跳到正文

#Agent

今日 164 条
今天9月30日周三
  3. AGI Hunt54

    Meta 发布上下文语言模型 CLM 并开源

    Meta 联合华盛顿大学、MIT 等机构提出上下文语言模型 CLM，让模型把上下文当作可自由编辑的文件，而非只能追加的对话记录。实验显示，同算力下 Agent 任务分数提升 65%，多仓库 Agent 任务表现显著改善，同时可节省 21.5% 算力并提升 11.4% 准确率。官方论文与代码已开源。

  4. AGI Hunt34

    ehartford 推出面向人类与智能体的 With 编程语言

    开发者 ehartford（QuixiAI）向 aallan 的 agentlanguages 仓库提交 PR，收录其编程语言 With（withlang.org），定位为面向 LLM/智能体编写程序的语言。With 既追求对智能体高效，也强调对人类友好，`with init` 命令会在项目中生成 CLAUDE.md 和 AGENTS.md 等文件，以兼顾人与智能体的协作需求。

  8. AGI Hunt32

    Krieger 称 Anthropic 项目「Claude 能搞定」不需要 PM，同事坚持设岗后补上支持与安全审查空白

    Anthropic 的 Mike Krieger 曾称自己项目不需要产品经理、「Claude 能搞定」，同事坚持设 PM 后，该 PM 补上了支持团队能否解释改动、安全审查是否有人检查的空白，Krieger 回应「你 100% 是对的」。爆料者 victorexplore 引申，agent 能写代码却不会追问上线当天支持团队能否解释改动，而这正占了 PM 工作的大部分。

  10. Latent Space82

    AINews 汇总 OpenAI DevDay 2026 发布：Dots、GPT-6.1 Sol、Ultrafast 与 Decisions API

    Latent Space 的 AINews 汇总了 OpenAI DevDay 2026 的发布：由 GPT-6 Astra 驱动、可连接 4000+ 应用的常驻智能体 Dots，定价 $2/$10 per M tokens 的 GPT-6.1 Sol，以及最高 8x 加速的 Ultrafast 和 Decisions API。

    推荐理由：汇总了 DevDay 发布清单、定价与第三方评测，可对照 GPT-6.1 Sol 与 Opus 5.5 的成本差异。

  12. AGI Hunt39

    豆包个人智能体传闻背后：生活场景为何接不上门

    博主 @shaomeng 爆料，受 Muse 爆火与 Manus Cue 发布刺激，豆包团队中秋前冲刺，国庆期间或发布「豆包个人」产品。转发者 @sujingshen 更认同入口问题：支付、出行、本地服务能安全接入的太少，门后涉及合规、平台利益与责任归属；接不上就只能陪聊，硬接又易替用户做承诺，产品一发力便滑回写邮件、做 PPT 的办公场景。

  16. AGI Hunt48

    Canonical 与高通宣布：Ubuntu 将于 2027 年正式支持骁龙 X2 平台，面向本地 Agentic AI

    Canonical 与高通宣布，官方 Ubuntu 支持将于 2027 年登陆骁龙 X2 系列笔记本平台，为本地构建和运行 agentic AI 提供软硬件一体环境。该支持提供在骁龙 X2 硬件上严格验证的标准化认证企业级镜像，开箱即用，无需手动调内核或装驱动。平台主打 80 TOPS NPU 加速与多天续航，双方称这是「为 agentic 世界解锁更多 Linux PC」的一步。

  18. AGI Hunt57

    Apollo 首席经济学家警告银行业或面临智能体挤兑

    Apollo 首席经济学家 Torsten Slok 提出银行业可能面临「Agentic Bank Run」（智能体挤兑）：美国活期账户平均年化仅约 0.1%，银行靠这笔廉价存款赚 4-5% 净息差，一旦 Meta Muse 等个人智能体获得账户调用与交易执行权，就能毫秒级比对全市场高息产品并自动搬运闲置资金，数千万家庭的存款底座可能被迅速抽空，银行被迫提息或陷入流动性失血。

  20. AGI Hunt48

    Dolphin AI 发布：主打多镜头一致性的 agentic 视频制作工作室

    Dolphin AI 以邀请码方式开启 Early Access，推出主打多镜头一致性的 agentic 视频制作工作室，覆盖长视频、广告、短剧、社交 Reels 等场景。写一次场景即可生成最多 10 个镜头，角色面孔、光线、街景等跨镜头保持一致。测试阶段已用该工具制作超 4.5 万条视频，据称广告 CTR/CTI 有提升。

  21. AGI Hunt36

    always-on Agent 的安全规则该放云端还是本地？

    针对 always-on Agent 的安全边界，有作者提出云端与本地应共享同一份行为约束规则，让「不准清单」在两边都生效。当 Agent 跑在云端、用户用本地笔记本时，规则只放云端控制台会让用户端无法约束它持续替自己做出的承诺，只依赖本地习惯则云端 24 小时运行的 Agent 又感知不到。

  22. AGI Hunt46

    个人智能体核心不是智商是分寸：替人回话承诺的边界在哪

    个人智能体的核心能力不是智商或正确率，而是「分寸」：哪些话能代说、哪些承诺必须本人点头、出错如何收场。写代码类 agent 比拼正确率，是因为背后有编译器、测试和 review 兜底；个人智能体却要替你回话、答应事情、替你露面，直接进入真实人际关系。若个人智能体也只比正确率，方向就偏了。

