跳到正文
  1. Hugging Face Blog76

    Hugging Face 推出 harness adapters,以定制 RL 提升智能体性能并降低成本

    Hugging Face 推出 harness adapters,通过在目标 AI 智能体 harness 内进行 RL,为 Qwen3.8-27B 分别训练 pi、Hermes Agent 和 OpenCode 的 LoRA adapter,并合并为一个 super-adapter。

    推荐理由:文章给出同一模型在三种智能体 harness 中的训练配方与成对评测,可用于判断定制 RL 在性能和工具调用成本上的取舍。

  1. The Decoder79

    OpenAI内部报告称研究人员宁愿放弃40%团队人手,也不愿停用编码智能体

    OpenAI内部报告称,在一项101人的非代表性调查中,研究人员宁愿放弃团队40%的人手,也不愿停用现有编码智能体三个月。10月,研究人员每日token消耗按API标价折算的中位数为$2,400,较上月增长62%,前10%用户为$23,000。3月至10月,无人干预完成2至4小时任务的估算成功率从23%升至46%;但评测与强化学习环境构建成功率仅29%,访谈认为复杂研究仍需人类监督。

    推荐理由:报告把内部智能体的并行规模、折算成本与任务成功率放在一起,呈现常规工作和复杂工程之间的能力落差。

  1. Microsoft Research79

    TokenEconomizer 开源插件利用历史会话降低 AI 编码智能体成本

    UC Berkeley、Microsoft Research 和 Microsoft Security 推出开源插件 TokenEconomizer,可从同一仓库的历史会话中学习,在不修改智能体或底层模型的情况下减少后续任务浪费。

    推荐理由:它展示了如何从同一仓库的历史会话中提炼微技能、裁剪工具并干预失败循环,为降低编码智能体的 token 成本提供可迁移方案。

  1. Google Developers Blog62

    Google 评测 Agent Anomaly Detection 在五个公开基准上的表现

    Google 使用 Agent Development Kit(ADK)和 gemini-2.5-flash,在五个非 Google 编写的公开安全基准上测试 Private Preview 中的 Agent Anomaly Detection,共评测 1,774 个 sessions。

    推荐理由:五个公开安全基准的测试展示了 Agent Anomaly Detection 对已执行有害指令的检测效果,也暴露出对长期记忆投毒的覆盖短板。

  1. Microsoft Research62

    微软研究人员发现Lazarus技术:重编程休眠神经元可给AI智能体植入后门

    微软研究人员发现名为Lazarus的后门技术,通过重编程LLM中不到10个休眠神经元即可植入后门,且不需要重新训练。模型能通过标准安全评测,但在触发条件(如日期变化)出现后,基于该模型的AI智能体会在正常任务中执行命令下载并运行攻击者代码,对拥有工具或终端访问权限的智能体风险尤其大。

    推荐理由:研究显示,重编程不到10个休眠神经元就能让智能体在特定触发下执行恶意命令,提示权重溯源审计的现实意义。

  1. Google Developers Blog68

    Google 量化代码 TODO 引发的智能体偏航成本

    Google 分析数千名工程师、数亿个智能体步骤后发现,代码中的 TODO/FIXME bug 引用会让智能体偏离开发者原定任务。13% 的文件读取会话接触到这类引用,其中 6% 触发后续行动,83% 的行动未获开发者请求。

    推荐理由:文章量化了代码中过时 TODO 如何诱发智能体偏航,并给出结合工单状态与代码历史清理引用的方法。

  2. Anthropic Engineering75

    Anthropic 拆解 AI 智能体记忆的组件与 dreaming 机制

    Anthropic 介绍了 Claude 的 AI 智能体记忆系统,涵盖记忆笔记、dreaming、wiki 等组件,以及它们如何在会话间组织、修正和加载记忆。

    推荐理由:文章拆解了记忆笔记、wiki 表征与 dreaming 的分工,并用 CL-Bench、Pokémon 和文档检索实验说明它们如何修正错误、组织跨会话知识。

  1. Microsoft Research65

    Microsoft Research研究员证明困扰数学界31年的KLS猜想

    Microsoft Research研究员Xinzhi Zhang与合作者Zhao Song证明了1995年提出的KLS猜想,确立高维对数凹分布中最佳平面切割与最佳任意形状切割之间的差距存在与维度无关的固定上界。

    推荐理由:原文详述了研究者引导多个AI智能体并行探索上百条推理路径、逐步筛选收敛到最终证明的协作过程。

  1. Qwen Blog67

    E-Commerce Bench:面向 Agent 的长程电商经营多维评估

    Qwen 联合淘天集团发布 E-Commerce Bench,用于评估 Agent 在有限资金和时间约束下持续经营网店的能力。模型以10万元本金经营365天,面对6,886个商品、576个供应商和动态市场,并接受盈利、现金流、谈判、反欺诈、运营效率、执行力与长程学习等维度评估。

    推荐理由:E-Commerce Bench 将真实平台脱敏数据、确定性谈判内核与长期资金约束结合,提供了评估 Agent 持续经营和风险管理能力的可复现实验框架。

已经到底了