HuggingFace Daily Papers（社区热门论文）
47
ProMSA是一种渐进式多模态搜索智能体，用于知识型视觉问答（KB-VQA）。给定图像-问题对，智能体在明确的工具调用预算和去重机制下，迭代选择图像搜索、文本搜索或停止。训练先通过拒绝采样SFT学习有效工具使用格式，再使用TN-GSPO序列级RL目标优化，该目标按生成长度和工具交互深度归一化更新。在E-VQA和InfoSeek基准上，ProMSA持续优于强RAG和智能体基线，提升了检索和端到端准确率。代码已开源。
标签「Agent」清除
全部 AI 动态
AI 相关资讯全量信息流
6月26日
08:00
ProMSA：渐进式多模态搜索智能体用于知识型视觉问答
08:00
HuggingFace Daily Papers（社区热门论文）
55
Google 发布 Paper Assistant Tool（PAT），一个用于深度科学评审和验证的智能体 AI 框架。PAT 能摄取完整学术论文，生成综合评估，包括检查理论结果、验证实验、提出改进建议和识别潜在缺陷。通过利用推理扩展技术，PAT 在 SPOT 基准上对数学错误的召回率比零样本提升 34%。该工具已在 STOC 和 ICML 两大计算机科学会议上作为作者预提交工具进行试点，可发现关键错误并提出实质性改进，在保留评审员对结果控制权的同时减轻其认知负担。
07:20
ginobefun@hongming73145
Dropbox用DSPy构建两阶段评测闭环：人工标注校准LLM裁判后，自动优化Dash Chat提示词，使不完整答案减少26%，遗漏关键信息点减少13%，Token用量下降5.4%。Cloudflare Workflows正式发布Saga回滚，支持在step.do()中声明补偿逻辑，引擎自动逆序执行已注册回滚，具备持久化、重试和超时保障。此外介绍出海AI创业者需了解的特拉华州C-Corp架构选型、股权分配原则和Vesting安排。
06:51
06:12
Claude Code：GitHub Releases（RSS）
精选61
Claude Code v2.1.193 新增 autoMode.classifyAllShell 设置，将全部 Bash/PowerShell 命令经自动模式分类器处理。自动模式拒绝原因现加入转录、拒绝提示及 /permissions 页面。新增 claude_code.assistant_response OpenTelemetry 日志事件（默认不记录，需设置 OTEL_LOG_ASSISTANT_RESPONSES=1）。Bash 模式支持实时文件路径自动补全；MCP 服务器需认证时显示启动提示。新增空闲后台 shell 命令自动内存压力回收（可禁用）。修复 /model UI 状态滞后、后台任务误取消、子 agent 隐藏同级等问题，并改进了后台 agent 启动指令、MCP 认证重连、插件自动重命名等行为。
推荐理由：一次扎实的工具更新，自动模式覆盖所有 shell 命令和 MCP 认证重连是最实用的改进，后台任务内存回收也解决了长期痛点，Claude Code 用户值得更新。
05:56
elvis@omarsar072
Claude Tag is a Trojan horse. Not because Anthropic is doing anything evil. Because the incentives are obvious. Day one,...
