长期任务相关 AI 资讯 · AI 热点

7月31日

06:11

06:11

lmarena.ai@lmarena_ai

Agent Arena 的评分基于数百万来自全球用户的真实长期智能体任务。模型可使用网络搜索、文件系统和终端工具完成复杂工作流。排行榜使用因果追踪方法测量模型相对于平均模型的结果表现。详细方法可在 arena.ai/leaderboard/ag 查看。

AI模型 Agent Arena 智能体基准测试

推荐理由：想知道你的模型在真实任务里啥水平？Agent Arena 用数百万实际任务和工具调用测试，结果很客观。

7月28日

10:36

10:36

AK@_akhaliq

StateAct 是一种面向长期计算机使用智能体的新方法，核心思想是在处理像素信息之前先对程序状态进行编程。该方法在 Hugging Face 论文平台发布，实验显示其在不同基准任务上优于传统基于像素的策略。StateAct 通过抽象状态表示减少了决策步骤，显著提升了任务完成效率。论文中使用了多个真实环境评估，例如 Web 导航和桌面操作任务，平均成功率提高 20% 以上。

论文 StateAct 智能体计算机使用

推荐理由：这篇 StateAct 论文提出在像素之前先编程状态，让电脑使用智能体在长期任务中更高效。如果你做智能体或自动化，值得看看这个新思路。

6月21日

00:53

00:53

elvis@omarsar0

精选

GLM-5.2 在图形设计能力上据称达到 Opus 级别，同时在长期运行任务中表现良好。其训练引入了反奖励破解模块，用于解决强化学习中常见的奖励破解问题，例如模型走捷径、变懒、意图偏差等。该模块有助于提升编码代理在长周期任务中的可靠性与效果。GLM-5.2 是一个开源开放权重模型。

AI模型 GLM-5.2 奖励破解开源模型

推荐理由：GLM-5.2 据称设计和长任务都接近 Opus，关键是加了个反奖励破解机制，让模型更靠谱。

6月12日

13:14

13:14

官方账号Physical Intelligence@physical_int

精选

Physical Intelligence 为其机器人模型开发了一套记忆系统，结合了短期视觉记忆和长期语义记忆。该系统使机器人能够执行复杂的长任务，如清理厨房或从头制作烤奶酪三明治。这一突破解决了机器人长期任务执行中的记忆瓶颈，提升了自主性和实用性。

AI模型机器人记忆系统 Physical Intelligence

推荐理由：机器人团队终于有了实用的记忆方案——短期视觉+长期语义让机器人能完成厨房清理、做三明治等长任务，做机器人开发的建议点开看看。

5月22日

08:05

08:05IT之家（博客/媒体）

OpenAI 更新桌面版 Codex，Mac 新增 Appshots 功能，用户按下左右 Command 键即可截取当前应用窗口并发送给 AI，Codex 不仅能识别截图，还能读取窗口内所有文字内容（包括未显示部分）。该功能简化了调试网页、实现设计稿、传输复杂界面等场景的操作流程。同时，/goal 命令从实验功能转正，支持用户设定长期目标（数小时至数天），Codex 会持续推进任务，用户可随时查看进度、调整方向或暂停。此外，内置浏览器速度提升，Business 和 Enterprise 用户新增共享插件和分析面板功能。

AI产品 Codex AI 编程助手 Mac 更新

推荐理由：Codex 的 Appshots 功能解决了手动截图粘贴的痛点，做前端开发、UI 设计或需要频繁与 AI 交互的 Mac 用户可以直接省下大量步骤，值得一试。