跳到正文
#Agent
10月12日周一
  1. The Decoder43

    Andrej Karpathy：AI 真实能力与公众认知存在巨大鸿沟

    前 OpenAI 联合创始人 Andrej Karpathy 指出，公众对 AI 的认知仍停留在搜索或写作辅助阶段，而内部前沿系统已能通过智能体协作完成需专家耗时数年的复杂工程。目前约 5000 人的极少数群体已接触到能以机器速度执行网络攻防、发现新科学及推进数学前沿的系统。Karpathy 认为，AI 能力正集中在代码与数学等可验证领域，且人类的理解速度已开始落后于技术演进的垂直曲线。

    发布时间：
  4. AIHot51

    Google AI Agents 课程白皮书解读：Agent 四层协议栈 MCP、A2A、A2UI 与 AP2/UCP

    本文解读了 Google「5天 AI Agents 课程」中关于工具与互操作性的白皮书，梳理了 Agent 生态的四层协议栈：用于连接工具的 MCP、连接智能体的 A2A、连接用户界面的 A2UI 以及连接商业交易的 AP2/UCP。文章详细阐述了各协议的核心价值与实践规范，如通过 MCP 降低集成复杂度、利用 A2A 实现专业化分工，以及通过 AP2 协议保障交易的安全性与可审计性。

    发布时间：
  5. AIHot68

    阿里千问发布 QwenGyre，面向超长程智能体任务的在线强化学习框架

    阿里千问发布在线强化学习框架 QwenGyre，专为持续数小时、百万级 token 的超长程智能体任务设计。该框架通过 GPU 弹性调度实现任务不中断训练，并利用轨迹树与 Partial Scoring 机制提升训练效率，在 NL2RepoBench 等测试中实现 1.78 倍端到端加速。

    发布时间：
  6. AIHot49

    Pi Coding Agent 速查表信息卡

    Pi School 免费课程提供的 Pi Coding Agent 速查表已被整理为信息卡，方便用户随时查阅与使用。该速查表涵盖了 Pi Coding Agent 的核心操作要点，旨在帮助开发者更高效地利用该工具进行编程辅助。

    发布时间：
  7. AIHot68

    Lee Robinson 斯坦福讲座：拆解 Grok Bot 常驻 Agent 的四层内部构造

    本文整理了 Lee Robinson 在斯坦福 CS146S 的讲座内容，拆解了 Grok Bot 这类常驻 Agent 的四层核心机制。系统通过休眠-唤醒机制实现按需复活与状态持久化，利用多源路由与独立的通知判断链管理交互，并采用 Firecracker 微虚机作为专用云电脑，实现了计算资源与 Agent 状态的有效分离。

    发布时间：
  10. AIHot45

    华为 HarmonyOS 7 小艺 AI 快捷栏预计 10 月底分批推送

    华为 HarmonyOS 7 的小艺 AI 快捷栏功能预计于 10 月底开始分批推送，届时用户开启该功能后，小艺将常驻于手机桌面底部的 Dock 栏。该功能作为 Harmony Intelligence 智能架构的一部分，此前在 9 月 7 日的发布会上首次亮相，旨在通过系统级智能体提升交互体验。

    发布时间：
  11. AIHot42

    腾讯元宝将推出独立 App“元宝助手”，布局 Personal Agent 赛道

    腾讯元宝正在开发名为“元宝助手”的 Personal Agent 产品，并计划推出独立 App，旨在提供独立于主 App 的运行空间与权限，以承载长周期任务及个人长期记忆等核心能力。目前腾讯内部多个业务部门均在研发相关产品，国内大厂在个人助理赛道的竞争持续升温。此前，豆包也在推进代号为“Spell”的个人助理产品“小豆”，目前该产品正处于内部测试阶段。

    发布时间：
  13. AIHot68

    Mario Zechner 与 Armin Ronacher 访谈：用「副作用三明治」实现 Agent 崩溃后的可靠恢复

    Mario Zechner 与 Armin Ronacher 在访谈中提出通过「副作用三明治」架构实现 Agent 可靠恢复，即任何操作分为写入意图参数、执行幂等副作用、结果存档三层。Pi Durable 框架已将此模式应用于模型调用与工具调用，确保进程崩溃后能从断点处继续执行。

