全部动态

webAI 开源了 TwIL-8B，量化后不到 5 GiB 就能在 CPU 上跑，编程和数学成绩却逼近甚至超过多个前沿大模型，老电脑也能玩。

rohanpaul_ai@rohanpaul_ai5 个信源在谈原文

Cartesia 新的全托管语音智能体平台在 Artificial Analysis 的竞技场拿到 1115 Elo，比自家老产品高 98 分，任务成功率 91.7%，做语音 Agent 的可以看看架构。

官方账号Artificial Analysis@ArtificialAnlys原文

Simular 这篇论文挺有意思：让一个元智能体自动给电脑操作智能体造界面和工具，27B 开源模型干赢了 GPT-5.5，成本还便宜几十倍。做智能体的都该看看。

DAIR.AI@dair_ai2 个信源在谈原文

讲自改进 Agent 怎么防止改坏自己：新改动先在独立任务上跑赢旧版才准上线，还给了 GPT-5.4-nano 在 SpreadsheetBench 拿 77.58% 的例子。

rohanpaul_ai@rohanpaul_ai原文

想让LLM给智能体打分？GPT-5.5在困难集也只有80.9%，Qwen加工具反而掉分。

rohanpaul_ai@rohanpaul_ai7 个信源在谈原文

Meta用Git仓库让数百智能体协作，解决复杂问题比单个智能体高14%准确率。

elvis@omarsar0原文

Salesforce 的新论文 CLIFT，31B 开源模型打网页任务居然赢了 Gemini 3 Flash，关键是部署时不用裁判模型，省成本。

DAIR.AI@dair_ai4 个信源在谈原文

Meta研究如何让AI智能体更高效地长程运行，控制器让GPT-5.5在相同资源下表现大幅提升。

DAIR.AI@dair_ai原文

Meta发现给AI智能体加个'预算经理'比单纯堆算力更有效，编程任务成绩提升明显。

rohanpaul_ai@rohanpaul_ai原文

人大团队开源了EvoOntology，让数据智能体的语义层能持续进化，在三个基准测试上都优于静态方案。

shao__meng@shao__meng原文

同一模型放进 Claude Code 和 Codex 跑同样的任务，结果居然会一个升一个降，这篇论文用 PowerPoint 重建实验讲清楚了 harness 的影响。

elvis@omarsar0原文

智能体出发前先搜一轮，GPT-5.5 在 BrowseComp-Plus 涨 7 个点，做深度研究智能体的可以试试这招

elvis@omarsar02 个信源在谈原文

给数据智能体挂个会自进化的本体层，GPT-5.5 在 DDR-Bench 多拿 26.7 分，做法可直接抄。

elvis@omarsar0原文

CosineAI用生产代码训练出专精编程模型，成本比GPT-5.5低3倍，还支持Fortran和Verilog。

Fireworks AI@FireworksAI_HQ原文

ByteDance团队推出HarnessDev基准，首次评测LLM能否自己创建Agent执行框架，发现模型间harness迁移性极差。

shao__meng@shao__meng2 个信源在谈原文

FactoryAI 用微调 Qwen 模型打造了比 GPT-5.5 更强、更快的代码秘密检测工具 Droid Shield。

Fireworks AI@FireworksAI_HQ原文

Jerry Liu说别急着用前沿模型做文档OCR，LlamaParse在表格图表上准确率涨了15%，还能自己搭ParseBench跑评测。

Jerry Liu@jerryjliu011 个信源在谈原文