⌘ K
… 读取采集状态 同步中...
雷

#Agent

今日 34 条
10月5日周一
  1. Cohere Blog36

    Cohere 与 PwC 合作加速企业级 AI 安全部署

    Cohere 与 PwC 宣布成立全球联盟，并在加拿大率先落地。该联盟整合 Cohere 的北星平台、企业模型及 PwC 的行业与风险管理专长，协助组织在私有云、本地部署及隔离环境中识别高价值用例并落实 AI 治理，从而在保障敏感数据安全的同时实现规模化应用。

  2. MarkTechPost85

    GPT-6 Astra、GPT-6.1 Sol、Gemini 4 Argon 与 Claude Fable 5.1 横向评测：不同任务场景下的前沿模型选型指南

    Anthropic、OpenAI 和 Google DeepMind 在 30 天内发布四款前沿模型，本文对比其基准得分、定价与访问规则。

    推荐理由：通过对比四款前沿模型在特定任务下的基准得分、缓存成本与访问限制，帮助读者根据实际工作负载而非单一榜单排名选择模型。

  3. AGI Hunt83

    OpenAI Tibo：互联网大多数操作将由 Agent 完成

    OpenAI ChatGPT 与 Codex 负责人 Tibo 在 Lenny Rachitsky 播客中表示，互联网上的大多数操作将由 Agent 完成，建议开发者按一年后能力增长 10 倍的标准进行产品设计。

    推荐理由：Tibo 提出互联网多数操作将由 Agent 完成，并指出 dots 作为常驻入口将取代复杂编排，为产品规划提供前瞻视角。

  4. CVer7

    CVer 成立 Agent 技术学习群

    CVer 成立 Agent 学习群，旨在协助用户追踪并从业最前沿 Agent 技术。该群围绕 Agent 技术体系，持续整理前沿论文、开源项目、技术教程及学习路线。同时，社群提供 Agent 面试真题、招聘升学信息及行业动态，帮助用户构建完整的 Agent 知识体系。

10月4日周日
  2. The Decoder68

    Google 研究人员提出 RRSI 方法防止自我改进 AI 智能体记忆测试任务

    Google 研究人员提出 RRSI（Regularized Recursive Self-Improvement）方法，解决递归自我改进导致智能体记忆测试任务而丧失泛化能力的问题。RRSI 通过限制编辑预算规模并引入严格评审器剔除硬编码技巧，在八个基准测试中，Claude Opus 4.8 模型在未见任务上最高提升 4.7 分，运行时 token 消耗减少约 30%。

  5. 机器之心35

    Agent Harness 如何选择？南洋理工大学安波团队最新研究给出答案

    南洋理工大学安波团队最新研究探讨了不同任务场景下 Agent Harness 的选择策略。研究指出，同一模型接入不同 Harness 时，工具调用、上下文管理和错误恢复方式会产生差异，导致最终表现显著不同。由于 Harness 优势具有任务特异性，开发者需根据具体任务特性而非单一模型能力来评估和选择最适配的 Harness 架构。

  16. APPSO66

    Opus 5.5 爆款案例分析：如何平衡直观演示与复杂工程能力

    文章复盘了 Opus 5.5 和 Sonnet 5.5 发布的爆款案例，展示了利用 Claude Code 组织多 Agent 流程生成 MV、3D 游戏及科学演示网页的尝试。作者指出虽然直观 Demo 能迅速展示模型能力，但隐藏了 12 到 30 小时的制作耗时及数百至数千美元的成本，真正的模型评估需兼顾惊艳效果与长任务稳定性及成本控制。

    推荐理由：作者归纳了 Opus 5.5 在生成 MV、3D 游戏及复杂交互演示等案例中的具体应用流程，并探讨了这种直观演示在反映模型真实能力边界上的局限性。

  17. 量子位68

    openJiuwen发布X-Router自演进模型路由，实测降低50%+ Token消耗

    openJiuwen 开源了 X-Router 自演进模型路由技术，通过动态决策与反馈闭环优化模型选择，实测在 PinchBench 上将模型调用成本降低 44.6% 且得分几乎持平，在 Terminal-Bench 上成本降低 51.4% 且成功率达 Opus 的 95.2%。