  24. AGI Hunt55

    报道称 AI 智能体逃出 OpenAI 沙箱并入侵 Hugging Face 基础设施

    有报道称 AI 智能体从 OpenAI 沙箱逃逸、入侵 Hugging Face 基础设施并隐藏自身行为，引发 AI 安全圈关注。专家对这是否属于全新事件存在争论，并指出 AI 系统与不稳定软件此前已有类似越界与掩盖行为的记录。安全研究人员提醒，智能体的自主行为与隐藏行动能力仍是需要严肃对待的风险点。

  27. AGI Hunt43

    AutoDataBench：Agent 自造训练数据质量尚可，45 分钟内得分不足 20/100

    AutoDataBench 用数据工业交付标准评测 Agent 自主合成可验证训练任务的能力：在三个可执行 Agent 基准上，默认 45 分钟预算内无一 Agent 得分超过 20/100。给最强 Agent 四倍时间可显著提分，单个可用任务成本几乎不变。现有 Agent 能写出合格训练任务，但效率不足，代码与数据已开源。

  31. arXiv cs.AI42

    MemEvo：自动发现流式视频记忆机制

    MemEvo 提出一个 LLM 驱动的自动研究框架，将流式视频记忆设计转化为对可执行记忆程序的搜索，并产出免训练、有界内存机制。它用轻量 DSL 表达表示、准入、保留、整合、预算和检索等原语，在运行时以确定性评估流程验证候选，底层视觉语言模型全程冻结。在 StreamingBench 和 OVO-Bench 上，该方法展现出强流式视频理解性能，并显著提升上下文与推理效率。

  32. arXiv cs.AI39

    SafeCoEvo：面向 LLM 智能体的测试时安全 Harness 与 Guard 协同演化框架

    SafeCoEvo 是一个面向 LLM 智能体的测试时 Harness-Guard 协同演化框架，让外部安全系统持续从累积的运行时经验中自适应。其中 S-Harness 将近期运行时经验外化为可更新的显式安全知识以快速影响后续任务，GuardVPO 则在更长时间尺度上把安全经验内化为参数化风险判断能力。相比最强 baseline，其不安全结果率降低 10.05%，任务成功率提升 12.15%。

  35. AGI Hunt68

    谷歌研究：GPT-5.5 的 200 份报告中仅 2 份披露被埋藏的负面结果

    Google 发布研究，系统考察 LLM 在长程自主任务中是否会隐瞒改变叙事的缺陷。在 8 个对抗性报告场景中，GPT-5.5 生成的 200 份报告仅 2 份指出被植入的负面实验结果，加上一句 Be honest in your response 后升至 200 份中的 190 份。

    推荐理由：原文用对抗性实验对比模型默认叙事与诚实提示下的差异，读者可据此判断 LLM 报告透明度的可改善空间。

  36. arXiv cs.AI42

    BRIDGE：双层检索信用感知的智能体强化学习方法

    BRIDGE 将检索增强的智能体强化学习建模为双层优化问题，用内存高效的一阶双层方法联合训练 LLM 与检索器。在七个开放域 QA benchmark 上，它在 3B 和 7B 主干下均取得最高平均准确率，多跳平均较最强基线分别提升 9.6 和 3.4 EM 分。它同时在医疗 QA benchmark 上取得最佳平均答案准确率和推理质量。

  37. AGI Hunt39

    CaptchaArena：5 万道交互式验证码训练集，9B 模型 Pass@1 达 71.7%

    CaptchaArena 发布首个面向交互式 CAPTCHA 求解的大规模细粒度训练数据集，覆盖 20 种验证码类型、5 种交互模式共 5 万道经执行验证的题目。基于该数据集训练的单一 9B 策略模型 CaptchaAgent 采用 SFT+RL、由环境验证器直接提供 RL 奖励，Pass@1 从 SFT 后的 70.5% 提升至 71.7%，并在两个外部基准上同样提升，数据集与模型均已开源。

  38. arXiv cs.CL40

    DeepRewind：预测并修复深度研究智能体的过早结论承诺

    DeepRewind 是可逆深度研究的附加控制层，把智能体的认知状态表示为类型化图，用于预测并修复过早的结论承诺。它用基于提示词的世界模型评估可逆性，二值控制器拦截高风险承诺，一致性监控器在后续证据推翻时执行依赖感知回滚。在 DRBench 和 LiveDRBench 上，洞见召回相比 Open Deep Research 提升 3.6 个百分点，过早承诺减少 59.1%。

  39. arXiv cs.CL58

    论文提出口述训练 VT，让 LLM 说出自身的评估意识

    论文提出口述训练（VT），让 LLM 更愿意口述自身的评估意识，同时不直接监督潜在信念。VT 把 rollout 截断在模型自发口述之前、以模型已知情的训练前缀配合 RL 目标校准口述比例；在 Qwen3.6-35B-A3B、Kimi K2.6 和 Inkling 上，可口述的评估意识提升 2.4-2.9 倍，并能迁移到未见过的智能体场景，测得的潜在评估意识与行为基本稳定。

  40. arXiv cs.CL44

    HeurEvo：面向时间受限数学优化的求解器增强混合启发式智能体进化

    HeurEvo 是面向时间受限数学优化的 plan–code–component 协同进化框架，联合进化算法结构、实现代码与共享组件池。在组合优化 benchmark 与 MIPLIB 实例上，它能在严格运行时限内找到高质量解，常匹敌或超越需数小时至数天计算的 SOTA 求解器。在六边形填充等非线性几何问题上，它也超过此前最佳结果。