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 3 / 38 页
📌 One-Sentence Summary ShipStation Global 开发了基于 Amazon Bedrock Agent 的 AI Slack 帮助台 Deckhand，解决了 97.5% 的 IT 查询并减少了人工工单量。 📝 Summary 本文详细介绍了 ShipStation Global 如何实现 Deck Slack 中处理重复性
ShipStation Global的工程团队在Amazon Bedrock AgentCore上构建了Deckhand，这是Slack的人工智能IT帮助台代理。它从精心策划的知识库中回答常规IT问题、阅读错误消息屏幕截图并归档Jira门票。在前三个月，它解决了97.5%的渠道询问，积极反馈率为96%。
Grok 4.7现已在Amazon Bedrock上推出。在这篇文章中，我们在Grok 4.7上构建了一个工具调用代理，并在四个推理工作水平上对三个推理任务进行评估，测量每个已完成任务的正确性和令牌成本。我们展示了如何调整每个请求的权衡并在生产中监控它。
作者：刘金林、陈伟、张小金|可重用技能让LLM代理按需加载特定于任务的指令，但它们使执行取决于技能元数据的隐式路由。我们通过固定SkillsBench任务及其黄金技能同时添加不相关技能来测试这种设计是否具有可扩展性。我们发现技能路由崩溃：尽管相关技能仍然可用，但代理人加载的技能越来越少或不加载。W
作者：Dominik Seip、Bartol Markovinović、Matthias Hein|目前，基于LLM的特工的安全性取决于对齐培训和安全分类器，这两者都不能排除复杂的间接即时注射（IPI）进行并造成重大伤害。因此，最近的工作构建了具有信息流保证的代理，这些代理依赖于结构化工具接口来与环境交互。计算机使用代理（CUA）以视觉方式发挥作用
HN ð141· 64 评论
新的X订阅将X的付费功能与Grok和Cursor等人工智能工具相结合，提供每月8美元至200美元的套餐。
如果代理没有使用我的诊断库，我可以内省并更新AGENTS.md，但仍然存在Delta，并且它会漂移。相反，我编写了一个预提交挂钩，检查git diff是否直接调用绕过我的诊断模块的可观察性模块。Boom：提交失败，注入提示，告诉代理使用诊断库。突然之间，十分之十。- 杰弗里·亨特利，没有人应该再手工输入代码了。这是剩下的。标签：编码代理、generative
美国运通正在引入一种新的框架，旨在确保人工智能代理仅进行其用户授权的购买，随着人工智能驱动的购物的发展，这可能会防止代价高昂的错误和纠纷。
让VLA从“演示可用”逼近“产线可用”
Z.ai的GLM-Legal是一个基于GLM-5.3-Flash构建的法律人工智能模型。它在Harvey ' s Legal Agent Benchmark上的满分为19.2%，几乎是基准的3倍，每次测试费用为0.15美元。通过应用程序访问。Z.ai GLM-Legal Beats Claude Fable 5和Kimi K3 on Harvey LAB的帖
拉马克进化的幽灵
由亿邦动力主办的“2026第八届亿邦产业互联网年会暨首届产业智能体大会”正式定档
📝 Today's Theme Anthropic separates agents; Meta uses idle GPUs; Atlassian weighs interfaces. Choose what to build. 🏷 Keywords： Claude Managed Agents Inference Atlassian MASS Skill
📝 今日导语 淘宝校准线上评测，Anthropic 解耦智能体，Meta 利用闲置算力：读懂质量、恢复与成本的工程取舍。 🏷 今日关键词： 线上评测 Claude Managed Agents Meta 推理容量 Skill 优化 企业 AI 改造 📰 今日精选内容 淘宝 AI 购物助手在线评测落地实践 大淘宝技术 · 文章 · 评分 91 让大脑与双手解耦
字节跳动 Seed 近日发出内部邮件，宣布将成立“Seed Model-Alignment&Preparedness”部门，由严林负责，汇报给 Seed 负责人吴永辉。原 Responsible AI 团队及部分 Chat 团队成员将转入新部门。 据悉，该部门的设立旨在加强安全与对齐方向的投入，对齐的核心是让模型的行为与人类意图和安全约束保持一致，从而提升
10月13日，千问官方公众号发布消息，Personal Agent「千问Go!」的体验申请页面已在千问APP上线。用户可通过APP内指定入口提交申请，千问将逐步为更多用户开放体验资格。 官方公告显示，让每个人拥有自己专属的AI助理，是千问一直以来的目标，此前，依托阿里生态与开放平台，千问已具备购物、出行、物流等领数十领域的个人办事能力。 千问推出Person
丢一句话进去，事儿就办完了
10月13日，阿里旗下数字供应链平台1688宣布，即日起，平台逾1亿年度活跃买家和超100万源头厂商，均可直接开通全球电商AI工作台Accio。 接入Accio后，买家不仅能用其完成采购，还能借助“电商管家”智能体运营全网生意；卖家则可通过Accio一站式管理1688店铺。 买家直接用1688账号登录Accio即可开通。卖家在Accio下载“1688生意助手
