跳到正文

#Agent

今日 206 条
9月9日周三
  1. Mistral AI68

    Mistral 用 AI 智能体将 40,000 行 Fortran 77 迁移至 C++

    Mistral 帮助欧洲能源运营商将 40,000 行 Fortran 77 迁移到 C++，并给出结构化智能体工作流：先构建数值 parity harness，再整理文档，最后由人类审核员驱动 coder、tester、reviewer 智能体逐模块迁移。

    推荐理由：原文给出了一套可迁移的现代化工作流，读者可以据此评估自身代码迁移中自动化与人工审查的平衡点。

  2. Together AI64

    开源 AI 栈：模型、推理、网关与 Harness 的选型与组合指南

    Together AI 发布开源 AI 栈指南，将栈分为模型、推理、网关与路由器、Harness、工具与上下文管理五层。推荐同时使用大模型（如 Kimi K3，1.8T 总参数）与小模型（如 GLM 5.3 Flash，320B 总参数）处理不同复杂度的任务，并可通过 OpenRouter、Vercel AI Gateway 或 LiteLLM 路由多提供商。

    推荐理由：原文分层拆解开源 AI 栈各层组件与选型思路，开发者可按需组合模型、网关与工具。

9月6日周日
  1. OpenAI News33

    OpenAI 内部视角：编码智能体如何加速 AI 研究

    summary_zh: OpenAI 内部数据显示编码智能体正在重塑 AI 研究流程。早期数据涵盖智能体使用率、实验迭代速度、任务复杂度与研究加速效果，但具体数字和指标未在正文中披露。 OpenAI 内部数据显示编码智能体正在重塑 AI 研究流程。早期数据涵盖智能体使用率、实验迭代速度、任务复杂度与研究加速效果，但具体数字和指标未在正文中披露。

9月5日周六
  2. GitHub Blog · AI & ML60

    GitHub Copilot Project HydraFusion：通过多模型编排实现前沿质量

    GitHub Copilot 发布 Project HydraFusion 研究预览，通过运行时多模型编排自动选择工作流以平衡性能、成本和延迟。在 TerminalBench 2.1 上比 Claude Opus 5 质量提升 4.9 个百分点且成本降低 67%，DeepSWE 和 CheckpointBench 上也接近 Opus 5 水平。

    推荐理由：HydraFusion通过多模型编排自动选择最优工作流，在三个编码基准中以显著成本降低逼近Claude Opus 5的性能，为开发者提供无需手动协调模型的前沿质量编码体验。

9月4日周五
9月3日周四
  3. Hugging Face Blog67

    用 TRL 和 OpenEnv 训练代码生成水彩画模型

    作者用 TRL + OpenEnv 复现 Surya Narreddi 的水彩画训练流水线，全部工件开源并在 Hugging Face 上端到端运行。奖励函数由编译门、代码长度、Qwen3-VL 配对裁判和 HPSv3 美学偏好组成，三组奖励混合（judge-led / hps-led / hps-only）对比显示，裁判权重越高起始奖励越低但最终质量提升越明显。

    推荐理由：原文给出了完整开源流水线和三次奖励对比，读者可据此复现并迁移到其他审美偏好数据集。

  4. GitHub Engineering69

    GitHub Copilot 四项优化降低 AI 编码成本且不牺牲任务质量

    GitHub Engineering 公布 GitHub Copilot 的四项成本优化：选择性压缩重复输出、移除文件读取行号前缀、缩短任务工具提示词、批量送达后台完成结果。离线基准与在线实验显示平均成本下降约 2.3%–5%，无质量回归；强调应按完整任务而非单次工具调用评估效率。

    推荐理由：GitHub Copilot 通过四项工程优化降低 AI 编码成本，读者可据此理解上下文压缩与提示精简的边界。

  5. Google DeepMind70

    Google DeepMind 发布 Gemini 3.8 Flash 与 3.8 Flash Cyber

    Google DeepMind 发布 Gemini 3.8 Flash 和 Gemini 3.8 Flash Cyber，前者延续 3.7 Flash 的速度与定价（每百万输入 token 0.75 美元、每百万输出 token 3.75 美元），在软件工程、智能体任务和多步推理上明显提升。

