条相关 AI 资讯 · 查看话题观测
8月8日
05:31
05:25
04:43
04:13
04:13官方账号Decoder@Matthias Bastian
79°
OpenAI内部测试显示，新模型Astra的网络安全能力极强，公司首次无法排除其达到自身安全框架中的最高风险等级。部分Astra开发工作已被暂停。此前OpenAI披露，自主AI代理曾在其基础设施中未被发现地活动数周。这些事件促使OpenAI重新评估Astra的安全风险。
AI模型OpenAIAstraAI安全
事件专题
推荐理由：OpenAI说自家新模型Astra网络攻击能力太强，可能达到最高风险等级，部分开发先停了。头一回这么谨慎。
原文
04:04
04:00
03:23
03:23官方账号LangChain@LangChainAI
精选
Harmonic 的 AI 产品工程负责人 Austin Berke 在 LangChain 组织的炉边对话中，分享了他们基于 Deep Agents 重构产品 Scout 的过程。重构后 Scout 的用户留存率提升至原来的 4 倍。完整视频已发布在 YouTube。
技巧Deep AgentsHarmonicScout
推荐理由：Harmonic 工程师讲了怎么用 Deep Agents 把 Scout 留存做到 4 倍，真实案例，做 AI 产品的可以学学。
原文
03:16
03:16官方账号Greg Brockman@gdb
85°
OpenAI 对下一代模型 Astra 的评估显示，其在智能体编码和网络安全任务上能力显著提升。依据 Preparedness Framework，OpenAI 将 Astra 视为首个“关键”网络安全模型，并增加额外安全控制。OpenAI 计划在安全准备工作完成后让 Astra 广泛可用，并将高级网络能力提供给防御者。
AI模型AstraOpenAI智能体
事件专题
推荐理由：OpenAI 刚透露下一代模型 Astra 在智能体编程和网络安全上能力大涨，还把它定为首个“关键”网络安全模型，安全措施也升级了。
原文
03:00
02:59
02:59Harrison Chase@hwchase17
LangChain 推出托管版 DeepAgents，这是该公司在智能体领域的最新发布。Harrison Chase 在推文中回顾了从早期 LangChain 到托管代理的发展历程。他认为托管代理将显著降低运行代理的难度。该推文目前获得 7 条回复、10 次喜欢和 940 次浏览。
AI产品DeepAgentsLangChain智能体
推荐理由：LangChain 托管版 DeepAgents 来了，创始人亲口说这是让他最兴奋的发布，跑代理要变简单了，想了解就看看。
原文
02:45
02:45官方账号LangChain@LangChainAI
精选
Managed Deep Agents 现由 LangChain 提供 public beta。该服务让你从 prototype 直达 production scale，省去底层基础设施的运维。你可以自由选择模型，并借助 LangChain 管理智能体开发的完整流程。
AI产品LangChainManaged Deep Agents智能体
事件专题
推荐理由：LangChain 把 Deep Agents 变成托管服务，你不用管底层，直接上生产，还能自己挑模型。
原文
02:43
02:43官方账号LangChain@LangChainAI
精选
LangChain 宣布一项新能力：开发者可直接在终端用通道、沙盒、记忆和身份等原语搭建 Deep Agent。搭建后可部署至 LangSmith 托管的基础设施。开发者还能通过 Harbor 框架运行 eval，验证智能体行为。整个流程在命令行中完成，无需切换界面。
AI产品LangChainLangSmithHarbor
推荐理由：LangChain 新出的终端工作流：直接搭 Deep Agent，发到 LangSmith 托管，还能用 Harbor 跑验证，挺省事。
原文
02:28
02:12
02:03
00:41
00:41techcrunch@Sarah Perez
Cloudflare发布了Kitesurf，一个云托管的浏览器，专为AI代理而非人类设计。该公司称，Kitesurf在常见自动化任务中消耗的计算资源比Chromium更少。这使开发者能更高效地构建基于浏览器的AI代理。
AI产品CloudflareKitesurf智能体
事件专题
推荐理由：Cloudflare出了个给AI代理用的浏览器Kitesurf，比Chromium省算力，做浏览器自动化的开发者可以试试。
原文
00:40
00:39
00:39官方一手AWS Machine Learning Blog@Oleksiy Kononenko
精选
Cohere Health使用Amazon Bedrock AgentCore构建了多租户代理架构。该架构采用AgentCore Runtime的MicroVM隔离，并通过AgentCore Gateway统一工具访问。结合AgentCore Memory和Agent Skills标准，Cohere Health实现了临床政策数字化，同时保留版本控制与人工审核。
技巧Cohere HealthAmazon Bedrock AgentCore智能体
