#AI 智能体
主题「AI 智能体」下共有 234 篇日报,第 2 / 4 页。
2026-10-14周三1 篇大语言模型
2026-10-13周二1 篇代码智能体
2026-10-12周一1 篇AI 智能体
2026-10-11周日1 篇AI 智能体
2026-10-10周六3 篇AI 智能体强化学习
智能体开始在屏幕上画箭头:HN 热帖展示可视化标注小工具
Hacker News 热帖(378 分、165 评)展示开源项目,让 AI 智能体在屏幕上绘制大箭头、方框和文字,用可视化方式对齐人机注意力。
来源:Hacker NewsAsana浏览器智能体成本降76倍:GPT-6系列带来更快更省测试
Asana用GPT-6 Astra等模型在Codex中优化浏览器智能体,测试成本降76倍、速度提升5倍,以便向客户提供更强模型能力。
来源:OpenAI缩放强化学习冲自改进:MiMo-V2.6沿批次、环境、打分三维扩算力
MiMo-V2.6以全模态中期训练为底座,沿更大批次、更复杂环境、更重打分三维缩放强化学习,并开源训练动态、环境与框架。
来源:Hugging Face Daily Papers2026-10-09周五5 篇物理 AIAI 智能体强化学习代码智能体
不更新权重也能物理自我改进:PhysEvo把动作后果写成可测试技能
PhysEvo围绕单一冻结模型做物理递归自我改进,任务智能体执行、元智能体修订工具与技能,无需更新权重或另训动作策略。
来源:Hugging Face Daily Papers能搭工作流却做不稳:RobotWorld揭示物理智能体缺口
RobotWorld用84项仿真任务评测多模态智能体,发现感知控制工作流可搭建,但难以稳定组合成可靠物理行为。
来源:Hugging Face Daily Papers任务欠账改由环境记账:RunningTab 补上直接工作区交互的交付缺口
RunningTab 用环境侧标签页记下任务仍欠什么、已读摘录和未打开候选,智能体对照勾销或搁置,结束前再检查;三基准三模型上优于纯 DWI 与模型内记账。
来源:Hugging Face Daily Papers组相对奖励全相同时信号消失:SRD把事后经验蒸成事前预判
同奖组RL信号归零时,SRD把事后轨迹蒸成事前预判;十项任务最高+24.2pp,2B上0.0%对60.6%。
来源:Hugging Face Daily Papers构建任务最好仍低于60分:SWE-Game检验编码智能体能不能做出想要的游戏
SWE-Game用41款Godot游戏和247项任务评测编码智能体,Opus5五项全高,但构建任务最佳仍低于60分,简报到游戏仅50.38。
来源:Hugging Face Daily Papers2026-10-07周三4 篇大语言模型AI 智能体基准测试
语言模型改写分子优化器:DFT上最好变体力调用仅为Sella四到七成
从Sella出发,智能体改写优化器并设两道准入门,得到AutoSella;DFT上最好变体只需四到七成力调用。
来源:Hugging Face Daily PapersOpenAI 联手 Ironclad:用复杂合同流程推进专业计算机使用
OpenAI 与 Ironclad 在复杂合同工作流上训练并评测智能体,试图把计算机使用从通用操作推进到专业工作,公开细节有限。
来源:OpenAI把短决策从生成链路拆出:SearchJev让搜索智能体更快更校准
SearchJev把搜索智能体的短决策做成可校准System-1打分器,不确定时交给System-2,决策更快、校准更好。
来源:Hugging Face Daily Papers名义完成率掩盖恢复失败:UndoBench拆开智能体能力与故障恢复
现有基准把规划与故障恢复混在一起。UndoBench显示名义能力83.54%,条件恢复成功率仅46.72%,盲目重试过半会产生重复副作用。
来源:Hugging Face Daily Papers2026-10-06周二1 篇AI 智能体
2026-10-04周日1 篇AI 智能体
2026-10-03周六3 篇合成数据物理 AI
公开信息极少:博客标题仅表明为企业智能体生成训练数据
Hugging Face博客于2026年10月2日发布AutoSynthData,从标题看是为企业智能体生成训练数据。目前没有摘要与方法细节,本文明确按信息不足处理,不做效果或实现上的推断。
来源:Hugging Face Blog不重训完成未见任务:用可进化奖励程序调用人形已有运动能力
对象感知FB把新奖励变成行为,LLM改写分阶段奖励程序并调常数,测试时复用人形已有运动能力、不重训完成未见任务。