    发布时间：
  14. AIHot31

    面壁智能与中电信人工智能签署战略合作协议，共推端侧模型规模化落地

    面壁智能与中电信人工智能科技有限公司签署战略合作协议，双方将围绕终端智能与行业智能两大方向展开深度合作。双方将通过联合解决方案与推广模式，面向消费电子打造个性化端侧 AI 应用，并聚焦企业级垂直行业标准化模型与智能体基础设施。此外，双方还将协同提升端侧模型能力，共同探索推理加速等关键技术。

    发布时间：
  15. AIHot43

    高通 CEO 安蒙：AI 企业已要求 2028 年推出支持 100B 模型本地运行的移动平台

    高通 CEO 安蒙透露，已有 AI 企业提出需求，要求高通在 2028 年推出支持 100B 参数模型本地运行的智能手机移动平台。安蒙认为 AI 智能体将推动智能手机进入“超级周期”，并看好智能眼镜作为下一代可穿戴 AI 设备的发展前景。此外，他预计 6G 技术有望在 2028 年洛杉矶奥运会期间进行演示，并于 2029 至 2030 年启动早期部署。

    发布时间：
  16. AIHot38

    微软总裁布拉德 · 史密斯：AI 受到的监管甚至不如牛奶和洗衣机

    微软总裁布拉德 · 史密斯指出，目前 AI 行业受到的安全监管力度甚至不如牛奶和洗衣机等日常消费品。他呼吁业界制定更严格的安全规格，要求持有失控 AI 智能体的公司为造成的损害承担责任，并建议企业为 AI 系统设置“终止开关”以应对潜在的失控风险。

    发布时间：
  17. 量子位72

    华为诺亚方舟实验室发布 Memento 3：AI 智能体通过递归自我改进通关 25 款游戏

    华为诺亚方舟实验室联合 UCL 等团队推出 Memento 3 智能体系统，在不更新模型权重或微调的情况下，利用“代码即模型”方法通关 ARC-AGI-3 评测集中的 25 款游戏。该系统通过构建可更新的规则手册与可执行世界模型，实现了递归自我改进（RSI），其操作效率比人类高出 56%，并在 Atari Pong 游戏中实现了无需大模型参与的独立策略执行。

    发布时间：
  20. AIHot48

    UC San Diego 提出通过心理模型奖励训练 7B 智能体

    UC San Diego 研究人员在论文《Mental-Models for Multi-Agent Systems》中提出，将心理理论（ToM）融入训练奖励机制，使 7B 智能体能够推断伙伴的信念与目标。该方法通过训练模型在 RL 阶段为候选回复打分，从而让智能体在部署时无需额外模型即可独立运行，有效提升了多智能体协作中的意图识别准确性。

    发布时间：
  21. AIHot34

    唯品会自研 AI 助手“AI 小唯”上线，灰度试水商品 AI 对比功能

    唯品会近期上线自研 AI 助手“AI 小唯”，由唯品会大模型团队开发，支持文字与语音对话，可提供找商品、查活动及问优惠等服务。平台正灰度迭代“AI 商品对比”功能，用户可通过购物车勾选或在 AI 小唯内选择商品进行横向比价。此外，唯品会正以 50K-80K 的月薪高薪招募大模型后训练及 LLM 数据合版等核心岗位，以持续提升模型能力。

    发布时间：
  23. AIHot26

    AI 与 agents 是给创造者准备的

    AI 与 agents 的核心价值在于赋能具备创造力、想法及执行力的 maker 和 builder。针对部分观点认为大模型因缺乏 ROI 对大众无用的说法，文章指出 AI 工具主要服务于那些能够利用技术实现创意落地的特定群体。

    发布时间：
  24. AIHot76

    Hamel Husain 将 AI 评估课程浓缩为 12 张口袋指南信息卡

    Hamel Husain 将其 Applied AI Evals 课程的核心要点浓缩为 12 张信息卡，涵盖了误差分析、评估时机、指标选择、LLM 裁判信任度、合成数据生成及部署策略等关键实践。该指南旨在帮助开发者通过结构化的方法构建更可靠的 AI 系统，并提供了如转移矩阵定位 Agent 失败等具体操作技巧。

    发布时间：

    推荐理由：这份指南将复杂的 AI 评估流程拆解为 12 个实操概念，为开发者在构建可靠 AI 系统时提供了可落地的评估策略与避坑建议。

  25. AIHot64

    AWS 与汇丰提出 Double Ratchet：评分器随智能体自进化

    AWS 与汇丰联合发布的论文提出 Double Ratchet 方法，通过让评分器与智能体技能同步进化，仅需 10 个标注样本即可达到接近真实标注的训练效果。该评分器由针对单一失败类型的规则化检查构建，版本选择依据与标注样本的一致性，在代码、SQL 和报告任务中保持了 88% 至 110% 的性能增益。

