#AI 智能体
主题「AI 智能体」下共有 234 篇日报。
2026-11-21周六1 篇视频大模型
2026-11-20周五1 篇AI 智能体
2026-11-19周四3 篇AI 智能体代码智能体大语言模型
AI 智能体提问优于 KPMG 会计师:审计试验上热榜,证据链仍未公开
Hacker News 热帖称审计试验中 AI 智能体提问优于 KPMG 会计师;公开信息仅有标题与 388 分、170 条评论,试验方法与评分标准均未给出。
来源:Hacker News「锯齿前沿」:编码智能体正在加速AI研究,能力却仍不均匀
OpenAI衡量编码智能体对AI科研的加速,指出表现仍呈锯齿状不均匀,并讨论其对递归自我改进的含义,细节与倍率均未在摘要中给出。
来源:OpenAI昇腾8192卡跑通285B:Xing 4的架构、系统与智能体后训练
Xing 4延续TeleChat,在昇腾上协同架构与训练系统,8192张910C预训练285B,并以TeleGym做智能体后训练。
来源:Hugging Face Daily Papers2026-11-18周三1 篇多模态模型
2026-11-17周二1 篇AI 智能体
2026-11-14周六3 篇AI 智能体
演得差也能当好老师:决策模型在长程智能体里的三种角色
演得差也能当好老师。演员会被更容易的子目标带偏,全轨迹评委能给关键步骤记功;JEV把1.5B成功率分别提到82.9%与71.4%。
来源:Hugging Face Daily Papers智能体可代为购物:OpenAI 推出需批准的 ChatGPT Wallet
OpenAI 推出 ChatGPT Wallet,让 ChatGPT Work、Codex 和 dots 中的智能体在用户批准后完成购买,并沿用现有卡片保护。
来源:OpenAI智能体接手遗留门户导航:Shield让技术员只处理判断
Shield用OpenAI的Forge智能体在遗留门户中导航并交接工作,IT技术员可聚焦需要判断的问题;材料未披露效果数据。
来源:OpenAI2026-11-13周五3 篇AI 智能体Gemini大语言模型
把产品改进压到一两天:Amplitude 用 Wave 覆盖发现到度量
Amplitude 以 OpenAI 模型为主构建主动式产品智能体 Wave,识别该做什么、用编码智能体协助交付并衡量影响;官方称改进可在一两天内完成。
来源:OpenAI热度已起、细节仍空:Gemini 4 Hydrogen 与编排器的 HN 热帖
Hacker News 出现 Gemini 4 Hydrogen 与 Orchestrator 热帖,323 分、80 评,指向 Google Antigravity;给定材料几乎只有标题与热度,技术细节不足。
来源:Hacker News闭环教师纠偏量化智能体:W4A16距全精度不到一分
SteerDistill用全精度教师闭环纠偏并内化量化学生,五基准三模型上W4A16平均分超最强量化基线1.67–2.18,距BF16不到一分。
来源:Hugging Face Daily Papers2026-11-12周四2 篇AI 智能体
2026-11-11周三3 篇大语言模型强化学习科研
训练基础设施也能递归改进:InfraRSI用智能体做成可验证流程
InfraRSI用五阶段智能体工作流将开放指令转为可验证的分布式LLM训练优化,在稠密与MoE负载上最高加速2.75倍。
来源:Hugging Face Daily Papers对齐观察而不只对齐输出:Reframe为视觉智能体补上工具证据蒸馏
视觉智能体易忽略工具观察。Reframe将观察纳入对齐,先证据奖励训练专家、再中途修复动作,无需任务SFT,十四项图视频基准上优于Mix-RL与普通MOPD。
来源:Hugging Face Daily Papers元认知决定下一步研究什么:Sage-Taiyi对标最强基线全面领先
Sage-Taiyi用显式元认知引导科学发现构思,在265项任务的Taiyi-Bench上八项全第一(54.0 vs 47.9),专家协同下将两例化学产率提至84%与69%。
来源:Hugging Face Daily Papers2026-11-08周日1 篇AI 智能体
2026-11-07周六1 篇AI 智能体
2026-11-06周五3 篇基准测试AI 安全强化学习
最好成绩不超过46/168:物理研究智能体卡在严谨推理
42位物理学家基于自身研究出了56题全流程基准,现有智能体主要输在推理严谨性与专家直觉,而非物理知识缺口。
来源:Hugging Face Daily PapersOpenAI发布GPT-6 Cyber:授权范围内找可利用漏洞并给修复
OpenAI于2026年11月5日推出GPT-6 Cyber,用于发现可利用漏洞并开发修复,训练目标是停留在授权范围内。
来源:OpenAI多轮RL并不全面提升单步质量:优势依赖预算,集中在纠错