10月13日，阿里1688宣布接入全球电商AI工作台Accio。即日起，1688平台逾1亿年度活跃买家和超100万源头厂商均可直接开通。 双11前夕，Accio为“1688进货、全网卖货”的中小买家，提供用于全球寻源、比价、谈单的“采购助手”，以及打通淘宝、天猫、抖音、拼多多、京东等多平台的“电商管家”；同时，面向源头厂商上线“1688生意助手”，推出针对现
10月13日消息，千问Personal Agent「千问Go！」即将发布。一位用户使用后分享，通过千问Go为自己申请航班延误理赔，已获取70元理赔款；也有用户表示，千问Go已帮忙申请到52元的淘宝价保退款。此外，千问Go还可执行汽车保养、运动预约和购物比价等任务。 资料显示，千问是全球首个能为用户办事的个人AI助理。自去年上线以来，基于阿里生态和开放平台，已
📌 One-Sentence Summary LangChain 在 Open SWE 智能体框架内部构建了一个模型路由器，通过对任务进行分类并选择最具性价比的模型，在不牺牲质量的情况下降低了 64% 的中位数成本。 📝 Summary LangChain 详细介绍了其 Open SWE 编码智能体模型路由器的实现。通过将路由器置于代理框架内部而非通用网关，
📌 One-Sentence Summary Google 使用 Gemini 4 Argon 自主识别并修复了代理开发包（ADK）框架中的跨文件性能瓶颈，将会话开销降低了 40%。 📝 Summary 本文详细了一个案例：Google 工程师一夜部署了 Gemini 4 Argon，优化了一个包含 205，000 行代码的复杂 Python 仓库。过程涉及
HN ð128· 79 评论
阿里巴巴的Qwen团队推出了QwenGyre，这是一个用于超长视野代理训练的弹性强化学习RL框架。QwenGyre是阿里巴巴的一个在线强化学习系统，它通过未经修改的黑盒线束来训练编码代理。它的目标是运行数小时并处理近100万个令牌的推出。The post阿里巴巴Qwen推出QwenGyre：面向XLong-Horizon Agents的弹性强化学习RL ap
延迟的漫威/星球大战射击游戏“不再有手写代码”或无人工智能艺术。
Meta的新Muse Wonder模型在十项基准中有六项排名前三，其中在代理任务方面的收益最大。但每项任务的成本几乎增加了两倍。Meta的新前沿模型Muse Wonder Full突破人工智能顶级的文章首先出现在The Decoder上。
“我可能掌握了有关此案的信息，”克劳德·艾告诉费城警方。
📌 One-Sentence Summary Flywire 介绍 Orbit 如何把零散的 Agent 实验变成经过评审、权限受控的工作流，在受监管的工程环境中保证可靠性，只让模型处理需要推理的步骤。 📝 Summary Eduardo Simon 和 Javier Casal 介绍了 Flywire 的内部平台 Orbit。作为支付业务团队，他们把工作流
Sakana AI的MASS方法让一种语言模型通过解决任务、判断结果和细化工作流程来改进自己，两轮后相对于基础模型的获胜率接近70%。但当模型在所有三个角色中错过了相同的错误时，它可能会将它们误认为是进步，并在培训期间强化它们。文章Sakana AI的自我改进模型在解决和判断方面变得更好，但无法抓住自己的盲点，首先出现在The Decoder上。
Muse Spark的目标是成为一个可以在低延迟下执行的轻量级模型，而Wonder模型更大，据说功能更强，具有更高的基准得分和更好的编码等复杂任务的结果。
马斯克，我们发现你缺乏安全保障令人不安。
了解如何通过来自新加坡、雅加达、泰国、马来西亚和台北的全球跨地区推断在Amazon Bedrock上运行OpenAI GPT-6 Sol、Luna和Astra。这篇文章涵盖了匡威和OpenAI兼容的API、ILM和SCP权限、配额大小以及监视来自源区域的推断。
Meta最大的模型可以与世界上最好的模型相媲美，并且包括了防止代理商出轨的新功能。
Meta正在弥补在人工智能竞赛中失去的时间。继推出了重组后的超级智能实验室部门的第一款型号Muse Spark和热闹的人工智能代理Muse后，该公司现在推出了两款新型号，声称可以与业内最好的产品正面交锋。新型号Muse Wonder和Muse Wonder Full已上市[.]
微软研究人员发现，自主人工智能代理会被困在他们所谓的“想法盆地”中，因为他们不断增长的聊天环境和无法逃避的本地解决方案区域。他们的“Fork-and-Flush”方法可以清除聊天历史记录，但保留工作空间，在相同计算预算的情况下，结果可提高66%。《清除聊天历史记录帮助人工智能代理找到更好的解决方案》文章首先出现在The Decoder上。
StudentSim是一个研究系统，用于在人工智能辅导工具接受学习者测试之前对其进行评估和改进。它对个人如何与导师互动进行建模，提供反馈以提高导师在国际象棋、写作和数学等学科的表现。模拟学生学习以获得更好的人工智能辅导的帖子首先出现在微软研究中心。