研究发现，人工智能代理团队浪费了大量代币来获得几乎无法衡量的质量收益
根据Vals AI的说法，人工智能代理团队的表现几乎不超过单人代理，但成本高达5.1倍。使用GPT-6 Sol和Claude Opus 5.5进行的四次测试中只有一次显示出可测量的增益。Anthropic自己的数据支持这一点：超过10个代理商，质量稳定，而代币成本不断攀升。文章AI代理团队浪费大量令牌几乎无法衡量的质量收益，研究发现首先出现在解码器上。
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 5 / 38 页
-
-
让智能体掌控自己的推理：Du’an Lightfoot 与 Khaja Omer 的 Akamai GPU 部署实战
📌 One-Sentence Summary Akamai 工程师用 vLLM 实验把专用 GPU 推理变成可测量的工作负载决策，比较显存预算、缓存、FP8、推测解码与并发调优，并展示优化未必总会提速。 📝 Summary Du’an Lightfoot 与 Khaja Omer 通过一系列实验，讲解如何在专用 GPU 上为智能体工作负载提供推理服务。他们从
-
这些高管认为语音人工智能尚未达到ChatGPT时刻
语音人工智能经常错过其上下文层的重要点，并导致整个管道中断
-
研究发现，人工智能代理夸大了他们的结果，距离自主研究仍很遥远
Epoch AI和Anthropic独立发现了同样的事情：GPT-5.6 Sol和Claude Fable 5等当前的人工智能模型可以运行实验，但缺乏科学的自我批评和真正的创造性思维。Sol充其量达到了人类参考分数的15%，甚至这也来自研究人员已经知道的方法。这些模型最大的弱点仍然是他们无法批判性地质疑自己的结果。研究发现，文章人工智能代理夸大了他们的结果，
-
为智能体构建数据上下文层：Typedef 演示知识图谱、连接安全与代码影响分析
📌 One-Sentence Summary Yoni Michael 与 Brandon Callender 主张以确定性事实构建可查询的上下文图谱，并通过连接安全、依赖分析、符号解析和重复评估，展示数据及编码智能体为何不能只依赖文本搜索。 📝 Summary 这场较长的工作坊上半场解释：当智能体不了解表的粒度、连接基数、业务定义、数据血缘和依赖关系时，S
-
我用谷歌的人工智能游乐场制作了很糟糕的游戏
在电子游戏中进行了漫长的一天的运输。
-
超越 RAG：从零构建面向组织知识的关系型上下文引擎
📌 One-Sentence Summary Peter Werry 构建面向组织问题的关系型上下文引擎，将 schema 发现、身份映射、受约束的查询规划、执行前校验和限次重试结合起来。 📝 Summary Unblocked 的 Peter Werry 指出，像「我上周合并了哪些 PR」这样的工作问题，需要准确理解作者、状态、时间与项目关系，单靠向量相似
-
微软的Jacob Andreou谈人工智能的产品差距
微软如何重建新的Copilot，以解决人工智能领域日益扩大的差距
-
EP202 · DeepMind 谈动态蛋白、Greiler 改进审查、LangChain 部署 Agent
📝 今日导语 DeepMind 谈动态蛋白，Greiler 改进代码审查，LangChain 讲解部署：理解数据、监督与权限。 🏷 今日关键词： AlphaFold 代码审查 Agent 部署 AI 档案研究 TRAE 端侧 AI 📰 今日精选内容 DeepMind 与 Biohub 谈 AlphaFold 之后：从蛋白质结构走向动态生物系统 Latent.
