跳到正文

技术方向

Agent 智能体 最新动态

能自己拆解任务、调用工具、一步步把事办完的 AI 智能体:Claude Code、Manus 等应用,各家 Agent 框架与评测。

140 条精选近 30 天 131 条共收录 472 条

更新

精选归档 · 第 5 页

11月9日周一第 81–100 条
  1. Hugging Face Blog66

    NVIDIA 与 Elith 发布 Nemotron-Personas-Finance-Japan 日本金融合成数据集

    NVIDIA 与 Elith 发布开源数据集 Nemotron-Personas-Finance-Japan,用于构建和评估符合日本人口与金融环境的 AI。数据集包含 9M personas、每条记录 50 个字段和约 1.5B tokens,基于官方人口与劳动力统计,并加入家庭财务、金融素养等信息。

    推荐理由:该数据集把日本官方统计与金融场景结合,并明确规模、字段、构建流程和许可,为金融 AI 开发提供了可复用的数据基础。

  2. AIHOT77

    美团开源 LongCat-2.5 原生多模态模型

    美团开源 LongCat-2.5 原生多模态模型,总参数 1.6 万亿,每 token 激活约 480 亿参数。模型支持一百万上下文和 MIT 协议,可商用部署与二次训练,面向长程智能体、Visual Coding 及专业办公任务。

    推荐理由:模型以 1.6 万亿参数、原生多模态和一百万上下文面向长程智能体场景,并提供 MIT 协议支持商用部署与二次训练。

  3. AIHOT77

    百度发布 ERNIE Evolve 自动研究系统并优化 ERNIE-5.5-Flash 推理效率

    百度发布 ERNIE Evolve 自动研究系统,通过持续提出研究方向、修改代码、执行实验和复核结果完成研发迭代。它在 NanoChat AutoResearch 和 NanoGPT Speedrun 两项公开任务上超过公开验证的最好结果,并已用于 ERNIE-5.5-Flash 的生产级推理优化。

    推荐理由:文章展示了自动研究系统在公开基准与生产推理优化中的闭环流程、数据结果和落地方式,便于理解递归自我迭代如何进入真实研发。

11月7日周六
  1. AWS Machine Learning Blog74

    AWS 教程:将 Claude Code 扩展为 Amazon Bedrock AgentCore 远程智能体

    AWS 教程演示如何将 Claude Code 接入 Amazon Bedrock AgentCore,以远程会话运行编码任务并返回 GitHub pull request。每个任务在 AWS 账户内的独立 microVM 中执行,并通过短期 GitHub 凭据、私有网络、Guardrails 和最小权限 IAM 控制访问,智能体只创建草稿 pull request,最终由人工审核并合并。

    推荐理由:示例完整展示了远程编码智能体的部署、安全隔离和提交流程,并明确其适用边界与人工审核要求。

  2. AWS Machine Learning Blog61

    Taxbit Assist 如何在 Amazon Bedrock AgentCore 上构建可引用、权限感知的 AI 智能体

    AWS 介绍了 Taxbit Assist 如何在 Amazon Bedrock AgentCore 上构建面向数字资产税务场景的 AI 智能体,并说明其检索、安全、权限控制与质量评测方法。

    推荐理由:文章拆解了受监管场景中构建可引用、权限感知智能体的检索、安全与持续评测方案,便于迁移到生产级 RAG 应用。

  3. AWS Machine Learning Blog72

    Greenlight Financial 如何基于 Amazon Bedrock AgentCore 构建自主安全运营中心

    Greenlight Financial 基于 Amazon Bedrock AgentCore 构建了自主安全运营中心 Luna,采用分级监督架构协调 30 多个专用智能体,并通过 AgentCore runtime 和 memory 承载智能体及记忆层。

    推荐理由:Greenlight Financial 基于 Amazon Bedrock AgentCore 构建分层多智能体安全运营方案,公开了架构、记忆机制与生产指标。

  4. AWS Machine Learning Blog61

    使用 Okta Cross App Access 和 Amazon Bedrock AgentCore 治理 AI 智能体访问(第一部分)

    本文通过分步实践,演示如何使用 Okta Cross App Access 决定 AI 智能体可代表哪些用户访问哪些应用,并由 Amazon Bedrock AgentCore Identity 执行授权和短期凭证管理。

    推荐理由:文章给出完整的委托链配置、权限校验与性能测试,可作为跨应用 AI 智能体访问治理的实践参考。

  5. AWS Machine Learning Blog68

    AWS 讲解如何用 Amazon ECS Fargate 构建无服务器 MCP 服务器

    AWS 介绍其基于 Amazon ECS Fargate 构建的无服务器 MCP 服务器,为 AI 智能体提供统一访问企业数据湖的标准化网关。系统以元数据目录驱动数据集接入,通过 Amazon Bedrock 生成并校验 SQL,调用 Athena、Redshift 和 Knowledge Bases 完成查询与文档检索。

    推荐理由:文章完整拆解了基于元数据驱动、标准化 MCP 端点和分层权限控制的实现,可为多智能体访问企业数据湖提供可迁移架构。

11月6日周五
  1. AIHOT83

    Thinking Machines Lab 发布 Inkling 2 Small MoE 模型

    Thinking Machines Lab 发布 Inkling 2 Small,这是一款 594B 总参数、17B 激活参数的 MoE 模型,支持图像输入和可变推理投入。