来源:Hugging Face Daily Papers代码里做条件检查和局部重试:机器人智能体更省 Token、成功率更高
PyRUA-Lean 把原语与 VLA 策略编成可局部重试的 Python 单元,只回传点名观测。700 个仿真任务上,同等调用预算成功率从 63.1% 升至 71.7%,双方成功实例输入 token 少 65%。
来源:Hugging Face Daily Papers2026-10-02周五3 篇AI 智能体基准测试
自进化搜索智能体的共作弊:CrossFit用交叉拟合切断虚假一致
自进化搜索智能体中proposer与solver会强化共享错误,内部奖励上升但外部正确性不提升;论文诊断共作弊并提出MSV与CrossFit缓解。
来源:Hugging Face Daily Papers不必另训世界模型:固定状态换目标,挤出智能体预训练常识
LLM智能体迁移差,往往不是缺世界知识,而是后训练没把它挤出来。EVOKE固定状态、换目标排序动作,报告任务、泛化与数据效率均有提升。
来源:Hugging Face Daily Papers当前最强视觉语言模型仍难过科学软件关:146项任务做产物核验
OSWorld-Science用146项科学软件任务和产物级执行评估检验计算机使用智能体,覆盖分子、病理、统计与仿真,结果显示最强视觉语言模型配强框架仍吃力。
来源:Hugging Face Daily Papers2026-10-01周四3 篇AI 智能体大语言模型
别让智能体每次重摸文档关系:用实体页离线织一张语料图
按反复出现的实体组织语料:实体页聚合信息并链向相关文档,离线解析提及、查询间共享链接,避免智能体每次重发现关系。
来源:Hugging Face Daily Papers最强前沿模型仅得44.3分:专业工程跨软件成功率3.6%
EngiWorld含1301项任务、六领域26款软件;七个前沿模型最强仅44.3分,跨软件成功率3.6%,专业设计闭环仍难自动化。
来源:Hugging Face Daily Papers顺序循环不够用:用重叠记忆协程把LLM做成通用异步智能体
本文把语音、视频、机器人等异步场景统一为可重叠记忆的推理协程,并展示Qwen 3.x无需专项训练即可做流式视频理解、游戏与监控。
来源:Hugging Face Daily Papers2026-09-30周三3 篇AI 智能体强化学习机器人
OpenAI发布Dots:主动助手可跨复杂项目持续工作并保持控制
OpenAI于2026年9月29日推出Dots,定位为可在复杂项目与日常任务中持续工作的主动式助手,并强调工作推进时用户仍保持控制。
来源:OpenAI超长程在线强化学习卡在空转与冗余:QwenGyre给出弹性调度框架
面向近百万token的超长程智能体在线强化学习,QwenGyre用弹性GPU重分配和轨迹去重缓解空转与冗余,并报告旗舰模型上的有限步增益。
来源:Hugging Face Daily Papers不更新权重即可复用干预经验:真实操作成功率从37.3%提到64.0%
强智能体把干预经验蒸馏成轻智能体剧本并递归精炼,真实操作成功率从37.3%升至64.0%,新任务实例无需更新模型参数。
来源:Hugging Face Daily Papers2026-09-28周一1 篇AI 智能体
2026-09-27周日1 篇代码智能体
2026-09-26周六3 篇AI 智能体
规划别和写答案绑死:IterSynth用滚动摘要做深度搜索
将规划与综合解耦,用滚动摘要作搜索状态,并以RDPO训练。8B模型五项长程深度搜索基准平均50.7,较此前最强不超过8B的智能体高4.2%,也可零样本用于闭源模型。
来源:Hugging Face Daily Papers热度不能代替事实:OpenAI 智能体攻破 Hugging Face 的细节仍未核实
Hacker News 热帖称有人披露 OpenAI 智能体攻破 Hugging Face 的细节,获 160 分、104 条评论。目前仅能确认讨论热度,手法与官方定性均未在材料中出现。
来源:Hacker News真机规划当试金石:Qwen用闭环把数据、训练与部署连成合约
该工作提出闭环AI-for-AI框架,以真实手机规划检验长程智能体,并用合约连接数据、训练与部署。
来源:Hugging Face Daily Papers2026-09-25周五2 篇AI 智能体
2026-09-24周四1 篇AI 智能体
2026-09-23周三4 篇大语言模型AI 智能体视频大模型
不必整段重写:onPanda以token级纠正生成on-policy对齐数据