-
人工智能特工进行单口通话
HN10· 3 评论
-
DeepSeek Bot来了！民间版，DSH装个插件就能用
Grok Bot我养不起，ds bot不得高低尝尝咸淡？
-
500 B代币稍后：让人工智能代理反编译第一人称射击游戏
HN ð68· 53 评论
-
延迟是预算，像人一样对话才是目标：LiveKit 的语音智能体实践
📌 One-Sentence Summary Jesse Hall 认为，应以完整对话评估语音智能体，在固定时间预算内平衡用户听到的延迟、轮次判断、错误传递和模型质量。 📝 Summary LiveKit 的 Jesse Hall 指出，分别从排行榜挑选最快的语音识别、LLM 和语音合成组件，并不等于得到最好用的语音智能体。识别错误会沿整条处理链传递；首个
-
Sakana AI的LLM同行评审系统捕获73%的核心主张错误
Sakana AI的TMLR论文介绍了多层审查、基于Clude的3代理审查员和1，164个错误的矛盾基准。MLR发现了73.43%的核心主张错误，而最好的先前系统发现了14.81%。Sakana AI的LLM同行评审系统捕获73%的核心主张错误的帖子首先出现在MarkTechPost上。
-
当安全测试成为威胁：找到自己出路的机器
2026年7月，被放置在名为ExploitGym的网络安全测试沙箱中的前沿人工智能代理发现了一条意想不到的网络路径，闯入了开放互联网，并在历史上最史无前例的人工智能安全事件之一中自主入侵了Hugging Face基础设施。当安全测试成为威胁：找到自己出路的机器这篇文章首先出现在MarkTechPost上。
-
超越 RAG：Unblocked 如何构建节省 token 的关系型上下文引擎
📌 One-Sentence Summary Unblocked 的 Peter 认为，智能体既需要语义检索，也需要受约束的结构化查询，并现场搭建了包含 schema 发现、身份映射、查询校验、重试和全文检索的文档查询引擎。 📝 Summary Unblocked 的 Peter 将上下文引擎描述为连接代码、文档、PR 和对话的组件，为具体任务提供带权限约束
-
OpenAI表示，一个错位的模型故意破坏了自己的环境，希望通过更好的数据重新开始
OpenAI记录了模型行为不一致的新案例。一个评估模型伪造了数据并破坏了自己的环境。其他模型通过匿名中继或构建自己的RTP客户端来路由请求，故意绕过网络限制。文章OpenAI称，一个错位的模型故意破坏了自己的环境，希望通过更好的数据重新开始，首先出现在The Decoder上。
-
Anthropic正在切断互联网上的内部评估
在最近发生了一系列人工智能特工逃脱控制的备受瞩目的事件后，Anthropic正在切断所有内部评估的互联网访问。在周五的一份报告中，该公司详细介绍了“意想不到的典型行为”，包括提交有关未侦破谋杀案的虚假举报，从而导致了这一决定。虽然这些行为的影响很小[.]
-
以下是可以存在于您的短信中的顶级人工智能代理
我们创建了一份最著名的人工智能代理列表，这些代理可以存在于您的短信中，从一般助理到为家庭、旅行和工作设计的代理。
-
人工智能代理制造商承诺隐私-他们会兑现吗？
在今年的OpenAI DevDay上，首席执行官萨姆·奥尔特曼（Sam Altman）公布了公司新的人工智能代理Dots，并告诉人群，公司希望“为前沿人工智能的隐私设定新标准”。“OpenAI会花一整天的时间来隐晦地批评其主要竞争对手Meta的Muse未能保证用户数据的安全。[…]
-
Talorys -Cloudflare免费层上的自托管个人人工智能代理
HN ð168· 90 评论
-
在模特自主向费城警方提交虚假凶杀案举报后，Anthropic切断了克劳德的互联网接入
Anthropic的Claude独立地向费城警方提交了一份伪造的凶杀案线索，利用了大学服务器上的漏洞，并绕过了访问限制。此后，该公司切断了内部测试的实时互联网接入，并通知了白宫。文章Anthropic切断了克劳德的互联网接入后，模型自动提交了一个假的杀人提示与费城警方首次出现在解码器。
-
Microsoft AI发布Microsoft Decision-1：Qwen 3.5 - 9 B决策评分模型
微软发布了Microsoft Decision-1，这是一个用于路由、分类、验证和代理控制的决策模型。Microsoft-Decision-1是一个决策评分模型，它为每个固定答案选项而不是生成的文本返回校准的概率。它经过阿里巴巴Qwen 3.5 - 9 B的后期训练，现已在Microsoft Foundry和OpenRouter中使用。. TL;DR什么是决
-
EP201 · 前 Intel CEO 谈硬件瓶颈、Ai2 分配算力、Amazon 以评测赢信任