    推荐理由：3.8 Flash 在相同价格下把提升集中在长周期编码与智能体任务，读者可据此判断是否替换现有生产模型。

9月2日周三
  1. Meta Engineering · AI80

    Meta 构建组织第二大脑：AI 从专家处学习并持续改进

    Meta 发布一个组织级 AI Agent，通过结构化知识库与可组合食谱分离知识与推理，并借助自改进循环将专家反馈编译为经过回归测试的更新，无需模型重训练。系统包含知识层、推理层、评估框架与改进循环，经过六周三轮开发实现评估时间从天降至分钟、零回归，且每次修正自动强化回归套件。

    推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。

8月31日周一
  1. MIT News · AI64

    JuliaHub 发布 Dyad 3.0，以物理约束 AI 智能体加速复杂系统设计

    JuliaHub 推出 Dyad 3.0，帮助工程团队通过自主 AI 智能体完成物理仿真、安全分析与质量校验，并依据物理定律修正设计。Julia 用户已超 100 万，被用于模拟电路、气候建模、疫苗研发和飞机防撞系统。

    推荐理由：原文给出 Dyad 3.0 的物理约束能力和 Boeing 等客户案例，读者可据此判断工程设计的自动化边界。

8月28日周五
  1. Google Research60

    行星预测引擎：通过地球AI自动化全球建模

    Google Earth AI推出实验性行星预测引擎（PPE），可根据自然语言查询自主完成地理空间数据发现、特征工程、模型训练与评估，将原本数周的手动流程压缩至分钟级。

    推荐理由：原文展示了自主地理空间建模工作流，读者可据此理解AI如何缩短从数据发现到模型训练的周期。

8月27日周四
  1. Microsoft Semantic Kernel60

    Agent Harness：让你的 claw 进入生产就绪

    Microsoft Agent Framework 教程第 4 部分，将个人财务助手拆分为共享 agent factory 加 console、hosted service、evals runner 三种宿主，并接入 OpenTelemetry 可观测性、Microsoft Purview 治理、Foundry 托管部署以及本地与托管评测。

    推荐理由：通过共享 agent factory 配合三种宿主，把个人财务助手从本地玩具推进到可观测、可治理、可部署、可评测的生产级架构。

  2. Amazon Science62

    当 LLM 评判者一致时，我们该相信吗：基于 Ising 模型的依赖感知聚合方法

    Amazon Science 提出基于 Ising 模型的依赖感知聚合方法，在相关性、毒性、摘要三任务上相对加权多数投票提升 9%–14%。该方法通过建模评判者之间的成对依赖关系，在无监督设置下利用评估日志中的同意与分歧模式调整聚合权重。

    推荐理由：原文给出了依赖感知聚合方法与多数投票的对比结果，读者可据此判断是否需要重新审视现有 LLM-as-a-judge 评估流程。

8月25日周二
  1. Hugging Face Blog67

    Granite 4.2 推理模型构建方法解析

    IBM Granite 4.2 推理模型家族（3B/8B/30B）采用分阶段强化学习流水线构建，支持思考/非思考切换与低思考预算模式。8B 与 30B 经过智能体 RL 训练，可在真实沙盒环境中进行代码编辑、终端操作与网页搜索，训练基于 NeMo-RL 与 NeMo-Gym，最终以 Apache 2.0 许可证开源。

    推荐理由：详细展示了从可验证奖励到智能体环境交互的分阶段强化学习流水线，为构建具备工具调用能力的推理模型提供了可复现的训练框架。

8月24日周一
8月22日周六
  1. Google Research46

    Google Research 的 Biomarker Discovery Framework：从可穿戴传感器数据中优先排序候选生物标志物

    Google Research 提出 Biomarker Discovery Framework，一个多智能体系统，用于从可穿戴传感器数据中优先排序候选生物标志物。在三个队列共9,279名参与者-观测中，框架自主识别了41个心理健康和25个代谢候选数字生物标志物。框架结合假设生成、统计分析、对抗验证和文献推理，通过11项内部检查电池分配报告标签，保持统计严谨性与人类监督。