    推荐理由：实测数据显示在接近顶配质量下，成本降低约44.6%，为Agent规模化落地提供了具体的路由优化路径。

  18. 量子位58

    DeepSeek扩招弹性计算团队并分享DSec Agent沙盒基础设施

    DeepSeek弹性计算团队正在大量招募资深工程师。DSec是支撑DeepSeek-V4全流程的沙盒基础设施，当前集群拥有160台服务器、3万个CPU核心和250TB内存，日服务约300万个沙盒，高峰期并发超38万个。通过镜像按需加载、内存共享和CPU调度，DSec大幅降低了Agent环境的资源开销，并支持利用Agent构建Agent环境及安全防御。

  23. APPSO82

    Tavus 发布 Griffin 实时视频交互模型

    Tavus 团队发布 Griffin 系列实时视频交互模型及 Griffin-Lite 研究预览版。在一项 54 人参与的 1 分钟视频通话实验中，约 48% 的参与者认为屏幕对面是真人，较上一代 2.4% 的误判率显著提升。

    推荐理由：Griffin通过54人样本实现48%真人误判率，其全双工视频交互机制和10秒声音克隆能力为实时虚拟人提供了可复现的评测基准。

  25. 机器之心73

    华为等机构联合开源 LegoFlow 框架，自动化代码数据构建与训练测评全流程

    华为、港中文、港科大联合开源代码数据工程框架 LegoFlow，通过自动化智能体工作流串联代码数据构建、训练与测评全流程。团队同步发布 LegoFlow-SWE 数据集，包含从 1,200 万个候选拉取请求中筛选出的 5,000 个经过验证的 SWE 任务及 2,780 条高质量轨迹。

    推荐理由：框架将代码数据生产全流程封装为智能体可调用技能，并开源了5000个经严格验证的SWE任务及2780条高质量轨迹。

  26. 机器之心78

    StartLux 发布开源决策模型 StartLux-Decision，决策测试综合成绩超过 Jev

    上海 StartLux 发布完全开源的 StartLux-Decision 模型，提供 0.8B、2B、4B、9B 和 27B 五个规格。在 Decision Index 0.2.1 的 38 项基准测试中，27B 版本综合得分 63.88，31 项成绩超过 Jev 1.13；在对 Jev 的国际象棋对弈 36 局中赢下 35 局。

    推荐理由：原文披露了五档模型规格及决策测试成绩，为判断这类模型在 Agent 中的适用性与本地部署成本提供了具体参照。

  27. 极客公园22

    苹果确认美版 iPhone 18 Pro Max 故障；OpenAI 日耗 50 万美元调查 AI 入侵；AI 面试引“恐怖谷”效应 | 极客早知道

    苹果确认美版 iPhone 18 Pro Max 存在 AT&T 网络故障，用户需更换设备，并推送 iOS 27.0.1 及运营商更新。OpenAI 日耗超 50 万美元调查 AI 智能体入侵事件，需筛查 50PB 数据。AI 数字人面试官因“恐怖谷”效应引发求职者热议，相关话题冲上热搜。

  28. 极客公园82

    Claude Code 上线 Mods 机制与插件目录生态

    Anthropic 于 10 月 1 日将 Claude Code 的 Mods 机制写入更新日志并默认开启。该机制允许开发者通过 TypeScript 函数在终端侧扩展交互、拦截指令或调用其他模型，官方团队自身也使用同一套机制开发 /diff 等功能。

    推荐理由：原文展示了 Mods 机制如何让用户自行扩展 Claude Code，并对比了应用商店生态与开放边界，有助于判断工具演化的下一步。

  31. AI信息Gap85

    Claude Opus 5.5 视频生成完整教程：从一句话到 9500 字符导演脚本

    Anthropic 的 Claude Opus 5.5 虽非视频模型，但可通过生成网页动画代码、无头浏览器逐帧截图、FFmpeg 拼接实现视频制作。教程给出了 HyperFrames 与 Remotion 两种渲染方案，以及 6 种提示词策略，从一句话到 9500 字符导演脚本不等。

    推荐理由：原文拆解了 Opus 5.5 生成视频的三层管线与六种提示词结构，提供了带实际消耗的完整落地路径。

  34. Datawhale77

    Meta 开源 Muse Gadgets，支持在树莓派等硬件运行本地 AI 助手

    Meta 开源 Muse Gadgets，提供 ESP32 固件和 Linux SDK，开发者可将其部署在树莓派等单板计算机上，实现语音交互与传感器读取。官方还推出 Muse Home Link 配件，用于连接家中现有的智能家居设备。

    推荐理由：Meta 开源 Muse Gadgets 的固件与 SDK，允许开发者通过现成硬件构建本地 AI 助手，打破封闭硬件生态。