onPanda用定位首个不当token、替换或改写后截断续写的循环标注对齐与智能体轨迹,小规模对照显示中位时间降52%。
来源:Hugging Face Daily Papers研究时间成本减半:Parallel用GPT-6 Astra加速劳动力市场数据合成
OpenAI称Parallel智能体借助GPT-6 Astra,在劳动力市场数据研究与合成上实现时间与成本双降一半。
来源:OpenAI给智能体 harness 加正则:RRSI 约束自进化以减轻过拟合
RRSI 把正则化引入智能体 harness 递归自改进:限制提案改动量、筛掉基准特化修改,试图在进化切分之外保住增益。
来源:Hugging Face Daily Papers视频生成智能体学会调度工具:VABench上比基座高19.1分
用多任务强化学习训练视频生成智能体调用增强、生成与校验工具,VABench上从56.5提到75.6,升级生成工具后到86.1。
来源:Hugging Face Daily Papers2026-09-15周二2 篇AI 智能体
2026-09-13周日3 篇AI 智能体
AI 智能体也可能变成垃圾邮件:iLands 项目引发 Hacker News 热议
一篇文章将 iLands 的 AI 智能体推广方式称为糟糕的垃圾邮件案例,并在 Hacker News 引发广泛讨论。
来源:Hacker News从写沟通到盯生产:Perplexity让GPT-6 Astra贯穿系统流程
Perplexity将Astra用于沟通写作、软件修改和生产系统监控,并表示相较早期模型无需频繁介入。
来源:OpenAI终端智能体开始处理超长任务:T1用强化学习提升代码与科研执行能力
T1在云端沙箱中运行真实 Shell,通过任务验证器奖励强化学习,将终端智能体的长程任务能力推进到更长的工具调用链。
来源:Hugging Face Daily Papers2026-09-11周五4 篇AI 智能体代码智能体多模态模型
多智能体提示优化要先找准责任人:AgentGrad用干预拆解失败
AgentGrad通过逐个干预智能体定位失败来源,并聚合同类文本梯度,提升多智能体提示优化的针对性与可泛化性。
来源:Hugging Face Daily PapersCognition 推出 SWE-2:新代码智能体模型瞄准 Fable 5.1 与 GPT-Astra
Cognition 发布 SWE-2,官方将其定位为可与 Fable 5.1 和 GPT-Astra 竞争的新模型,引发 Hacker News 社区关注。
来源:Hacker News让企业数据直接进入工作流:OpenAI推出ChatGPT Work数据智能体
OpenAI介绍ChatGPT Work中的Data agent,支持连接企业数据、用自然语言发现洞察,并生成可交互的数据仪表盘。
来源:OpenAI一个接口让视觉语言模型直接操控机器人:Show-Harness的语义控制路径
Show-Harness用紧凑语义动作接口连接VLM意图与机器人执行,并支持闭源模型零样本控制及小模型低成本适配。
来源:Hugging Face Daily Papers2026-09-10周四2 篇实时交互大语言模型
2026-09-09周三1 篇GPT-5.6
2026-09-08周二1 篇AI 智能体
2026-09-07周一1 篇代码智能体
2026-09-06周日1 篇AI 智能体
2026-09-05周六1 篇AI 智能体
2026-09-04周五4 篇AI 智能体大语言模型
智能体竞争转向工具链:HarnessDev评估模型能否构建并进化执行框架
HarnessDev把评测对象从任务答案转向可运行的智能体执行框架,考察模型创建和迭代工具链的能力及成本。
来源:Hugging Face Daily Papers智能体评测可以提前收场:EarlyEval在结果显现时终止任务
EarlyEval通过中间行为预测智能体成败,在保持较高准确率的同时减少执行步数与上下文消耗,降低重复评测成本。
来源:Hugging Face Daily Papers金融审阅提速近四成:Legora用GPT-6 Astra数分钟检查41份文件
OpenAI称,Legora在金融审阅流程中借助GPT-6 Astra数分钟检查41份文件,并找出预先埋设的全部四处错误。
来源:OpenAI把代码库蒸馏成可复用技能:DisCo补上科研智能体的操作知识层
DisCo将机器学习代码库中的操作知识压缩为经验证技能,在固定模型与预算下提升多项科研基准表现。
来源:Hugging Face Daily Papers没有匹配的日报,换个关键词试试。