⌘ K
… 读取采集状态 同步中...
雷

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。

686条精选相关主题MCP 与工具调用AI 编码推理能力

最新精选

第 301–320 条 · 共 686 条
9月18日周五
  1. 新智元75

    Claude承担Anthropic80%代码编写致CI系统过载

    Anthropic披露内部数据，全公司80%代码由Claude编写，导致测试用例增长10倍、CI运行量半年内暴涨25倍。由于Claude全天候高频提交小型PR，原有单点测试影响分析服务不堪重负，团队经历三次修补失败后，重构为分布式无状态架构以解决CI瓶颈问题。

    推荐理由：文章复盘了Anthropic因AI高频提交导致CI过载的工程危机，揭示了智能体规模化落地对基础设施承载力的新挑战。

  2. LangChain Blog72

    LangChain 推出 Deep Life Sci 开源智能体助手

    LangChain 推出 Deep Life Sci 开源智能体助手，面向临床与实验室研究人员，可访问 ClinicalTrials.gov、PubMed、PubMed Central 等数据，并支持多模态文件上传与子任务分派。

    推荐理由：原文给出了开源架构、数据接入规模和可定制入口，帮助读者判断生命科学团队如何落地并优化智能体。

  3. 深度学习与NLP77

    CosmosMind发布MetaRSI-v1统一递归自我改进架构

    CosmosMind联合多家高校发布MetaRSI-v1，统一Model-RSI、Data-RSI与Harness-RSI，并提出改进改进过程的元架构。仅30亿激活参数的Qwen3.5-35B-A3B在Terminal-Bench 2.1、SWE-bench Pro、GPQA-Diamond和AIME四项基准上平均自我提升10.9分。

    推荐理由：原文提出统一多路径自我改进的架构，并用前沿模型和小模型基准量化了可迁移收益。

9月17日周四
  1. 甲子光年70

    腾讯、阿里、字节为什么都在给Agent造世界

    腾讯混元、阿里通义、字节Seed以及OpenAI、Anthropic都在为Agent构建训练环境，环境既是考场也是训练场。近半年混元至少4组研究人员发布6篇相关论文，累计76人次署名，覆盖长时任务、手机环境、自动生成与训练闭环等方向；阿里通义联合北大、浙大将Environment Scaling写入ACL 2026 Findings论文标题。

    推荐理由：梳理了腾讯、阿里、字节等大厂在Agent训练环境上的布局与遇到的质量瓶颈，可帮助读者理解这一新方向的产业逻辑。

  2. APPSO81

    生数科技发布 Vidu S2 实时视频生成模型，支持 720p 交互与编辑

    生数科技发布 Vidu S2 实时视频模型，包含 S2-Avatar 数字人与 S2-Editing 编辑功能，支持 720p 高清实时输出。该模型通过 SRF 训练技术和 Backbone-Refiner 架构，实现了实时虚拟试穿、换背景、风格化及角色替换。

    推荐理由：Vidu S2 实现了 720p 实时视频生成与编辑，支持动态换装与角色替换，让 AI 视频从离线渲染转向即时交互体验。

  3. 机器之心74

    前 OpenAI 研究员发布 TypeSafe 模型 Jev

    前 OpenAI 研究员 Diogo Almeida 推出 TypeSafe 的 System One Model Jev，该模型放弃自由文本生成，直接输出带概率的结构化判断。官方数据显示其速度最高可提升 20-200 倍，成本最高可降至 1/400，外部实测 777 次独立判断耗时不到 0.7 秒。

    推荐理由：原文展示了放弃自由生成、以校准概率决策为核心的模型设计思路，以及外部实测效率数据，为理解结构化自动化提供参照。

  4. 量子位70

    谷歌RSI论文：Dream-RSI实现AI自我进化

    谷歌发布Dream-RSI论文，提出利用AI历史探索记录构建模拟世界，以低成本优化搜索策略。在算法、数学及GPU内核优化任务中，该方法以较少的调用次数达到甚至超越基线效果。

    推荐理由：Dream-RSI利用历史探索轨迹构建模拟世界以低成本优化Agent搜索策略，实验结果显示其计算成本大幅降低。

  5. APPSO80

    小米 MiMo-V2.6 强化学习训练进展首次公开

    小米 MiMo 负责人罗福莉在 X 平台发布 MiMo-V2.6 实时训练面板，首次公开该模型强化学习阶段进展。Pro 版本 DeepSWE v1.1 得分 63.72，Flash 版本 60.77，单步训练规模达 2B tokens，累计训练成本已超 116 万美元。

    推荐理由：材料公开了 MiMo-V2.6 的实时训练面板与 RL 扩展策略，让外界首次看到强化学习在计算、环境和奖励机制上的具体演进。

  6. 夕小瑶科技说87

    小米 MiMo-V2.6 直播强化学习训练过程，两天花费超 113 万美元

    小米 MiMo 团队直播 MiMo-V2.6 模型的强化学习训练过程，仪表盘实时展示数据配比、算力花费及评测成绩，截至发稿累计花费超 113 万美元。该训练在多任务智能体强化学习场景下进行，单步处理约 20 亿 token，其中代码数据占比约三分之二。评测显示 MiMo-V2.6-Pro 在 DeepSWE v1.1 基准上得分 63.72，训练通过率提升至 61.4%。