    推荐理由:文章披露了 Inkling 2 Small 的参数规模、训练流程、基准表现与安全评估,便于读者比较其编码、视觉和长程智能体能力。

  2. AWS Machine Learning Blog70

    Amazon Bedrock AgentCore 正式推出 Web Answer

    Amazon Bedrock AgentCore 正式推出 Web Answer,可通过一次工具调用为自然语言问题生成带来源引用的综合答案。它会并行搜索并核验网页内容,由 AgentCore Gateway 以 MCP 工具结果返回答案与引用,定价为每 1,000 次工具调用 $10,目前在 us-east-1 可用。

    推荐理由:原文对比了 Web Answer 与 Web Search 的职责边界,并提供从接入网关到调用工具的完整示例,便于理解托管式网页检索方案。

  3. AIHOT81

    Cursor 推出可构建、部署并分享在线应用的功能

    Cursor 推出在线应用构建功能,用户可在 Cursor 中启动云端智能体,描述需求后生成网页应用并完成部署。功能支持配置 Postgres 数据库、基于 Cursor SSO 的身份验证、托管环境、唯一域名和在线链接,并提供确定性检查、智能体式安全检查及团队发布控制。所有已启用云端智能体的付费方案均可使用该能力。

    推荐理由:Cursor 将需求描述、数据库配置、身份验证、部署和安全检查整合为一条流程,为团队构建可上线的内部应用提供了完整路径。

  4. NVIDIA Blog60

    NVIDIA Vera CPU提升AI智能体吞吐量与执行速度

    NVIDIA发布Vera CPU,兼顾AI智能体执行速度与每瓦容量。在100-megawatt数据中心对比中,Vera每瓦可支持1.6x更多智能体,相比最高能效的x86 CPU实现2x智能体速度。Perplexity、DeepInfra、ClickHouse、Daytona和Modal等合作方已开展生产环境测试,其中Daytona以Vera在10.8秒内上线1,000个智能体沙箱。

    推荐理由:通过与x86 CPU对比及合作伙伴实测,呈现Vera在智能体吞吐量、能耗效率和并发能力上的表现。

  5. TechCrunch · AI76

    AxiomMath 完成 Stacks Project 的 Lean 形式化验证

    AxiomMath 宣布完成 Stacks Project 的形式化验证,将约 7,654 页数学文献转化为约 16 million 行经计算机检查的 Lean 代码。该项目由 AI 智能体并行处理任务并自动寻找可执行工作,相关成果可供智能体继续构建新的数学证明与软件基础设施。

    推荐理由:AxiomMath 将 Stacks Project 转为经计算机检查的 Lean 形式化代码,展示了 AI 智能体参与构建可复用数学基础库的方法与规模。

  6. Microsoft Research62

    PDD Kit 用 Verus 形式化验证智能体编写的 Rust 全栈应用

    Microsoft Research 推出研究原型 PDD Kit,将用户意图转为 Verus 形式化规范,验证编码智能体生成的 Rust 代码,并在证明无法覆盖处回退到测试。

    推荐理由:给出了从意图澄清、Verus 证明、信任边界测试到 CI 接入的完整流程,可用于评估形式化验证如何约束编码智能体生成代码。

  7. AIHOT76

    Reflection 详解开源模型 Beam 的安全训练与评估方法

    Reflection 公开开源模型 Beam 的安全训练与评估方法,并借 Project Iris 开源安全研究、评测集和缓解工具。文章介绍多教师在线策略蒸馏、安全对齐后训练,以及分别衡量安全策略遵循度和潜在能力风险的 ISE、OSF 框架。

    推荐理由:完整呈现 Beam 的安全训练、ISE 与 OSF 评测框架及第三方测试结果,为评估开源模型安全与有用性的权衡提供可复用参照。

  8. AIHOT76

    Perplexity 推出 Teammates 智能体并向 Max 订阅用户开放

    Perplexity 推出 Teammates 智能体,当前已向 Max 订阅用户开放网页版。Teammates 可利用 Computer tasks、skills、memory 和工具主动承接任务,彼此协作,并能在 Slack 中给同事发消息。

    推荐理由:Teammates 将任务执行、协作与消息沟通整合进订阅服务,为 Max 用户展示了多智能体协同的工作方式。

  9. NVIDIA Blog60

    NVIDIA 通过全栈协同设计缓解 AI 推理显存压力

    NVIDIA 通过联合设计 GPU、CPU、网络、存储和软件,缓解大模型及智能体推理中的 HBM 内存压力。方案包括以 NVFP4 压缩模型权重和 KV cache、通过 Dynamo 与 CMX 分层复用上下文,以及让 cuVS 在 CPU 和存储中承载 RAG 索引。

    推荐理由:文章梳理了从模型权重、KV cache 到 RAG 索引的分层内存方案,并提供不同平台的吞吐量与成本对比。

11月5日周四
  1. AIHOT77

    月之暗面开放 2.8 万亿参数 Kimi K3.1 Pro 权重,登顶 Agent Arena 开源模型榜

    月之暗面在 Hugging Face 开放 Kimi K3.1 Pro 模型权重,该模型总参数量 2.8 万亿,单次推理激活约 1040 亿参数,支持约 100 万 Token 上下文窗口。Kimi K3.1 Pro 在 Agent Arena 中位列开放权重模型第一,Terminal-Bench 4.0 得分为 65.7%,BF16 权重文件约 5.6TB,INT4 量化后仍约 1.4TB。

    推荐理由:文章介绍 Kimi K3.1 Pro 开放权重的规模、Agent Arena 表现与部署门槛,便于判断模型能力及本地运行条件。