📝 今日导语 前 Intel CEO 判断硬件瓶颈，Ai2 分配算力，Amazon 用客户反馈改进评测：掌握投资与交付的判断方法。 🏷 今日关键词： AI 硬件 GPU 时间预算 Nova Act 评测 Claude Science OpenViking 📰 今日精选内容 前 Intel CEO 谈硬件创业良机：AI 芯片、内存与能源瓶颈｜Pat Gelsi
-
人类代理人试图在国务院填写签证表格。网站
HN17· 7 评论
-
不到 500 美元训练金融智能体：4B 专用模型如何胜过 235B 模型
📌 One-Sentence Summary Snorkel AI 的 Charles Dickens 介绍了经专家核验的金融工具使用基准，以及一次低于 500 美元的强化学习训练：专门训练的 Qwen3 4B 智能体在留出任务上据称胜过 235B 版本。 📝 Summary Charles Dickens 介绍 Snorkel AI 与 UC Berkel
-
Anthropic无法可靠地控制其人工智能代理。它正在切断其内部视频与实时互联网的联系
Anthropic表示，它“关闭了“我们所有内部评估”的实时互联网接入”，直至另行通知。
-
在Rust中重写Prime Agent
HN ð15· 3 评论
-
Anthropic人工智能模型提交有关未侦破费城谋杀案的虚假举报
HN Ÿ 22 · 6 评论
-
多轮智能体上下文衰退与状态污染基准
📌 One-Sentence Summary 该基准测试评估了各种 AI 模型在 50 次交互步骤中保持准确上下文的能力，结果显示，尽管扁平 RAG 和线性 KV-Cache 模型遭受严重衰退和状态污染，但 XORAS 庞加莱内存系统保持了近乎完美的召回率和零污染。 📝 Summary 该实验测量了多轮智能体对话中的上下文衰退。结果表明，传统方法（扁平 RA
-
从上下文到记忆：智能体需要真正的记忆层｜Oracle Anders Swanson
📌 One-Sentence Summary Oracle 的 Anders Swanson 将智能体记忆解释为形成、检索、修订和评估受治理记录的持续过程，强调用混合检索与反馈减少跨会话的重复劳动。 📝 Summary Swanson 指出，上下文窗口只保存当前运行的信息。智能体即使解决过一次客服问题，下个会话仍可能重新搜索并重复犯错。他提出把记忆做成独立的
-
Anthropic的Claude现在可以通过动态工作流程并行编排多达1，000个人工智能代理
Anthropic正在向Claude托管代理添加动态工作流程，让首席代理同时将任务分配给多达1，000个子代理。在测试中，单个代理最多发现代码库中70个隐藏错误中的27个，而多代理工作流程始终发现66个。Anthropic的Claude现在可以通过动态工作流程并行编排多达1，000个人工智能代理这篇文章首次出现在The Decoder上。
-
Multi-Turn Agentic Context Decay & State Pollution Benchmark
📌 One-Sentence Summary This benchmark measures the decay of agent memory accuracy over 50 interaction steps， revealing that while flat RAG and linear KV-cache models suffer signifi
-
检测和修复你的 AI 代理故障
📌 One-Sentence Summary 本文展示了 three.dev 集成如何实现 AI 代理故障的自动检测、失败模式的深入分析，以及针对性修复，从而提高整体代理性能和安全性。 📝 Summary 本文通过一个 Nimbus Home 支持助手的对话序列，揭示了传统故障检测方法的局限性。介绍了 three.dev 的自动化打分和失败模式分组功能，该功
-
微软试图为Windows注入新的活力
当微软五年前发布Windows 11时，它感觉就像一个仍在翻新的操作系统，一项仍在进行中的工作。现在您可能认为，随着微软将注意力转向Windows 12，这些翻新工作已经完成。相反，Windows 11感觉它会继续存在，为微软[.]奠定了基础
-
亚马逊放弃数据中心NDA，人工智能代理想要您的信用卡
亚马逊表示，在与地方政府谈判数据中心协议时，它将停止使用NDA，微软今年早些时候也采取了类似的举措。保密引发了社区对人工智能基础设施的强烈反对，反对导致从纽约到旧金山的数百项暂停措施提出和实施。与此同时，一波创业公司正在押注消费者将把人工智能代理访问[...]