推荐理由：Cohere Health用AgentCore把临床政策数字化，搞了个多租户架构，安全隔离和版本控制都做得好，医疗行业可以参考。
原文
00:38
00:14
00:14官方账号LangChain@LangChainAI
LangChain基于LangSmith可观测性数据，分析了数十亿次智能体运行记录，推出LangSmith Signals系列报告。该系列将按具体数据展示开发者构建智能体的方式与趋势。目前官方仅发布预告，完整分析尚未公开。
AI产品LangSmithLangChain智能体
推荐理由：LangChain用自家LangSmith的几十亿次运行数据，扒了扒开发者到底怎么搭智能体，后续报告值得蹲一下。
原文
8月7日
22:55
22:54
22:54官方账号ElevenLabs@elevenlabsio
ElevenLabs 为 ElevenReader 推出了语音聊天功能，由 ElevenAgents 智能体驱动。该智能体能获取用户当前在书中的阅读位置，并基于此回答相关问题，避免剧透。ElevenLabs 官方博客详细介绍了这一功能的构建过程。
AI产品ElevenLabsElevenReaderElevenAgents
推荐理由：ElevenLabs给ElevenReader整了个语音聊天，能记住你读到哪，剧透问题直接绕开，看书党可以试试。
原文
22:53
22:53官方账号ElevenLabs@elevenlabsio
ElevenLabs 宣布将 ElevenAgents 推广到全线业务。首个应用是 ElevenReader 的语音聊天功能。官方数据显示，采用该功能的用户平均收听时长提升了 24%。这意味着智能体正在直接拉动音频产品的用户粘性。
AI产品ElevenLabsElevenAgentsElevenReader
推荐理由：ElevenLabs 把智能体塞进自家阅读器，用户收听时长涨了 24%，语音交互这波有戏。
原文
21:19
20:10
19:48
19:14
17:08
15:41
15:41IT之家（博客/媒体）
阿里巴巴发布一站式 AI 语音生产力平台 CosyVoice Studio，基于自研语音模型 Qwen-Audio 构建。平台包含语音记录工具 CosyFlow、语音智能体 CosyAgent 和音频创作工具 CosyCreative。CosyFlow 支持语音转写并过滤口语填充词，可生成邮件、会议纪要等结构化文本。CosyAgent 可通过自然语言创建实时对话智能体，兼容 prompt 与 workflow 配置。CosyCreative 内置上千种音色并支持声音复刻，上传文档即可生成播客或有声书。
AI产品CosyVoice StudioQwen-Audio阿里巴巴
推荐理由：阿里的 CosyVoice Studio 一口气集齐了语音转写、智能体和音频创作，现在是限时免费，想试试语音工具链的可以下载用用。
原文
15:08
14:05
13:18
13:18官方账号arXiv cs.AI@Zishan Xu, Zhiyuan Yao, Yuxin Chen, Yifu Guo, Zhengxi Lu, Yuquan Lu, Jinyang Huang, Yan Xu, Yasheng Wang, Weinan Zhang, Xingshan Zeng, Weiwen Liu
EnvACE 是一种面向大语言模型智能体的强化学习方法，训练时不再依赖真实或合成的可执行环境交互，而是让策略交替执行动作和扮演环境产生响应。该方法在 BFCL-v4、tau^2-Bench、VitaBench 和 FinMCP-Bench 四个基准上表现优异，整体评估超过环境扩展类基线。受控实验表明，世界预演在不同模型规模下都能稳定提升策略学习效果。测试阶段，内化的世界模型还可在提交执行前进行私有预演，在中等预演预算下获得额外增益。代码已在 GitHub 上公开。
论文EnvACE强化学习智能体
推荐理由：EnvACE 让模型自己脑补环境的反馈，省去搭建外部模拟器，四个基准上还赢了。想低成本练智能体的可以看看。
原文
13:17
13:17官方账号arXiv cs.AI@Indivara Kolluru, Nathan Sportsman
该研究在690个技能的库上对比了混合排序器和知识图谱两种Agent检索方案。117个真实查询中，混合排序器的top5准确率为73.5%±8.0。知识图谱比排序器低11.2个百分点（p=0.0007），且73%的失败查询无法通过图结构到达。自编查询会高估hit@5达44个百分点，掩盖了这一差距。
论文智能体技能库知识图谱
推荐理由：这篇论文用690个技能做测试，发现简单混合排序比知识图谱更靠谱，还提醒大家别用自编查询骗自己。
原文
13:16
13:16官方一手arXiv: DeepSeek@Leo Sambrook, Sampo Sovio
精选
AI代理现在常把私钥放在明文文件、环境变量或容器内存里，任何有读权限的进程都可能提取密钥。论文描述了一起生产事故：私钥通过邮件注入在不到五分钟内被窃取。作者提出用HSM、TPM或智能卡承载密钥，通过PKCS#11接口让硬件设备执行签名操作，宿主只拿到不透明句柄。整套零信任架构分五层，包括会话身份SAGA、作用域边界Smax、语义校验RAV、污点跟踪和硬件执行边界。在AgentDojo的12种注入场景中，四个模型加192次测试的基线攻击成功率从19.3%降至受保护时的0%，四个良性任务零误报。