论文发现多轮智能体强化学习增益依赖轮次预算,收紧后优势显著减弱;强项在纠错与长程韧性而非单步质量。混合预算训练可提升跨设定稳健性。
来源:Hugging Face Daily Papers2026-11-05周四1 篇AI 智能体
2026-11-04周三4 篇AI 智能体机器人
计算机图形学正转向智能体系统:分类法、文献工具与开放问题
大语言模型智能体能生成并迭代图形代码,图形学正转向智能体系统。作者提出统一分类法与文献系统,并讨论四类开放问题。
来源:Hugging Face Daily Papers把策略和执行拆开:CoworkOS做成可恢复的长周期协作运行时
CoworkOS将策略与执行管理分离,支持同步或异步委派,并以共享产物层和分层记忆维持长周期人机共改,摘要称十二项基准上对标Codex等系统。
来源:Hugging Face Daily Papers嵌套双循环扩CUA:从教学视频合成可验证计算机任务
CUA-Master提出嵌套双循环:外层按模型弱点迭代开放世界数据,内层用教学视频种子自催化合成可验证任务,27B在OSWorld Verified上得80.2。
来源:Hugging Face Daily Papers开源权重也能做机器人智能体:Qwen零样本超过GPT-6分数
作者提出可训练的开源机器人智能体统一harness。无特权输入下,Qwen3.8-Flash-Next的RoboDojo分数为31.39,超过已发表GPT-6的28.97,并在19项真实任务上有竞争力。
来源:Hugging Face Daily Papers2026-11-01周日1 篇GPT-5.6
2026-10-31周六1 篇多模态模型
2026-10-30周五3 篇Claude CodeAI 安全AI 智能体
Claude Code 定期把后台智能体对话发给模型:社区热议数据回传
HN 热帖称 Claude Code 会定期把每个后台智能体的对话记录发给其模型,获 561 分、225 条评论,引发数据流向讨论。
来源:Hacker News分层监控先于事故:OpenAI如何检测前沿模型错位与未授权智能体
OpenAI称用分层监控发现前沿模型错位与未授权智能体行为,以便响应者在事故升级前介入;给定材料未披露方法细节与效果数据。
来源:OpenAI工具感知联合调度:TAO 让智能体服务延迟最高降 26.8%
TAO 针对 LLM 智能体服务提出工具感知联合调度,兼顾工具就绪与 GPU 放置,在多项设置下降低延迟并提升吞吐。
来源:Hugging Face Daily Papers2026-10-29周四6 篇AI 智能体强化学习AI 生态多模态模型
组织图里的AI还没有定论:只知道可能在下、在旁、在中间
OpenAI文章用「在我们之下、旁边与之间」概括AI进入组织架构的可能方式。给定材料无细节与数据,本文仅作克制解读。
来源:OpenAILegora 要做法律智能体操作系统:接入 ChatGPT 与 Codex 以加速工作流并扩大合同分析
OpenAI 介绍 Legora 正在构建法律工作的智能体操作系统,使用其模型、ChatGPT 与 Codex 加速法律工作流、扩大合同分析,使律师转向更高价值工作。
来源:OpenAI价值信号主要在轮次间变化:MPO 对齐长程智能体的信用尺度
提出 MPO:以轮次为优化锚点,结合多尺度优势估计与轮次级重要性采样,在搜索、工具使用和自动化任务上相对强强化学习基线报告一致提升。
来源:Hugging Face Daily Papers企业工作流双向打通:OpenAI与ServiceNow扩大合作
OpenAI与ServiceNow扩大企业工作流合作,模型与智能体进入ServiceNow,工作流进入ChatGPT和Codex。
来源:OpenAI表面任务不同、底层能力可共享:Trinity的多模态智能体递归自改进
针对环境构建和人工Harness迭代瓶颈,Trinity按共享能力重组任务,并用三角色耦合世界生成与模块进化。
来源:Hugging Face Daily Papers最强系统核心全达标仅76.3%:代码视频基准暴露一小时规划失败
代码驱动视频新基准含239项中英任务,限一小时交带声MP4。最强智能体核心全达标76.3%,交片失败多因渲染规划,GPT-6 Astra排名第一。
来源:Hugging Face Daily Papers2026-10-28周三4 篇AI 智能体AI 生态语音 AI
最强智能体任务成功率仅42.3%:旧技能在工具生态演化中跟不上
论文提出可执行基准Δτ-Bench,用1588个多轮任务、42个领域和六代工具生态,检验智能体能否发现高效路径并修正流程知识;最强对象成功率仅42.3%。
来源:Hugging Face Daily Papers不必预设协作结构:DynaFlow让主智能体动态合成可执行工作流
