全部动态

这篇论文提出智能体和基准一起进化，15代后证明正确率从12.7%飙升到45.1%，思路很新。

elvis@omarsar0原文

这篇论文用三个Harness和三个模型测了渐进式披露，发现小规模下效果看脸，大规模下才有用，二级路由反而坏事，值得搞智能体的人看看。

elvis@omarsar0原文

MIT搞了个新算法，采样扩散模型快了很多，还拿了ICML最佳论文奖，做图像生成的朋友可以看看。

官方账号MIT CSAIL@MIT_CSAIL原文

苹果发了篇新论文，教你不用真实API就能给智能体造训练数据，省钱又灵活，搞API调用的千万别错过。

AK@_akhaliq原文

Epoch AI的测试告诉你，用AI检测器查作业或论文可能不靠谱，模仿作者风格就能骗过13%的检测，科学写作更糟。

官方账号Epoch AI@EpochAIResearch原文

想自己调agent的提示和流程？这篇论文把控制层拆成六块，不用额外标签就能自动优化，比固定harness效果好不少。

elvis@omarsar02 个信源在谈原文

微软新论文提出OAT，用成功轨迹就能定位Agent失败步骤，不用费钱费力的错误标注，思路很巧妙。

elvis@omarsar0原文

不用专门训练奖励模型，直接用现成的MLLM给图片打分，省事又能提质量。

AK@_akhaliq原文

Perplexity AI搞了个新评测WANDR，专门看智能体能不能找到一堆实体并核实每个的具体信息，比单一评分更清楚哪里不行。

官方账号Perplexity@perplexity_ai原文

UC Berkeley的研究发现，优化Agent系统配置比单换LLM更省钱省力，能砍掉89%成本还不掉准头，做AI应用的可以看看。

lmarena.ai@lmarena_ai原文

这篇把LLM的自我认知行为串起来了，比如什么时候该停、知道自己不知道啥，对做可靠AI agent的人特别有用。

elvis@omarsar0原文

Anthropic发现Claude说着不同语言就像换了个人，连他们自己都搞不清原因，蛮有意思的研究。

The Rundown AI@therundownai11 个信源在谈原文

Anthropic要搞懂Claude为啥有时价值观不一样，研究影响因子，挺有意思的。

官方账号Anthropic@AnthropicAI11 个信源在谈原文

看看Epoch AI怎么用数据证明AI真的帮工程师省时间了，OpenAI自己仓库的贡献数据，8%的日子工作量超24小时，够具体。

官方账号Epoch AI@EpochAIResearch11 个信源在谈原文

Meta发现智能体做长任务会忘事，加了个外挂记忆模块，在Terminal-Bench 2.0上明显提升pass@1，而且即插即用。

elvis@omarsar0原文