    推荐理由：小米首次直播大模型强化学习训练过程，公开了每一步的数据配比、算力开销和实时评测成绩。

  7. GitHub Blog · AI & ML83

    GitHub Copilot 团队使用 Copilot 将运行时从 TypeScript 迁移至 Rust

    GitHub 宣布完成 Copilot agent runtime 的 Rust 重写，由单名开发者利用 GitHub Copilot 应用、CLI 和 SDK 协作，将超80万行代码从 TypeScript 迁移至 Rust，期间合并了128个 PR，通过增量替换策略实现运行时性能数量级提升。

    推荐理由：单名开发者借助 GitHub Copilot 将80万行代码从TypeScript迁移至Rust，并沉淀了人机协同的工程方法。

9月16日周三
  1. 极客公园79

    豆包手机助手发布 SAEP 协议，AI 手机 Agent 首次拥有公开操作边界

    豆包手机助手于 9 月 14 日发布屏幕自动化操作声明协议（SAEP），允许第三方应用对 AI Agent 的自动化操作设定边界并进入 30 天公示期。协议提供 7 项操作开关，系统层强制执行，并引入审计日志与 AGRP 策略文件机制，被拒绝的应用将立即进入不可操作清单。

    推荐理由：首次出现面向第三方应用的大模型操作边界协议，其系统层强制机制将直接决定 AI Agent 手机能否进入应用生态的下半场。

  2. 智东西65

    百度智能云提出产业智能体操作系统，涵盖通用、专业与定制三类智能体

    百度智能云在智能经济论坛上提出产业智能体操作系统，主张办公赛道将被通用智能体消化，真正战场在企业核心经营场景。沈抖将企业任务分为 20% 日常运营、30% 专业领域和 50% 核心任务，对应推出百度搭子、专业智能体矩阵及百度搭子开放平台。

    推荐理由：文章梳理了百度智能云三类智能体与产业操作系统架构，结合央企、车企落地案例，说明智能体如何嵌入核心业务流程。

  3. 深思SenseAI87

    TypeSafe 发布 Jev 模型，0.7 秒完成 777 次结构化判断

    TypeSafe AI 发布 System One 模型 Jev，该模型仅输出带校准概率的结构化决策，不生成自然语言。官方称其响应时间仅为 70-500 毫秒，输入成本为每百万 token 0.042 美元且输出免费。第三方 Mike Taylor 实测显示，Jev 在 0.7 秒内完成 777 次判断，但在 7 处预埋缺陷的测试中仅识别出 6 处，显示其存在漏判风险。

    推荐理由：文章通过第三方实测数据，补充了该结构化决策模型在成本与准确率上的具体表现边界。

  5. 机器之心73

    AI2 与华盛顿大学研究：复杂的 Harness Evolution 在公平预算下不如多跑几遍

    AI2 和华盛顿大学团队在 Terminal-Bench 2.1 上对比 Harness Evolution 与 test-time scaling，发现复杂进化方法在公平计算预算下并未稳定胜过直接多次采样或顺序修正。

    推荐理由：原文明确比较了 Harness Evolution 与 test-time scaling 的公平预算效果，为评估 Agent 自进化提供了关键对照视角。

  7. AIGC开放社区76

    Salesforce 推出 Koa 和 AIforce 两款产品

    Salesforce 在 Dreamforce 2026 推出 CRM 推理模型 Koa 和 AIforce 交互层，旨在让 AI 深入销售与客服流程执行具体操作。Koa 基于 NVIDIA Nemotron 3 Super 后训练，通过处理多步骤任务实现业务自动化，AIforce 则将 AI 接入 Claude、Slack 等工具，允许用户通过自然语言直接触发工作流和更新 CRM 记录。

    推荐理由：Salesforce 推出 CRM 推理模型与交互层产品，展示了企业 AI 从问答转向执行具体业务工作的落地路径。

  8. Claude Blog79

    Claude 合并 Cowork 与 Chat，并新增 Docs 与 Slides 功能

    Claude 宣布将 Claude Cowork 与 Chat 合并为统一界面，并推出 Claude Docs 和 Claude Slides 功能。新功能允许用户在对话中直接生成文档和演示文稿，支持导出为 PowerPoint 或 PDF。

    推荐理由：Claude 将 Cowork 与聊天合并，并推出 Docs 和 Slides 功能，展示了同一对话中处理复杂任务和多模态产物的能力。

  9. Hugging Face Blog76

    Hugging Face 推出 ALTK-Evolve 一致性分析工具

    ALTK-Evolve 新增 Consistency Analyzer，通过单次轨迹重采样定位 LLM 智能体决策不稳定的步骤。该工具生成一致性指导，将 AppWorld 基准上的 Mean@5 与 Pass^5 差异从 24.4pp 缩小至 12.0pp，平均准确率从 77.4% 提升至 81.0%。

    推荐理由：提出 Consistency Analyzer 来量化智能体输出稳定性缺口，给出可复用开源诊断方法。

9月15日周二
  1. 量子位69

    华为GTS发布NetCanvas，让Agent看着网络排障

    华为GTS发布NetCanvas，为网络排障Agent提供可交互视觉拓扑作为外部工作记忆，解决拓扑失忆问题。在CTBench基准测试中，NetCanvas将Agent综合通过率从30.3%提升至54.5%，双防火墙等复杂任务成功率从约10%跃升至约90%，平均探查步数减少29%，Token试错成本下降26%至45%。项目已开源于GitHub。

    推荐理由：华为GTS发布NetCanvas，通过可交互视觉拓扑提升Agent网络排障效率，双防火墙场景成功率从约10%跃升至90%。