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”。
工具 24
AI热点 343
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。
伯克利论文:监督者重组智能体团队超越专家内核AI热点UC Berkeley论文提出Evolving Agent Teams,用supervisor在进度停滞时重组编码智能体团队,在GPU kernel优化上超越专家代码。
Claude智能体72次刷新MIPLIB最优解AI热点Anthropic公布Claude智能体在MIPLIB 203个公开优化难题上的求解结果,72次超越既有最优解。
UCLA论文:AI智能体18%输出token是浪费AI热点UCLA与东北大学研究发现AI智能体约18%输出token属可移除浪费,剪除后任务成功率几乎不受影响。
AI智能体400美元窃19万游戏账号AI热点Check Point研究报告显示,攻击者利用ARTEX等AI智能体平台,以不到400美元的模型成本批量窃取19万游戏账号凭证,攻击几乎全自动完成。
Uber发布AI智能体安全框架AI热点Uber分享AI智能体实际部署中的安全挑战与经验教训,发布三层纵深防御安全框架。
Nature刊AI智能体湿实验室AutoDNAAI热点Nature刊发AutoDNA研究,AI智能体可自主规划并执行DNA分子生物学实验,减少人工干预。
微软开源AI智能体依赖管理工具APMAI热点微软推出开源工具APM,用apm.yml统一管理智能体的技能、提示词与MCP服务器依赖。
牛津论文:LLM智能体难零样本协同AI热点牛津BOLD团队论文发现,前沿LLM智能体在跨模型零样本协同中倾向于坚持自身任意约定,导致得分低于安全值;加入简短的协调原则声明后可稳定选择安全动作。
CMU新基准:9个AI智能体全未过审AI热点CMU联合美国能源部国家实验室推出Into the Unknown基准,9个AI智能体的135份开放课题研究提交无一同时满足诚实、完整与专家标准,114份未过诚信检查。
测试:AI智能体受群体诱导会泄露密钥AI热点AE Studio与AI Alignment Foundation的内部测试显示,AI智能体在群体压力下会泄露私密令牌并运行不可信脚本。
AI智能体按次付费采购入口陆续开放AI热点Massive、支付宝Machine Pay与AWS AgentCore payments等平台陆续开放智能体按次付费采购入口,支持AI在任务执行中自主购买数据与服务。
RIVER多智能体检索酶反应登arXivAI热点arXiv论文提出RIVER多智能体框架,用于酶-反应双向检索,在公开基准上取得最高成功率。
论文提出AI智能体Token浪费测量框架AI热点arXiv新论文提出统一框架测量AI智能体token浪费,经干预验证可移除41-46%推理且基本保持任务性能。
MCPHallu基准测MCP智能体三类幻觉AI热点新基准MCPHallu评测MCP智能体在推理、执行、记忆三轴的幻觉失败,覆盖358任务与14个前沿模型。
论文提出轮级Best-of-N采样提升LLM智能体AI热点arXiv新论文提出轮级Best-of-N采样方法,通过生成器-选择器框架在长时程任务上将智能体准确率提升5-10%。
开源项目 81
MaxKB:企业级智能体平台开源项目开源平台,集成 RAG 管道、工作流引擎与 MCP 工具调用,支持多种公有与私有大模型,可零代码接入第三方业务系统。查看
OpenMAIC:多智能体互动课堂平台开源项目把任意主题或文档一键生成为互动课堂,由AI教师与AI同学实时讲解、讨论并配合白板与语音。查看
PaperOrchestra:多智能体论文写作框架开源项目多智能体框架,把想法与实验日志等写作前材料转化为符合会议模板的LaTeX论文,含文献综述与图表生成。查看
ViMax:智能体化视频生成框架开源项目把叙事规划、分镜、图像与视频生成、成片组装串成一条可扩展工作流的智能体视频创作框架。查看
MiroFish:多智能体群体智能预测引擎开源项目从种子信息构建平行数字世界,让数千智能体社会演化以推演未来场景。查看
DeerFlow:编排子代理与沙箱的智能体运行框架开源项目开源超级代理harness,基于LangGraph编排子代理、记忆、沙箱与可扩展技能。查看
OpenViking:AI智能体的上下文数据库开源项目把知识、记忆与技能组织成 viking:// 虚拟文件系统,供智能体用 ls、read、grep 等方式浏览和检索上下文。查看
PentAGI:多智能体自主渗透测试系统开源项目PentAGI 是自托管的多智能体自主渗透测试系统,在隔离 Docker 沙箱中运行专业安全工具并产出报告。查看
vork:面向AI智能体的3D与VFX引擎开源项目智能体用代码编写整个场景(含着色器、材质、相机与物理),引擎在GPU上渲染,核心API约2500token。查看
DeepSWE:编码智能体长任务评测基准开源项目包含 113 个任务的基准,用于评测前沿编码智能体在开源仓库上的长程软件工程能力。查看
VitaBench:LLM智能体交互任务评测基准开源项目评测LLM智能体在真实生活服务场景中多轮交互与工具调用能力的基准,含代码库、数据集与评测流程。查看
TinyTroupe:LLM 多智能体人格模拟库开源项目用大模型驱动具有人格、兴趣和目标的虚拟人物,在模拟环境中互动,用于广告评估、测试与头脑风暴等场景。查看
Onyx:面向团队与智能体的知识上下文层开源项目Onyx 连接 50 多个应用建立知识索引,为团队和 LLM 智能体提供可自托管的检索与上下文层。查看
poki:让AI智能体操控iPhone的工具开源项目通过MCP服务器或独立Agent让AI智能体在iPhone上执行任务,支持消息发送等操作。查看
sapper-v2:多智能体协同的自主渗透测试编排框架开源项目面向攻防竞赛的多 Agent 编排框架,由指挥官、将领、士兵分工协作并共享分层事实图。查看
FailSafe ARTEX:多智能体安全测试工具的加固发行版开源项目从已审计的 v0.3.15 源码构建的 ARTEX 发行版,保留多智能体安全测试能力,同时将控制台限制在本机回环并加固容器部署。查看
Context Mode:减少编程智能体上下文占用的本地插件开源项目Context Mode 是面向 10 种编程智能体的免费本地插件,把工具输出留在本地 SQLite 索引中,只向上下文返回所需部分。查看
OfficeCLI:面向AI智能体的Office文档命令行工具开源项目单个二进制文件让AI智能体用命令创建、读取和编辑Word、Excel、PowerPoint文档,并渲染为HTML/PNG供检查。查看
agent-browser:面向AI智能体的浏览器自动化CLI开源项目Rust编写的命令行浏览器自动化工具,把页面读成带ref的无障碍树,供智能体逐步操作。查看
BettaFish(微舆):多智能体舆情分析系统开源项目以对话方式发起分析,多智能体自动采集并研究国内外社媒内容与评论,生成交互式HTML报告。查看



