从一个关键词开始
搜名称,也可以搜场景,比如“AI 写作”“视频剪辑”或“编程助手”。
AI热点 331
Perplexity Brain自动编写个人智能体技能AI热点Perplexity Computer 的 Brain 智能体可自动读取历史会话轨迹并编写、更新个人技能,8周随机测试显示72.9%用户获得新技能,工具调用失败率下降11%。
Claude智能体7周造38个模型,下载5.5万次AI热点基于Claude Opus 5.5的智能体Horizon在七周内自主开发38个模型,累计下载约5.5万次,token成本约1030美元。
多智能体RL模拟器坍缩研究:开源SCOPE框架AI热点论文提出多智能体强化学习中的模拟器坍缩问题,给出Verbalized Sampling与Co-Training两种方案,最高提升14%,并开源SCOPE框架。
MCP智能体工具提供者错误绑定研究发布AI热点论文实测MCP智能体中工具名与提供者身份不绑定导致的错误绑定风险,覆盖五个LLM客户端。
研究:LLM智能体缓存读占token 94.8%AI热点arXiv论文分析近10亿token的AI辅助开发数据,提出缓存感知能耗估算器,估算能耗为EcoLogits的25倍。
面壁智能发布长上下文训练新缩放定律AI热点面壁智能提出长上下文性能新经验缩放定律,外推R²达0.97,配套协议支持32K到128K收益迁移。
Attest 1.1.0发布:测试AI智能体实际行为AI热点AI智能体测试框架Attest发布1.1.0版,支持Python与TypeScript,通过严格回放和行为契约验证智能体的实际执行行为。
CauProphet让智能体像人类一样积累因果认知AI热点arXiv论文提出CauProphet智能体,通过因果认知框架持续更新因果知识,金融场景预测准确率从21.3%提升至28.6%。
Skill Adapter论文:智能体技能路由成功率提升11.43点AI热点arXiv新论文提出Skill Adapter,通过个性化修改与在线路由优化LLM智能体技能选择,三项基准上较SkillRL平均提升11.43个百分点任务成功率。
POIROT开源:智能体自审计故障归因,最高提升50点AI热点论文提出POIROT协议,让多智能体系统自行归因故障,并开源BLAME新基准,九种模型基准配置中最高提升50个百分点。
微软发布FrogNano-4B仓库级编码智能体AI热点微软发布基于Qwen3.5-4B微调的紧凑型仓库级编码智能体FrogNano-4B,采用Apache 2.0许可开源。
MLflow智能体监控泄露API密钥AI热点MLflow被曝在CrewAI自动记录时将LLM服务商API密钥写入追踪数据,已分配CVE-2026-116691,3.17.0版本修复。
Duolingo智能体合并22.5万行测试AI热点Duolingo公开用智能体编写并合并22.5万行iOS测试代码的生产级工作流。
Gemini智能体生成超600万行Lean证明AI热点Google DeepMind宣布Gemini智能体生成超600万行Lean形式化证明,人工仅需复核1%关键代码。
优步DoorDash:AI智能体订单仅数百笔AI热点优步与DoorDash高管在财报电话会议中披露,通过Meta等AI智能体下达的订单仅数百笔,相比日常数以百万计的订单几乎可忽略。
论文揭示语言智能体记忆陷阱AI热点arXiv新论文指出语言智能体的持久记忆会从良性互动中过度泛化,导致后续任务出现不安全行为。
Einsia AI发布多智能体编排基准AI热点Einsia AI旗下Navers Lab发布WorkflowArena,评测大模型多智能体编排能力,Claude Opus 5.5以36.95%完全解决率居首。
MemoryDojo基准评测智能体记忆投毒AI热点MemoryDojo基准通过155条多会话轨迹评测五种LLM智能体记忆系统在投毒攻击下的安全性,发现所有系统均易受影响。
评审智能体将仿真静默失败率降至1.5%AI热点arXiv新论文提出Judge Agent,自动验证AI生成的科学仿真代码,将静默失败率从42%降至1.5%,盲测成功率89%。
论文:LLM智能体内群体信任偏差难被审计AI热点arXiv论文显示五个开源推理模型在多智能体模拟中出现内群体信任偏差,且现有行为日志审计难以检测。