AI智能体的能力在很大程度上由其harness（装配层/框架）决定。传统方法让harness针对固定进化集演化，虽然分布内收益明显，但容易记忆训练任务，导致分布外表现大幅缩水甚至消失。RRSI提出了一种新思路：不限制harne...

评估AI智能体远不止验证单次工具调用是否合法。NVIDIA技术博客指出，步骤级评分能够帮助团队定位具体失败环节，而端到端评分则验证真实环境是否达到预期状态。该框架强调，生产级评估应同时报告一致性、步骤数量和成...

据《华尔街日报》援引知情人士消息，预测市场平台Polymarket在今年2月曾遭遇一起洗钱图谋：欺诈者试图利用被盗借记卡，通过在该平台下注将超过1000万美元资金转移至“干净”账户。知情人士称，CEO Shayne Coplan当时对...

Cloudflare在GitHub公开了security-audit-skill项目，面向AI编码代理提供多阶段安全审计能力。该技能将仓库审查拆分为侦察、覆盖引导的漏洞猎捕、对抗性验证、结构化发现、独立验证和最终报告六个阶段，使审计过程更...

Anthropic 发布新指标，首次量化前沿 AI 实验室内部 AI 参与研发的节奏。数据显示，Claude 现已主导 Anthropic 约 26% 的 AI 研究工作，并协调数万个活跃的内部智能体。这套指标重点追踪三个方面：AI 在多大程度上帮...

近日，一项名为Dream-RSI的研究聚焦自主AI智能体递归自我改进中的核心瓶颈——有效探索。该框架在探索层面构建了一个闭环：智能体通过在线探索持续收集发现历史，并将这些历史转化为针对已实现搜索空间的回放模拟器；...

谷歌在GitHub上开源了ARTEMIS框架，可将自然语言指令转化为可靠的Android自动化操作，面向AI编码助手与测试套件，能够像人类一样操作真实手机，执行端到端工作流、日常任务并采集日志。ARTEMIS优先使用元素索引定位...

Sakana AI提出增强拉格朗日预测编码（PC-ALM），为深度网络训练提供了一种不依赖反向传播的局部学习方案。该方法扩展标准预测编码框架，在层间引入扩散耦合，并为每一层配备反馈控制动力系统，从而仅依靠层局部动力...