05:53
Rohan Paul@rohanpaul_ai67
新论文"LLMs Do Not Always Need Readable Language"提出BabelTele压缩写作风格，让LLM间通信混合缩写、符号、多语言片段及非传统结构，替代人类自然语言的长文本。即使失去人类可读性，模型仍能回答、记忆并在智能体间传递信息。最强结果：BabelTele保持约99.5%语义保真度，同时将文本压缩至原始长度的27.9%。
05:26
elvis@omarsar014
http://x.com/i/article/2070125273790492672
04:38
TechCrunch：AI（RSS）
56
Patronus AI 宣布完成 5000 万美元 B 轮融资，由 Greenfield Partners 领投，Notable Capital、Lightspeed、Datadog 和 Samsung 参投，累计融资达 7000 万美元。该公司由前 Meta AI 研究员于 2023 年创立，利用“数字世界模型”创建网站和内部系统的模拟副本，通过强化学习对 AI 智能体进行压力测试，迭代奖励成功并惩罚错误。目前服务覆盖软件工程和金融领域，几乎所有前沿 AI 实验室和初创公司均为客户，过去一年收入增长 15 倍。
04:25
elvis@omarsar041
Meta 发布新研究 Autodata，提出 Agentic Self-Instruct 方法。该方法将 AI 智能体视为数据科学家，通过智能体规划与工具使用，替代传统手工调优后固定的合成数据流水线。该智能体自身可通过元优化持续改进，从而生成更强训练数据。实验在计算机科学、法律推理、数学对象推理三个领域均超越经典合成数据方法，且元优化带来更大提升。论文见 arxiv。
04:25
elvis@omarsar049
动态工作流仅适用于少量用例，可视为测试时计算（TTC）新范式，对爬山式研究实验有效。仔细规划及提升推理级别均可改善效果。/goal + /loop 是其子集，验证者/评判者至关重要。结合不同编码智能体能获更好结果，适合需要多智能体视角的 LLM 评审团场景。前沿模型不擅即时生成 harnesses，但 Mythos 等新模型可能更优地处理智能体编排。TTC 基准尚缺，需建立。元提示动态工作流很有趣，Opus 4.8 也可能带来惊喜。动态工作流可打包为技能以便进一步优化。
04:22
Thariq@trq21233
Claude Tag is the next evolution of agents. It's a proactive, multiplayer agent with memory and identity, built on top o...
04:17
ClaudeDevs@ClaudeDevs同事件精选72
推荐理由：Claude Tag把agent从单人工具变成多人协作系统，记忆和身份让agent真正有状态，做AI原生团队的开发者必须看。
03:26
Ars Technica：AI（RSS）
54
Notion 今日宣布将于 9 月 22 日关闭 Notion Mail（网页、桌面和 iOS）。公司表示，超过半数用户通过 AI 智能体管理邮件而无需打开收件箱，因此决定全力投入智能体方案。用户邮件历史仍保留在 Gmail，但须在 9 月 21 日前导出草稿和定时邮件。依赖 HIPAA 覆盖的组织需在 2026 年 6 月 30 日前迁移。Notion Mail 由收购的 Skiff 团队打造，Skiff 曾服务 200 万用户。
03:23
Rohan Paul@rohanpaul_ai同事件精选80
OpenAI 发布内部论文，显示 Codex 已成为公司主力 AI，产出 99.8% 内部输出 tokens，而一年前这一比例低于 10%。除工程部门外，法务、财务、招聘、支持及业务团队使用量快速增长。自 Aug-25 以来，非开发者个人使用增长 137 倍，组织使用增长 189 倍。重度用户日均运行约 71 小时代理任务，28.6% 的用户管理 5 个以上并发 agent，25.6% 的个体提交过超过 8 小时人工等价的任务。OpenAI 称，Agent 正使工作更复杂、更长期、更跨职能。
Work at OpenAI is being transformed by agents, in every department. Across our entire company, people are using Codex to...
同一事件，精选展示《OpenAI内部报告：智能体Codex如何改变工作》推荐理由：OpenAI 内部 agents 采用数据首次公开，非开发者使用暴增 137 倍，工作单元从“提问”变成了“分配任务”，这是 AI 融入日常运作的最强信号。
02:53
Rohan Paul@rohanpaul_ai50
i10X推出Superagent，号称世界首个AI首席幕僚。用户输入业务目标，即可部署智能体团队端到端处理销售、内容创作和SEO。Superagent的核心设计是吸收协调层：自动规划步骤、收集信息、调用100+工具、云端产出成果，无需人工持续监督。关键创新在于审批门控——低风险任务静默执行，涉及发邮件或发布页面等高后果操作时先请求批准，将自主变为受监督的自主，避免盲目委托。
Today we're introducing the world's first AI Chief of Staff. Enter your business goal and it deploys a team of AI agents...
02:49
02:42
02:41
Runway：News（网页）
精选65
Runway发布Agent 2.0，帮助营销人员创建、测试和优化广告、视频及营销活动。品牌营销人员可在对话中开发活动概念、生成变体并自动本地化；绩效营销人员可上传创意并导入Meta、YouTube、TikTok或Google广告数据，由Agent分析后生成下一轮待测广告。社交媒体营销人员可一次性生成一周内容，自动裁切为9:16、16:9、1:1等格式；产品营销人员可借助Agent确定定位角度并构建活动资产。Agent 2.0面向所有用户开放。
推荐理由：Runway的Agent 2.0不只是生成视频，它试图打通从广告数据分析到全平台素材生成的闭环，做增长和社交内容的团队可以观望一下。
02:23
Rohan Paul@rohanpaul_ai41
We raised $8m to build self-healing software. In 2026, software moves fast. But monitoring and observability are still m...
