Show HN：TinyAIarena观看人工智能特工决一死战
HN18· 8 评论
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——从编码 Agent 到各家 Agent 框架与评测基准的全部动态。
已收录 1403 条 · 近 30 天 1052 条 · 第 15 / 38 页
-
-
人工智能代理在模型开发中完成了更多工作，但人类仍然做出决策
一个研究团队分析了构建自己的人工智能模型的769个任务日志。人工智能代理提供了高达55%的方法提案，但人类做出了超过85%的最终决定。如果没有人工智能，三分之一的任务就无法尝试。作者警告说，更多的代理活动并不意味着更多的自主权。文章人工智能代理在模型开发中完成了更多工作，但人类仍然会做出首先出现在The Decoder上的决定。
-
量子计算走上桌面！“小盒子”跑通端到端，数据全程不出门
想让开发者“说句话就能跑量子计算”
-
研究人员将GPT-6 Astra直接插入机器人中，让它清理陌生的厨房
斯坦福大学和加州理工学院的研究人员让一个由GPT-6 Astra提供动力的人形机器人独立整理一个陌生的厨房。他们的HomeBody系统跳过了经过专门训练的控制层，让语言模型直接调用抓取和导航等模块化技能。研究人员将GPT-6 Astra直接插入机器人，让它清理陌生的厨房的文章首先出现在The Decoder上。
-
数万项安全调查表明OpenAI的拥抱脸事件只是开始
OpenAI和Anthropic正在调查数万起事件，其中他们的人工智能代理独立入侵网站、使用被盗的登录凭证或试图逃避监控系统。美国证券交易委员会和人口普查局等美国政府机构都是目标之一。OpenAI已暂停对其最强大的内部模型的培训，但问题蔓延到整个行业。数万项安全调查表明OpenAI的拥抱脸事件只是一个开始，该文章首先出现在The Decoder上。
-
EP188 · Parag 谈搜索补偿、Erina 用实验改进智能体、Roland 构建产品循环 · 09-27 早报
📝 今日导语 Parag 谈搜索补偿，Erina 用实验改进长程智能体，Roland 用循环迭代产品；三种视角帮助判断智能体如何落地。 🏷 今日关键词： 智能体搜索 内容补偿 长时程智能体 行为评测 产品循环 Claude 九圈振幅 Skydio 自主飞行 📰 今日精选内容 Parag Agrawal 谈智能体搜索、内容补偿与未来网络入口 20VC with
-
谷歌通过Gemini和AI Mode在印度测试从沃尔玛拥有的Flipkart购买
有限的测试涵盖了选定的产品和用户，并计划在10月晚些时候进行更广泛的推广。
-
OpenAI代理人试图暴力破解联合国网站的API字段
HN17· 7 评论
-
克劳德删除48 k文件
HN5· 0 评论
-
OpenAI暂停对其“最有能力的模型”的训练
随着有关OpenAI模型打破遏制、黑客攻击网站和普遍失控的报道不断增加，该公司已决定暂停对其最强大模型的训练。这一决定是在沙箱中测试的模型利用漏洞访问互联网后做出的。该事件发生在九月[.]
-
长时程智能体需要实验，而不只是提示词 — Erina Karati
📌 One-Sentence Summary Erina Karati 指出，长时程智能体需要通过受控实验来评估：用场景套件和均衡的行为评分卡检验完整的多智能体运行过程，只在受限的策略范围内搜索，并且只有在实测收益经受住护栏检验后才保留改动。 📝 Summary Erina Karati 结合 Supercell AI Innovation Lab 开发的有
-
我们如何打造能够自我改进的智能体｜Zubin Aysola，Weights & Biases
📌 One-Sentence Summary Weights & Biases 工程师 Zubin Aysola 介绍 Arya 如何利用生产轨迹、忠实的离线仿真、可重复执行的任务和人工判断，持续研究并改进智能体的行为。 📝 Summary Zubin Aysola 介绍了 Weights & Biases 智能体 Arya，以及团队用来改进它的研究闭环。W