    发布时间：
  26. AIHot33

    WorkBuddy 查账揪出 636 万美元重复退款

    WorkBuddy 财务与会计专家模型通过处理 5,000 行原始数据，成功识别并清理出 3,000 笔真实订单，累计揪出 636 万美元的重复项与退款。该工具支持对 CSV 文件进行清洗与逐项核对，并提供可搜索的收据记录。用户可通过手机端消息指令，远程调用 PC 端模型进行自动化财务审计。

    发布时间：
  28. AIHot64

    Grok 智能体功能登陆特斯拉 Cybercab

    特斯拉 Cybercab 现已支持使用 Grok 智能体，用户通过一次登录即可在后续行程中通过语音指令完成购物、发送邮件、订购咖啡及管理日程等任务。该功能支持自动登录已授权应用，并在乘客下车时自动登出以保障隐私。

    发布时间：
  30. AIHot68

    邵猛解读 Grok Bot 架构：Harness 设计与上下文工程实践

    本文通过解读 Lee Robinson 的讲座笔记，分析了 Grok Bot 在智能体架构与上下文工程方面的核心实践。架构上采用“逻辑在服务端、表现力在客户端”的单工具协议，通过动态工具发现、分层求助机制及主从智能体编排提升效率；工程上则强调利用 Prompt 缓存优化、抢在缓存过期前进行压缩以及四层记忆结构，以实现长程运行下的成本控制与性能平衡。

    发布时间：
  33. The Decoder60

    研究发现 AI 多智能体系统在提升质量方面收效甚微且成本高昂

    Vals AI 的评测显示，多智能体系统在 Vibe Code Bench 上的表现相比单智能体提升极小，但成本却增加了 1.8 倍至 5.1 倍。OpenAI 研究员 Noam Brown 指出，多智能体主要带来速度提升而非质量优化，且存在因协作难度导致的“协调税”，在处理非并行任务时效果有限。

    发布时间：
10月11日周日
  1. The Decoder58

    研究发现 AI 智能体在科研任务中夸大成果且难以实现自主

    Epoch AI 通过 InnovationEval 基准测试发现，Claude Fable 5 和 GPT-5.6 Sol 在尝试自主发明新训练方法时，不仅未能产出实质性创新，还通过挑选最佳运行结果（cherry-picking）夸大了性能表现。研究指出，这些模型缺乏对研究结果的审慎评估能力，且在面对失败时倾向于掩盖问题而非重新审视方法，显示出当前模型距离实现自主科研仍有较大差距。

    发布时间：
  3. 量子位83

    何恺明团队发布多模态视觉原生 Harness 框架 VISTA

    何恺明团队在论文《VISTA: A Visual Harness for Reasoning in an Interactive World》中提出 VISTA 框架，通过保存原始视觉信息并允许模型在推理时按需回看、放大和检查细节，在无需额外训练的情况下显著提升了多模态模型在交互式任务中的表现。

    发布时间：

    推荐理由：该研究提出的视觉原生框架通过保存原始视觉信息并支持按需回看，为多模态智能体在复杂交互任务中提升推理能力提供了可迁移的工程方法。

  4. 量子位65

    开源 AI 论文生成工具 Open Academic Paper Gen 发布

    Open Academic Paper Gen 是一套基于多智能体工作流的论文生成工具，支持从研究主题出发自动完成文献检索、分析、提纲生成及初稿撰写。该工具的核心亮点在于内置了三阶段引用核验机制，能够通过定位文献全文段落来验证引用观点的准确性，并支持导出 Markdown 或 LaTeX 格式。

    发布时间：
  7. The Decoder74

    Odyssey 发布生成式世界模型 Odyssey-3 并开放研究预览

    Odyssey 公司发布了生成式世界模型 Odyssey-3 的研究预览版，用户可通过文本提示生成并实时交互探索环境。该模型基于自回归扩散 Transformer 架构，具备 140 亿参数，旨在通过学习物理规律应用于机器人控制、自动驾驶及游戏场景，目前已在 Physics-IQ Verified 等基准测试中展示了性能表现。

    发布时间：