DynaFlow将自由形态可执行工作流纳入主智能体动作空间,只训练编排并冻结子智能体,Forced模式下六项基准总体准确率88.08%。
来源:Hugging Face Daily Papers企业应用与智能体进ChatGPT:OpenAI扩大与Oracle合作
OpenAI与Oracle扩大合作,把企业应用和AI智能体带进ChatGPT,并支撑Oracle新供给。材料未披露应用范围与接入细节。
来源:OpenAIRetell 月通话约一亿:GPT-6 Astra 居语音基准首位
Retell 借 OpenAI 模型支撑月均约一亿通话;GPT-6 Astra 领跑其语音基准,Codex 助力人均 160 万美元 ARR。
来源:OpenAI2026-10-27周二1 篇大语言模型
2026-10-24周六2 篇代码智能体物理 AI
2026-10-23周五2 篇强化学习物理 AI
2026-10-22周四1 篇AI 智能体
2026-10-21周三1 篇大语言模型
2026-10-19周一1 篇AI 智能体
2026-10-17周六4 篇基准测试AI 智能体
真实交付才是瓶颈:FDE-Gym最佳配置仅解决14/95任务
FDE-Gym以95个真实改编交付任务评测智能体,最佳配置均分0.56、仅14项达标,未声明约束是主要瓶颈。
来源:Hugging Face Daily Papers开源GUI智能体一站式底座:MAI-Gym用9B模型报出两项最优
MAI-Gym将手机、电脑与网页的GUI评测、数据采集和在线强化学习收进同一开源平台,并训出9B统一智能体,两项基准达开源10B以下最优。
来源:Hugging Face Daily PapersOpenGCUA首发开源GCUA全栈:代码执行与决策转移显著提升多模型表现
OpenGCUA开源通用计算机使用智能体全栈,引入代码执行与harness-to-model决策转移,在OSWorld-v2上平均提升部分得分19.6分并减少53%步骤。
来源:Hugging Face Daily Papers小团队数周上线智能体产品:插件带来三倍注册与最高十倍创建
OpenAI称两人用Codex数周上线该产品,ChatGPT插件带动注册增至三倍、智能体创建最高十倍。
来源:OpenAI2026-10-16周五3 篇基准测试AI 智能体
较弱模型盲信子智能体:CLASHarness 生成可验证计算机冲突任务
现有基准多假设协作一致。CLASHarness 构造600道可验证多智能体冲突任务,评测显示弱模型易盲信误导、强模型会核验视觉证据。
来源:Hugging Face Daily Papers复杂多文件场景下规则推理仍难:RuleTrek上11个前沿模型端到端最高仅55%
RuleTrek针对信息分散的复杂场景评测智能体规则推理,分识别、推导与端到端三项;11个前沿模型识别最高62.47%、推导最高60.43%,端到端仅26.97%至55.29%,显示当前能力仍有明显缺口。
来源:Hugging Face Daily Papers失败实验不再整段作废:科学智能体群靠反馈与重组递归改进
SwarmRSI用其他智能体的实验反馈同时修正假设与实现,并跨群体复用互补组件,在三项科学与机器学习基准上报告最优表现。
来源:Hugging Face Daily Papers2026-10-15周四5 篇AI 智能体
Agent-Reflex教智能体主动反思:噪声反馈下提升长程工具使用表现
Agent-Reflex三阶段框架激励智能体主动反思与失败恢复,基于Qwen3-8B在长程工具基准上取得明显提升。
来源:Hugging Face Daily PapersAmp将智能体从写代码推向更广场景:接入GPT-6与GPT-Live-1
OpenAI官方介绍称,Amp借助GPT-6 Astra、Ultrafast、GPT-Live-1以及ChatGPT登录,把智能体从写代码扩展到更广场景,材料未披露评测细节。
来源:OpenAI稠密进度奖励让长程智能体可训:Tev-Gym 与 Tev-27B
Tev 用潜在世界优先构建 1170 个可验证稠密渐进奖励环境,PPRS 转为逐步奖励,Tev-27B 在 ALE-CM 的 Pass@5 上匹配 GPT-6 Astra 与 Claude Opus 5。
来源:Hugging Face Daily Papers万级智能体连跑超36小时:新模型支撑数天专注并随用改进
该实验室用GPT-6 Astra、GPT-6.1 Sol、Codex与网络安全模型Daybreak,同时运行约一万个智能体超过三十六小时,目标是连续专注数天并随使用改进。
来源:OpenAI城市级三维定位不必先提候选:Urbex 把它做成主动空间搜索
Urbex 将城市级三维定位从候选排序改写为视觉语言模型智能体的主动空间搜索,在 CityRefer 上报告更好的命中与交并比,并支持无真实框候选。
来源:Hugging Face Daily Papers没有匹配的日报,换个关键词试试。