20，840 条 Agent Arena 追踪数据揭示了编程智能体的哪些槽点
📌 One-Sentence Summary 对 29 个模型、20，840 条 Agent Arena: Code 追踪数据的分析发现，69.1% 的投诉指向代码无法运行，且 Fable 5.1 收到的「垃圾代码」与「不稳定」投诉少于 Astra。 📝 Summary Arena.ai 分析了 Agent Arena: Code 中覆盖 29 个模型的 2
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 1431 条 · 近 30 天 1052 条 · 第 21 / 37 页
-
-
人工智能安全是一个工程问题-如何在代理栈的每一层解决它
人工智能安全是一个工程问题。这意味着定义的安全要求、可执行的控制、指定的所有者和保护有效的证据。随着人工智能的能力越来越强，该行业必须加速安全工程，扩大防御工具的获取范围并分享更快有效的东西。技术变革，安全基础持久互联网和云计算改变了软件的运行方式，[.]
-
亚马逊阻止Meta的AI代理Muse在线购物
亚马逊已阻止Meta的新人工智能代理Muse在Amazon.com上购物。亚马逊阻止Meta的人工智能代理Muse在线购物的文章首先出现在解码器上。
-
Show HN：无记忆--从不总结的个人人工智能记忆
HN ð49· 16 评论
-
工程团队的 AI 软件工厂实战手册 | Warp CEO Zach Lloyd
📌 One-Sentence Summary Warp CEO Zach Lloyd 演示 AI 软件工厂：公开 Slack 启动分拣、Linear 工单、GitHub PR 与计算机操控 QA，管理层则用代码定义的指标追踪吞吐、成本、每 PR 人工交互次数、LLM-as-judge 评分与自改进闭环。 📝 Summary Claire Vo 访谈 Warp
-
百度200万美元重奖2支技术团队，李彦宏：认可技术价值，是百度真正的竞争力
9月21日，百度创始人李彦宏在内部活动上为技术团队颁发“百度最高奖”。两支入围团队均获奖，各获100万美元奖励。今年百度最高奖颁发奖金总计200万美元，折合人民币超1300万元。 “百度最高奖是百度技术信仰一个非常典型的体现。”李彦宏在活动现场表示，从百度成立的第一天起，百度就信仰技术，很多技术都是因为10年、15年的坚持，最后才被认可，才见到效果。“我们擅
-
AI4S青年志① | 摇瓶子的手与调参数的脑：两个95后和一场物质科学的化学反应
在AI4S，AI出身的人是在等AI出奇迹，而Science出身的人是在给AI立规矩。 作者丨 周蕾 编辑丨岑峰 【编者按】 这是雷峰网AI科技评论“AI4S青年志”系列专访的第一篇。当所有人都在谈论AI4S，我们想听真正在做的人怎么说。本系列与这个领域的青年人对谈，记录他们如何走向两个学科的交界，在难题与弯路中走到今天。 2026年7月7日，上海科学智能研究
-
通过要求智能体加速代码，写出比最先进库更快的 Rust 代码
📌 One-Sentence Summary 通过给智能体式 LLM 设定明确的通过/失败性能约束和防作弊护栏，Max Woolf 让它们迭代优化 Rust 代码，在机器学习和日常软件领域实现了比最先进库快 2 倍到 20 倍的速度。 📝 Summary Max Woolf 记录了一项历时数月的实验，测试智能体式 LLM 能否迭代优化 Rust 代码，使其性
-
亚马逊不信任Meta的Muse AI代理
据GeekWire报道，Meta的Muse AI代理已被阻止代表其用户在亚马逊购物。周日，Muse用户开始出现一条弹出消息，称“未经授权的人工智能代理的继续访问违反了亚马逊的使用条件，我们的客户已同意该条件。“据GeekWire报道，Meta没有通知亚马逊[.]
-
华为云码道上线鸿蒙编码大模型 面向鸿蒙开发者全面升级
2026年9月21日，华为云码道CodeArts代码智能体面向鸿蒙开发者进行全面升级，上线“鸿蒙编码大模型+码道鸿蒙智能体+鸿蒙开发者实践中心”三大核心能力，打造全球首个且唯一专为鸿蒙生态打造的AI编码智能体。 华为公有云总裁胡玉海表示：“华为云码道CodeArts代码智能体凝练华为多年研发经验，更懂研发工程实践，为开发者带来了新的开发体验。面向鸿蒙生态，华
-
长三角安全人工智能安徽省实验室发布星界、星驭、星鉴三大AI安全解决方案
9月19日，第一届中国网络空间安全大会（CCSC 2026）的高水平专题论坛在安徽合肥正式举办。
-
国产数据库跑出AI新能力！OceanBase登顶国际Data Agent榜单
OceanBase团队提交的Data Agent方案登顶国际数据智能体基准Data Agent Benchmark
-
登顶国际Data Agent榜单登顶国际Data Agent榜单，OceanBase超过多项GPT、Claude方案
近日， OceanBase团队提交的Data Agent方案登顶国际数据智能体基准Data Agent Benchmark（简称DAB），以90.62%的准确率位列第一，成为该榜单首个准确率突破90%的参评方案。值得关注的是，这一成绩由国产数据库OceanBase基于国产大模型GLM-5.2构建，超过多项基于GPT、Claude Opus、Claude Fa
-
StepFun推出第5步预览：总计600 B、27 B活跃MoE模型，具有1 M背景，用于长期预算工作
StepFun发布了Step 5 Preview，这是一个稀疏的Mixture-of-Experts模型，总参数为600 B，每个代币活动时间为27 B。它支持1 M令牌上下文窗口并接受文本、图像和视频输入。该模型针对软件工程、专业知识工作和金融领域的长期代理工作。API访问的价格为每100万个输入代币1.00美元，每100万个输出代币2.70美元，开放权重
-
GPT-6 Astra开进机器人身体！清华联手无问芯穹等开源RPent
在物理世界真正干活的具身智能体
-
开源Top2！实测阶跃Step 5 Preview，真有点猛啊…
激活参数仅27B
-
IDC评估中国AI算力管理平台:范式智能四项维度获满分，综合评分第一
范式成为《中国AI算力管理平台技术能力评估，2026》综合评分位列第一的厂商。
-
汽车行业首个AI超级智能体「迪迪虾」来了！腾势多款车型即将OTA
近日，比亚迪重磅发布了AI超级智能体「迪迪虾」，首搭腾势N8L纯电车型上
-
V7如何为人工智能代理提供机构记忆
使用GPT-5.6，V7将分散的公司文件转化为上下文代理，可用于完成复杂的、源链接的工作。
-
显示HN：jevals -用键入的Jev决定替换LLM法官
HN ð14·0评论
-
HCP总是一个坏主意？
我对LCP的评论总是一个坏主意？- 黑客新闻。本文完全忽视了LCP今天带来的价值。当然，如果您正在运行具有不受限制的互联网访问的成熟终端代理（Claude Code、Codex、Meta Muse、OpenClaw等），几乎没有理由使用MPP-只需让它直接调用API即可。如果您想操作比这更不YOLO的东西，您会发现自己想要：控制它可以访问哪些外部服务一种处理