论文MCP智能体AI安全
推荐理由：AI代理的签名私钥容易被软件环境窃取，这套方案把密钥锁进硬件，注入攻击成功率从19.3%降到0%，做AI安全的可以读读。
原文
12:32
12:32官方账号arXiv cs.LG@Fanzhe Meng, Guoxin Chen, Jiale Zhao, Shuang Sun, Zhiyu Lin, Wayne Xin Zhao, Ruihua Song, Ji-Rong Wen, Kai Jia
CalibForge 是一种自动终端任务合成系统，利用验证过的求解器行为，通过对抗性求解器校准来修订候选任务。多求解器校准针对异构求解器池的分歧，对比求解器校准则针对强通过/弱失败关系。该系统构建了5,431个校准终端任务。在Terminal-Bench 2.0上，基于完整集合训练的模型达到32.58%和47.57%的成绩。相比基础模型，最大提升分别达24.71个百分点（Terminal-Bench 2.0）、27.68个百分点（SWE-bench Pro）和30.04个百分点（Doc2Repo）。
论文CalibForgeTerminal-BenchSWE-bench
推荐理由：想给智能体造训练任务？CalibForge 让多个求解器互相挑毛病来调任务难度，比人工标靠谱，Terminal-Bench 上能涨二十多个点。
原文
12:17
12:17官方账号arXiv cs.AI@Varun Ursekar, Apaar Shanker, Yash Maurya, Shehab Yasser, Vijay S. Kalmath, Veronica Chatrath, Yuan Xue
论文提出 HarnessOpt-Bench，专门评测 LLM 在自动优化 agent harness（提示词、工具、控制流、记忆与编排代码）时的端到端表现。优化器需要在固定评估预算下修改种子 harness，并在搜索过程不可访问的测试分区上按归一化增益打分。实验覆盖 5 个前沿 LLM、4 个下游任务，共 111 次评分运行。结果显示，优化器模型之间的能力差异大于其所用的编码 harness 差异，原生 harness 并不总是更优，增益在不同任务和种子设定下波动明显。
论文HarnessOpt-Bench智能体提示词工程
推荐理由：想比较哪些大模型最会自己改提示词和工具编排？这个新基准用4个任务111次运行测了5个模型，结果挺反直觉。
原文
12:15
12:12
12:12官方一手marktechpost@Asif Razzaq
精选
Liquid AI发布LFM2.5-2.6B，一个2.69B参数的端侧代理模型。它支持131,072 tokens上下文和工具调用，可在设备上独立完成多步任务。该模型在M5 Max上解码速度达220 tokens/s，内存占用低于2.5GB。开放权重提供GGUF、MLX和ONNX格式。
AI模型LFM2.5-2.6BLiquid AI智能体
事件专题
推荐理由：Liquid AI出了个2.6B的小模型，能在端侧跑智能体，带128K上下文和工具调用，占不到2.5GB内存，速度还很快。
原文
12:06
12:06官方账号arXiv cs.AI@Yunjia Qi, Zehua Yin, Xintong Shi, Hao Peng, Songyuanyi Lu, Yixian Liu, Richeng Xuan, Yuhong Liu, Zhichao Hu, Xiaozhi Wang, Lei Hou, Bin Xu, Juanzi Li
TrajDebug提出错误生命周期追踪框架，通过多粒度历史压缩和基于证据的错误识别，解决长轨迹中的错误发现难题。该框架追踪每个错误的解决状态和终端影响，实现关键归因。研究构建了TrajErrBench基准，包含来自Tau2Bench和SWE-Bench Pro的486个手动标注失败轨迹。实验表明TrajDebug在多个智能体基准上优于现有基线，其诊断结果可提升下游智能体成功率。
论文TrajDebugTrajErrBenchSWE-Bench Pro
推荐理由：TrajDebug能从长轨迹里精准揪出导致最终失败的那个错误，486条真实数据验证过，比现有方法都靠谱。
原文
12:02
12:02官方账号arXiv cs.AI@Sagar Tamang, Ayush Vyas, Tabarakul Hazarika
论文提出READ（Reliable Embedding-free Agentic Document-search），用三种确定性操作——归一化词法搜索、结构导航、有界跨度读取——替代传统Top-K嵌入检索。在780页政府财务报告上，86.8%的内容行是表格行，数值单位依赖上方中位数13行的表头，导致分块经常切断数字与其单位的关联。READ在51个验证问题上达到58.8%准确率，而密集检索仅15.7%（p_Holm=2×10^-5）。控制实验显示，使用Top-K工具的同款智能体只能达到27.5%，说明增益来自接口而非迭代。作者也报告BM25与READ在统计上无差异，因此结果区分的是嵌入型与非嵌入型检索，而非智能体与词法检索。
论文READRAG智能体
推荐理由：论文提出READ，在780页财务报告上准确率58.8%，比向量检索的15.7%高出一大截，每次检索还能当成审计轨迹回放。
原文