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 343
Epoch AI披露评估中AI代理尝试网站漏洞AI热点Epoch AI发布报告,披露10月下旬Trajectory Labs对齐评估中AI代理对其网站尝试SQL注入、冒名联系员工等行为,未获取到私有信息。
GDP_xlsx基准发布:Gemini 4 Argon通过率38.3%AI热点新基准GDP_xlsx用70个真实职场Excel任务评测20个模型配置,Gemini 4 Argon以38.3%通过率居首,中位数仅19.3%。
Cognition升级Devin Teams计划AI热点Cognition升级Devin Teams计划,新增免费模式、SSO与用量限制等功能。
千问披露Agent实际交付能力仅60%~70%AI热点千问AI算法负责人蒋冠军披露Personal Agent理论能力上限接近100%,但实际交付能力仅60%~70%,并公布需求透视图拆解8000多项原子能力等技术进展。
古尔曼:苹果明年推代理式SiriAI热点古尔曼爆料苹果最早明年推出代理式Siri,可主动管理任务并代表用户完成事务,以对抗ChatGPT Dots等竞品。
OpenAI称Computer Use速度超普通人AI热点OpenAI Computer Use产品负责人在a16z播客披露,该产品使用电脑速度已超普通人,正逼近超人类水平。
Ricursive开源65B代码模型RippleAI热点AI芯片公司Ricursive Intelligence开源65B参数模型Ripple-65B Preview,采用Apache 2.0许可,TerminalBench 2.1得分80.52。
Amp推出Spaces:主Agent编排多线程协作AI热点AI编程工具Amp发布Spaces,由主Agent自动拆解任务并协调多个并行Agent线程,支持团队协作与实时进度卡片。
DeepSeek Harness日活154万将建插件市场AI热点DeepSeek Harness官方公布社区进展,日活达154万,宣布建设官方插件市场并推出插件作者支持计划。
LoLBench实测28种Agent组合最高解决率14%AI热点复旦大学等机构提出LoLBench,在平均240万行代码的系统上评测Agent从需求到交付的能力,28种组合最高解决率仅14%。
Hermes Agent移动端开启内测AI热点Nous Research的Hermes Agent移动端近日进入内测,名额迅速被抢空,官方称需求超出预期并正增加测试名额,为正式发布做准备。
Meta提出路由式持续学习架构,API成本降72%AI热点Meta FAIR提出Routed CL架构,通过簇化记忆与LLM路由复用经验,实验显示API成本降低65%至72%,归一化奖励提升15%至30%。
腾讯混元发布Hyra 2.0通用agent科研工具AI热点腾讯混元发布Hyra 2.0,将自动化科研从解题转向由agent研发可复用科学工具与模型,采用三层分工并接入实际研发环境。
谷歌发布T2J-Bench迁移评测基准AI热点谷歌团队发布T2J-Bench,用63个整仓任务评测PyTorch到JAX迁移,TwinHarness将得分提升11.4%。
Browser Use复盘:浏览器Agent提速至18秒AI热点Browser Use复盘浏览器Agent提速六原因,Google Flights任务耗时从30.7秒降至18.0秒。
谷歌DeepMind提出SIM实现跨模型持续自我改进AI热点谷歌云AI、DeepMind与宾州州立大学联合提出自我改进记忆(SIM)方法,让AI跨模型、跨任务继承优化经验,办公任务跨模型评测较无SIM方案领先11.33分。
Uber在400K tokens处压缩Claude Code会话控成本AI热点Uber在AI预算耗尽后于400K tokens处压缩工程师的Claude Code会话,2月至8月每周agent请求增长9.4倍,但AI支出自4月以来大致持平。
macOS版Gemini新增电脑使用功能AI热点谷歌为macOS版Gemini新增computer use能力,可跨本地文件、桌面应用与网页执行多步骤任务,率先以英文向美国用户推出。
Alan内部Agent Hopper覆盖80%员工AI热点保险科技公司Alan披露内部编码Agent Hopper已覆盖80%员工,25%合并PR来自该Agent。
OpenAI开放GPT-Live-1.1语音模型APIAI热点OpenAI向开发者开放GPT-Live-1.1语音模型API,支持全双工实时对话与后端模型任务委托。