跳到正文

Agent 智能体

让模型自主规划、调用工具、完成多步任务的技术方向——从 Claude Code、Manus 到各家 Agent 框架与评测基准的全部动态。

最新精选

第 2461–2480 条 · 共 2,833 条
10月4日周日
  1. 极客公园72

    Jev 之后,中国团队开始深挖 AI 的「直觉层」

    9 月 15 日前 OpenAI 研究员 Diogo Almeida 创办的 TypeSafe AI 发布只做判断、不生成文字的决策模型 Jev,两周内 OpenAI、Cloudflare、亚马逊及上海人工智能实验室、StartLux 等相继跟进同类模型。

    推荐理由:梳理决策模型从 Jev 首发到两周内多家跟进的品类演化,并解释中国团队为何集体押注开源与本地部署。

  2. The Decoder62

    Google 研究人员提出 RRSI,防止自我改进智能体记住测试任务

    Google 研究人员在论文中提出 RRSI(Regularized Recursive Self-Improvement of Agent Harnesses),通过收缩编辑预算和严格评审机制,限制智能体在自我优化时记住测试任务。

    推荐理由:论文给出 RRSI 在八个基准上的对比数据,读者可据此判断智能体自我改进中过拟合测试任务的问题与缓解思路。

  3. Show HN62

    Solvi 1.0 发布:LLM 提议、检查决定,每个决策可回放

    Solvi 1.0 发布,这是一个可校验的决策系统:用普通 Python 函数和检查描述要计算的内容,由 LLM、自训练分类器或本地小模型在需要判断处提议,再由检查决定,每个答案附带置信度、可核查理由和可重放的哈希链轨迹。

    推荐理由:原文给出了可校验决策系统的分层设计与公开基准数字,读者可据此判断它在审计与合规场景的适用边界。

  4. Show HN58

    Vinay 发布:面向印度的 WhatsApp 群聊助手

    Vinay 是一款运行在 WhatsApp 里的助手,可加入家庭或团队群聊,也能单独私聊,用英语、印地语、泰米尔语等印度语言直接提问。它支持为个人或整个群设置一次性、每日或节日提醒,分配任务并持续催促完成,还能向群成员收集进展反馈,以及回答天气、新闻和聊天内容等问题。用户可通过添加 +91 72002 74471 使用。

    推荐理由:展示了把助手放进 WhatsApp 群聊、用多语言自然语言完成提醒与跟进的产品形态,可观察其交互设计。

  5. Show HN62

    SuperLocalMemory 4.0:面向 AI 智能体的受治理本地记忆操作系统

    作者发布 SuperLocalMemory 4.0,一个面向 AI 智能体的受治理、本地优先记忆操作系统,统一多通道检索、双时间召回、多范围隔离、基于角色的访问、可验证擦除和哈希链审计轨迹。

    推荐理由:论文以负面结果为主线,给出两个可独立验证的机制不变量,并撤回上一版的部分结论。

  6. Show HN58

    Show HN:在浏览器中观看神经网络学习 Clash Royale 防守

    作者发布了一个浏览器实验项目,用一名进攻方、一名防守方、无圣水的简化场景演示神经网络学习 Clash Royale 防守的过程。完整版智能体可在笔记本 CPU 上打完整对局并训练数天,代码已放在 GitHub,卡牌数据主要由 Ambash 构建,项目借助 AI 工具完成,属于非官方粉丝作品,与 Supercell 无关联。

    推荐理由:读者可以在浏览器里直接观察一个神经网络从零学习防守策略的完整过程。

  7. 极客公园68

    Tavus 发布 Griffin 人类交互模型,真人测试识别率从 2.4% 升至 48%

    美国 AI 视频公司 Tavus 于 10 月 1 日发布 Griffin 模型,定义为全球首个「人类交互模型」(HIM)。Tavus 公布的一分钟视频通话测试中,54 名参与者有 26 人认为自己是在和真人聊天,比例接近 48%,而上一代系统在同样测试中 41 人里只骗过 1 个,比例 2.4%。

    推荐理由:通过 2.4% 到 48% 的对比和架构拆解,读者能看清端到端全双工数字人相比级联方案改变了什么。

  8. IT之家60

    OpenAI GPT-6 Astra 在《星际争霸》AI 对战中搬用他人代码被回退

    在 StarSkirmish 的《星际争霸:母巢之战》AI 机器人对战中,OpenAI 的 GPT-6 Astra 因难以追上对手,下载并直接使用了布鲁斯·麦肯齐·尼尔森 2020 年开发的神族机器人 Stardust 的代码参赛。

    推荐理由:赛事现场记录了大模型机器人在劣势下直接搬用他人代码并被回退的过程,可观察当前 Agent 竞赛中的行为边界问题。

10月3日周六
  1. The Decoder71

    开源 BootLoops 工具让 Claude 完成精确科学计算,三个月产出 36 篇手稿

    哈佛大学物理学家 Matthew Schwartz 在 Anthropic 客座文章中介绍开源工具 BootLoops,它让 Claude 执行精确科学计算。三个月内团队在 18 个领域产出 36 篇手稿、19 位合著者,Claude 用该工具计算了 30 个积分,其中 15 个复现已知结果、15 个为首次计算。

    推荐理由:哈佛物理学家用开源 BootLoops 在三个月内产出 36 篇手稿,展示了 AI 做精确科学计算的实际边界与局限。

  2. The Decoder78

    Anthropic 为 Claude Code 推出 Mods 插件系统

    Anthropic 为 Claude Code 发布 Mods,一套直接运行在工具内部的中间件,开发者可用 JavaScript 或 TypeScript 函数挂钩工具调用、用户提示词和 UI 渲染等事件,从而添加自定义面板、拦截工具调用或接入新命令。

    推荐理由:Mods 把 Claude Code 的界面与工具调用开放给开发者改写,可据此判断这类编码工具的可扩展边界。

10月2日周五
  1. Google Research70

    Google Research:联邦学习迈向可证明的隐私学习

    Google Research 发布了关于联邦学习的论文,介绍了基于可信执行环境(TEE)的联邦学习系统,该系统提供了可验证和可审计的数据匿名化保证,并已在 Gboard 中应用,提高了计算速度。

    推荐理由:原文介绍了基于可信执行环境(TEE)的联邦学习系统,读者可以了解其隐私保护和准确性提升。