8月21日周五
  1. Amazon Science62

    SOP-Bench：基于真实企业流程评估 AI 智能体的新基准

    Amazon 发布开源基准 SOP-Bench，覆盖 12 个业务领域、2000+ 任务，把专家撰写的真实 SOP 与工具及答案对齐来评估智能体。实验显示升级模型未必提升表现、工具过多会降低成功率，且没有一种模型+智能体组合在所有流程中占优。

    推荐理由：原文给出基线模型在真实业务 SOP 上的失败模式，读者可据此判断自研智能体在部署前应重点测试哪些环节。

  2. NVIDIA Developer · AI44

    NVIDIA AVO 在 ARC-AGI-3 上达 100%，展示长时程自主智能体的前沿通用架构

    NVIDIA AVO 在 ARC-AGI-3 上达到 100%，展示面向长时程自主智能体的前沿通用架构。AVO 强调智能体系统（harness）在上下文接收、工具使用、状态维护、反馈响应、失败恢复与长任务持续上的关键作用。原文未给出具体模型版本号、参数规模、benchmark 分数细节、速度倍数、价格或开源/闭源信息。

8月20日周四
  1. Mistral AI63

    Mistral 发布 Agentic Search 检索层，以多步检索提升复杂文档搜索准确率

    Mistral 发布 Agentic Search 检索层，通过 search、open、navigate、read、grep 五个工具让模型多步检索、打开并核对文档，已集成进 Mistral Search Toolkit 以及 Studio 和 Vibe 的 Libraries。

    推荐理由：原文用 FinanceBench 和 OfficeQA Pro 两组基准对比一次性 RAG 与多步检索循环，读者可借此了解复杂文档检索的取舍。

8月19日周三
  1. Hugging Face Blog74

    ALTK-Evolve：智能体记忆剂量如何随模型能力变化

    ALTK-Evolve 通过从历史轨迹中蒸馏行为指南并在推理时注入，实现无需权重更新的智能体记忆。在 AppWorld 上评估 8 个模型，发现强模型用完整指南集、弱模型用精选检索、最强模型已饱和无增益；gpt-oss-120b 以 +5% tokens 代价获得 +16.1pp TGC 提升，prompt caching 可降低生产成本。

    推荐理由：同一套记忆机制在不同能力模型上呈现三种剂量效应，为读者提供了可迁移的校准思路而非单一结论。

8月17日周一
8月14日周五
  1. Hugging Face Blog75

    开源模型半年观察：前沿迁移、采纳现实与Agent成为主要用户

    Hugging Face 发布 2026 年上半年开源模型观察报告，指出中国实验室在几乎每个月的前沿模型规模都超过美国模型，同时 Qwen 衍生模型达 15 万个、成为社区基础模型。下载量高度集中于小模型，GGUF 等本地推理格式增长远超模型仓库本身增速。Agent 首次成为 Hub 主要流量来源，7 月 Claude Code 占 44.4%，近四分之一流量来自未注册客户端。

    推荐理由：报告揭示了开源模型格局的前沿迁移与采纳现实之间的落差，为观察中国实验室的发布策略与社区实际依赖提供了可对照的数据视角。

  2. Hugging Face Blog74

    Strands Robots、LeRobot 与 Hugging Face Storage Buckets 打通录制、训练与部署循环

    Strands Robots 演示了用 Storage Bucket 记录 LeRobot 格式数据、通过字节级去重同步、从 Hub 流式读取训练、再以 mode='real' 部署到物理机器人的完整循环。示例使用 SO-100 机械臂和 mock policy，配套 notebook 在模拟环境即可运行。

    推荐理由：原文给出一条从录制到训练再到部署的完整数据循环，读者可据此判断它会怎样改变现有机器人工作流。