02:23
Rohan Paul@rohanpaul_ai53
麦肯锡报告指出，AI智能体可跨多家商店扫描库存、比对价格并构建可立即购买的购物车，预计到2030年将调解3万亿至5万亿美元全球消费商务。自动化分为6个层级：最低级仅比较价格与功能，最高级由个人AI智能体直接与商店AI智能体谈判价格和运输条款。品牌将更多竞争以赢得算法而非人类消费者。零售商店需通过API使产品目录和退货政策机器可读；隐藏数据的品牌会被AI忽略，而开放定价和库存的商店将主导市场。
02:18
Tibo@thsottiaux38
Work at OpenAI is being transformed by agents, in every department. Across our entire company, people are using Codex to...
01:47
Greg Brockman@gdb43
Work at OpenAI is being transformed by agents, in every department. Across our entire company, people are using Codex to...
01:44
🚨 AI News | TestingCatalog@testingcatalog41
01:34
MarkTechPost（RSS）
66
DeepReinforce 发布 Ornith-1.0 开源编码模型族，基于 Gemma 4 和 Qwen 3.5 后训练，提供 9B、31B、35B-MoE（每 token 激活约 3B 参数）和 397B-MoE 四个尺寸，均以 MIT 许可在 HuggingFace 开放。与固定人工设计框架的编码智能体不同，Ornith-1.0 在强化学习中联合优化框架与解决方案，并引入三层防御（固定信任边界、确定性监视器、冻结 LLM 裁判）防止奖励黑客。旗舰版 Ornith-1.0-397B 在 Terminal-Bench 2.1 上得分 77.5、在 SWE-Bench Verified 上得分 82.4，超越 Claude Opus 4.7（70.3）但低于 Claude Opus 4.8（85）和 GLM-5.2-744B（81.0）。支持 vLLM、SGLang 等推理框架，9B 模型（bf16 约 19GB）可部署在单张 80GB GPU 上。
01:25
elvis@omarsar047
Introducing the OpenRouter MCP, live model intelligence right inside your agent Your agent builds and ships, but when it...
01:25
OpenAI@OpenAI30
01:12
jason@jxnlco47
Codex usage at OpenAI gives us a preview of what agentic work may look like in the future. In a new paper, the OpenAI Ec...
00:53
Rohan Paul@rohanpaul_ai38
http://x.com/i/article/2070125273790492672
00:40
Google DeepMind@GoogleDeepMind63
00:37
TechCrunch：AI（RSS）
精选71
General Intuition 以 23 亿美元估值完成 3.2 亿美元融资，累计披露融资 4.54 亿美元。公司从旗下游戏剪辑平台 Medal 获取数亿小时含精确按键动作标签的游戏操作数据，训练单一模型同时驾驭 Fortnite 等虚拟环境和四足机器人。演示中，AI 智能体在游戏中连续运行 100 小时，机器人仅靠 8 分钟真实街道数据微调即可自主探索办公室。本轮由 Khosla Ventures 领投，General Catalyst、Jeff Bezos、Eric Schmidt 等参投。资金将用于通过 CoreWeave 扩大计算规模、预训练下一代模型，计划夏末前开放 API。
推荐理由：用游戏按键数据训练世界模型，并在真机上八分钟完成适配，这个思路让具身智能看到了一条可规模化的路径。投资人押注的其实是 Medial 独有的动作标注数据飞轮。
00:24
AK@_akhaliq24
00:19
Berryxia.AI@berryxia精选76
Ornith-1.0 开源模型家族发布，专注智能体编程（Agentic Coding），覆盖 9B Dense、31B Dense、35B MoE 及 397B MoE 全参数规模。在 Agent Coding 基准上达开源顶尖：SWE-Bench Verified 82.4、SWE-Bench Pro 62.2、Terminal-Bench 2.1 77.5、NL2Repo 48.2、SWE Atlas 41.2 QnA、ClawEval 77.1。基于 gemma4 和 qwen3.5 后训练，采用强化学习联合优化任务脚手架（scaffold）与最终解决方案，让模型自主改进执行框架。全系列 MIT 开源，提供 GGUF 版本，支持 Ollama、Unsloth 等本地运行。
Aloha! 🌺 Meet Ornith-1.0, a family of open-source LLMs specialized for agentic coding. Ornith-1.0 spans the full parame...
