Northwestern与Google提出Harness²智能体自改进框架
Northwestern与Google的论文Harness²提出递归harnessing框架，让智能体harness在新任务上无答案键自我改进：编辑模型提出修改，重跑任务只保留有效修改，经验存入库指导后续任务。单次改进使GLM-5的WorkBuddy-Bench分数提升11.5点，超过Gemini 3.5 Flash的原生harness；若不重跑验证直接编辑，编码分数从73.4降至63.2。
评论
继续阅读
全部 100 条热点 ›Cmpnd发布dspy-wsp：权重空间编程成DSPy优化器
Cmpnd发布开源优化器dspy-wsp，让前沿LLM直接读取并编辑小模型权重，无需梯度与训练数据，评测中d1-omni-600M提升18.3点。
模型进展 · 2026-11-150 阅读Lovable生成应用被曝暴露护照与20万条私信
独立研究者实测称，大量Lovable生成应用因Supabase默认未启用行级安全，导致护照信息与超20万条私信可被浏览器直接读取。
行业动态 · 2026-11-150 阅读EnvOpt框架发布：智能体环境自动优化降本48%
提出EnvOpt框架，通过自动优化智能体环境表示，在五项基准上平均降低48%成本且通过率持平或更高。
产品应用 · 2026-11-150 阅读谷歌Antigravity多agent取得数学与代码重构进展
谷歌Antigravity团队公布多agent框架在形式化数学证明、分子结构识别及Rust代码重构上的多项具体成果。
产品应用 · 2026-11-150 阅读Gemini 4 Carbon登顶MathArena，成本约15倍
Gemini 4 Carbon以85.4%登顶MathArena数学基准，超越GPT-6.1 Sol，但推理成本约为其15倍。
行业动态 · 2026-11-150 阅读实测：Fable 5.2成本2.8倍仍不敌Opus 5.5
实测显示Fable 5.2在Claude Code中完成率与Opus 5.5接近，但单任务成本高2.8倍，作者仍保留Opus 5.5为默认模型。
行业动态 · 2026-11-150 阅读AWS上线OpenFold3-preview生物结构预测
AWS将OpenFold3-preview接入SageMaker JumpStart，支持网络隔离与多GPU异步推理。
产品应用 · 2026-11-150 阅读SlopCodeBench评测编码智能体长时任务衰退
新基准SlopCodeBench评测15个编码智能体在长时迭代任务中的代码质量衰退，最佳智能体仅通过14.8%检查点。
技术研究 · 2026-11-141 阅读190行纯JAX复现DeepSeek V3，MacBook上完成预训练
开发者用190行纯JAX实现DeepSeek V3架构，在MacBook Air M5上完成36.2M参数预训练并公开检查点与实验数据。
行业动态 · 2026-11-141 阅读腾讯开源Qwen3-8B-DSpine-b16并行草稿模型
腾讯开源Qwen3-8B-DSpine-b16投机解码并行草稿模型，推理代码已开放。
模型进展 · 2026-11-142 阅读斯坦福开源Memorilla：16个记忆token供冻结LLM
斯坦福SNAP团队开源194M参数记忆模块Memorilla，将文档集合压缩为16个memory token供冻结LLM使用，8项基准平均分49.68居首。
行业动态 · 2026-11-141 阅读CMU新基准：Opus 5.5智能体得分1.25登顶
CMU论文Singularity-Bench评测11个智能体，Opus 5.5+Claude Code以1.25分领先，其推理引擎每GPU小时收益超SGLang。
技术研究 · 2026-11-141 阅读Alphabet云营收增103%，Gemini月活达10亿
Alphabet三季度谷歌云营收同比增长103%至307亿美元，Gemini应用月活用户达10亿，成为公司史上增长最快产品。
行业动态 · 2026-11-141 阅读Cursor公布安全调查：恶意扩展波及5000用户
Cursor 发布安全事件完整调查，披露 Fireworks 密钥泄露与恶意 Claude Code 扩展事件的攻击链路、影响范围及处置措施。
产品应用 · 2026-11-142 阅读Runway开源机器人模型Praxis-1，可商用
Runway以Apache 2.0协议开源机器人控制模型Praxis-1，权重与源代码可商用，在英伟达RoboLab-120基准以46.2%成功率居World Action Model类别首位，但尚不能自主规划复杂动作序列，测试由Runway自测、未经独立验证。
模型进展 · 2026-11-141 阅读SPU湿实验预测基准发布，Opus 5.5仅0.486分
UniPat AI牵头发布湿实验预测基准SPU，覆盖116个任务、4207个湿实验，首轮评测12款前沿模型，最高分Claude Opus 5.5仅0.486，且提高推理强度与算力未带来明显提升。
行业动态 · 2026-11-141 阅读北大与微信安全团队发布智能体安全综述
北京大学知识计算实验室与腾讯微信安全技术团队联合发布通用智能体安全综述论文，提出贯穿来源、编排、执行与持久反馈的统一分析框架。
产品应用 · 2026-11-141 阅读DeepSeek拆分App能力为独立API按量售卖
DeepSeek将搜索、OCR、语音等App后台能力拆分为独立API按量销售，搜索定价远低于竞品，并开源前端demo。
产品应用 · 2026-11-141 阅读港科大视觉原生智能体框架被NeurIPS 2026接收
港科大MMSense Lab提出视觉原生智能体框架与ODE数据合成方法，论文被NeurIPS 2026接收，8B与30B模型八项评测平均准确率显著提升。
行业动态 · 2026-11-141 阅读Cohere为North Micro Vision加入llama.cpp支持
Cohere为North Micro Vision架构加入llama.cpp支持，扩大其在手机、笔记本和工作站的本地部署兼容性。
产品应用 · 2026-11-141 阅读