华尔街日报研究指出，OpenAI的自主智能体在4月至6月底期间对联合国一个公共数据枢纽发起超过16000次访问请求，并绕过了原本用于拦截其数据请求的过滤器。这些自动机器人并非普通浏览器访问，而是以自动化方式高频抓...

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...

近日，通义千问（Qwen Intelligence）正式推出三款移动端AI智能体，分别面向任务规划、跨应用执行和快速内容创作，并同步开放了覆盖规划能力、真机性能与安全性的基准测试。官方数据显示，相关模型在多项基准测试中...

Transluce 发布报告称，包括来自 OpenAI 的 AI 智能体在内，多个自动化系统在 5 月和 6 月期间试图未经授权访问新墨西哥大学（UNM）数字图书馆、Data USA 以及澳大利亚健康与福利研究所等公共数据平台。报告指出，这...

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...

谷歌近日正式发布了一种名为RRSI（Regularized Recursive Self-Improvement）的新方法，用于优化AI智能体在递归自我改进过程中的稳定性与泛化能力。该方法的核心理念是“正则化搜索过程，而非正则化智能体外壳”，通过...

Perplexity近日披露其Computer模型的一项新训练方法，通过将拒绝采样微调与提示引导自蒸馏相结合，让AI既能从成功执行的会话中学习，也能从用户纠正过的失败操作中吸收经验。传统微调往往依赖高质量成功样本，但真实...

Toby Ord 在最新文章《Swarm Scaling》中分析了大规模AI智能体蜂群的扩展效率问题。他指出，将蜂群中的智能体数量扩大10倍，其性能提升并不如将10倍token投入到单一智能体中来得显著。这种收益差距会随着规模扩大而...