关联讨论 1 条X：Kim (@kimmonismus)推荐理由：Ornith-1.0 不是又刷 benchmark，而是第一次把‘任务脚手架’的生成也纳入 RL 优化，这个思路可能改变 agent coding 的训练范式。MIT 开源加 GGUF，本地党可以立刻跑起来。
00:15
Google AI Developers@googleaidevs同事件精选73
Google AI 宣布 Gemini 3.5 Flash 的 Computer Use 工具正式可用，支持构建能观察并操作浏览器、移动端和桌面环境的 AI 智能体，可处理长期任务。新特性包括：内置移动与桌面操作系统支持；所有函数调用配备 intent arguments；可定制的客户端函数实现人工接管（HITL）；提示词注入检测及可配置的 action-level 安全策略。可用于自动化 QA 测试、业务流程等场景。
同一事件，精选展示《Gemini 3.5 Flash 引入 computer use 功能》推荐理由：Computer Use 从浏览器扩展到移动和桌面，Google 正式把 agent 战场拉到全部界面。安全策略的加入说明不是 demo，而是认真考虑落地。
00:04
Hacker News：AI 热帖
精选71
OpenKnowledge 是一款开源、本地优先的 Markdown 编辑器，私密免费，提供完整的所见即所得编辑体验。支持 macOS 桌面应用和 Web UI，内置文件导航、搜索、标签和图谱 wiki 链接查看器。可与 Claude、Codex、Cursor 等桌面应用协同实现 AI 编辑，并通过 MCP/CLI 兼容任意 AI 智能体框架。自带 MCP、技能和智能搜索，支持 LLM Wiki 和知识图谱。团队协作基于 Git/GitHub 实现无代码共享与自动同步。支持嵌入 HTML 及富文本组件。桌面应用内建 TUI，Linux/Windows/Intel Mac 用户可通过 CLI（Node.js 24+）以本地 Web 应用运行。可直接打开任何包含 Markdown/MDX 文件的文件夹。开源协议 GPL-3.0-or-later。
推荐理由：把 Claude、Codex 等 AI 代理直接嵌进知识库编辑器，想法比 Notion AI 更灵活，但这类工具最终拼的是细节打磨和生态，现阶段可以尝鲜但别急着切换主力。
6月25日
23:53
23:53
Rohan Paul@rohanpaul_ai72
DeepReinforce 发布 Ornith-1.0，一个 MIT 许可的开源智能体编码大语言模型家族，涵盖 9B Dense、31B Dense、35B MoE 及旗舰 397B MoE（17B 活跃参数）。旗舰模型在 SWE-Bench Verified 上取得 82.4，Terminal-Bench 2.1 上取得 77.5，均超越 Claude Opus 4.7；并在 SWE-Bench Pro（62.2）、Multilingual（78.9）等基准上达到开源同尺寸最佳。模型基于 Gemma 4 和 Qwen 3.5 后训练，采用新型自我改进策略：强化学习不仅生成解决方案，还联合优化任务特定的 scaffold（包含计划、记忆模式、工具节奏、错误处理等）。最小的 9B 模型也在 SWE-Bench Verified 上达到 69.4。全部模型以 MIT 许可证发布，支持商用与研究。
Aloha! 🌺 Meet Ornith-1.0, a family of open-source LLMs specialized for agentic coding. Ornith-1.0 spans the full parame...
23:24
elvis@omarsar020
If OpenClaw feels more like babysitting, you're not alone. Skip the daily crashes, leaked secrets, and constant monitori...
23:22
meng shao@shao__meng48
SuperNori 是一个专为家庭照顾者设计的 Proactive Family AI Agent。与现有AI专注于工作场景不同，它能主动感知堵车、冰箱快空、孩子学习进度、纪念日冲突等家庭事务，再询问用户是否处理。旨在减轻家中“一直记事、提醒、安排、照顾所有人”的成员的负担。目前开放候补名单。
Most AI helps you write, design, code, and ship faster at work. Nothing was built for the person quietly holding the fam...
23:14
OpenRouter@OpenRouter72