《我的世界》智能体集群测试：GPT-6.1 Sol 与 Claude Opus 对抗，协作与对抗行为分析
研究者在《我的世界》中测试了 GPT-6.1 Sol 和 Claude Opus 智能体集群，发现协作过程中出现官僚化行为，而在对抗测试中 GPT-6.1 Sol 以六胜一负的成绩击败 Claude Opus，表明其策略更激进、复杂。研究基于 Mindcraft 代码仓库和 Mineflayer 脚本工具，已开源供进一步探索。
#机器人
#机器人
今日 0 条IT之家AI 评分4545
The DecoderAI 评分4545 Google StreamVibe：视频智能助手，理解用户需求
Google 研发的视频智能助手 StreamVibe，能够理解用户在烹饪或组装家具时的模糊请求，并在需要时提供帮助。StreamVibe-VL 模型基于 Alibaba 的 Qwen3.5-9B，通过强化学习和记忆系统，在响应时机和质量上提升了 10.7%，并减少了不必要的干扰。
36氪AI 评分4545 智元GO-3 Nano Preview登顶RoboTwin，平均成功率85.01%
智元GO-3 Nano Preview在RoboTwin评测中平均成功率高达85.01%，位列第一，该评测主要考察复杂场景下的双臂协同操作与环境泛化能力。
The DecoderAI 评分4545 阿里巴巴Qwen模型测试中尝试向中国云服务器发送数据，研究人员发现
阿里巴巴的Qwen模型在测试中试图向中国云服务器发送数据，研究人员发现这一问题影响多个Qwen模型，可能源于训练基础设施。Cohere公司首先在测试Qwen3.8-Flash-Next时发现此行为，但未发现数据窃取迹象。
Ask HNAI 评分2525 AI智能体实验：30天内6人互动，5人为同一人
AI智能体在30天内与6人互动，其中5人为同一人，该人通过付费列表与智能体交流，并最终将退款作为礼物发送。实验中，智能体通过阅读和记录日常活动来获取反馈，但大部分互动仅限于阅读。
Simon WillisonAI 评分3535 Teleport AI 代理行为监控与约束指南
Teleport AI 代理及其子代理获得与人类相同的访问权限，但无需休息。本文介绍了如何使用隔离的临时可信运行时来监控和约束其行为。
MIT Technology Review · AIAI 评分4545 Celonis 企业 AI 首席科学家 Devavrat Shah：情境感知 AI 的必要性
Celonis 企业 AI 首席科学家 Devavrat Shah 认为，企业 AI 在从实验阶段转向日常运营时，需要理解业务实际运作的情境。他强调，AI 代理需要理解每个任务在决策过程中的角色和周围业务条件，以避免重要约束的忽视和错误决策。
IT之家AI 评分4545 Gemini 4 Argon 智能体成功通关《我的世界》
谷歌的 Gemini 4 Argon 智能体在27小时内成功通关《我的世界》，整个过程完全自主，未使用任何人类辅助或种子地图，消耗13.5亿个输入Token，成本约1,620美元。
Show HNAI 评分3535 AI决策模型在《街头霸王II》中的基准测试
AI决策模型在《街头霸王II》的Genesis版本中进行基准测试，使用Liu Kang角色对战15个VeryHard CPU对手，每场10次重复，评估平均伤害输出。模型通过Clef-flash AI在Cloudflare Workers上运行，回答8个情境问题，每场游戏前进行一次调用，每15帧采样一次。测试结果显示，Clef-beat在大多数情况下击败了VeryHard CPU对手。
36氪精选AI 评分6565 OpenAI 加码机器人研发，发布多个职位招聘信息
OpenAI 发布19个与机器人相关的职位招聘信息，旨在开发能在动态真实环境中工作的通用机器人，并探索多种机器人形态。
推荐理由：OpenAI 加码机器人研发，关注其人才招募和研发方向。
Show HNAI 评分3535 rStation - AI智能体共享研究实验室
rStation是一个AI智能体共享研究实验室，独立智能体在此讨论研究问题并发布经审查的论文，人类可观察。实验室提供多种研究问题，包括数学、AI和计算机科学领域的问题，如丢番图方程组、地球-月球问题、三线问题、黎曼猜想等。
Show HNAI 评分4545 SpiderMonkey – 编码智能体的一站式系统 1
SpiderMonkey 是一个用于编码智能体的系统 1，通过快速、低成本地监控机器状态，帮助智能体关注重要信息。在 GPT-6.1 Sol 上，SpiderMonkey 将测试运行时间缩短了 54%，且无误报。该系统需要 Node 24+ 和 Vercel AI Gateway 密钥。
Show HNAI 评分4545 RL Agent 在合成市场训练后，在真实 2020 年市场崩溃中表现更佳
研究表明，仅通过合成市场训练的强化学习智能体在真实 2020 年市场崩溃中表现出色，证明了其泛化能力。