今日刊

2026-09-29 每日精选18条

Hacker News, Lobsters, TechCrunch AI, GitHub, HuggingFace Papers

🤖 AI Agent 研究

TOPAgentWorld: Benchmarking Long-Horizon Collaboration of Multi-agent LLMs

现有的多代理基准主要在竞争环境中进行测试,在20个步骤下进行短期互动,或者只是汇总个人绩效,未能隔离和突出基于LLM的代理的真正协作能力。我们引入了AgentWorld ,这是一个包含100个人工注释任务(包含100个增强变体)的基准,用于评估长期多Agent协作。

TimeEvo: Failure-Driven Self-Evolution of a Time Series Agent

时间序列客服代表通过调用外部工具回答分析问题,他们携带的工具由人员在客服代表运行之前决定。但是,我们在此设置中发现了两个故障。Human-Agent Tool Misalignment :由21个专家精心策划的工具组成的库可帮助完成某些任务,而对其他任务造成伤害,从而降低我们测试的每个骨干的异常准确性。

SLCA-GRPO: Resolving Cross-Segment Credit Misattribution in Tool-Calling RL

工具调用代理产生异构输出,将结构化工具调用与面向用户的自然语言摘要交织在一起。这种输出异构性在标准的策略上强化学习( RL )中呈现出一种结构性故障模式:像GRPO这样的算法不加区分地向所有代币广播均匀轨迹级标量优势。

Game Arena: Strategic LLM Evaluation in Competitive Environments

我们推出了Kaggle Game Arena ,这是一个开放且不断扩展的平台,通过竞技游戏评估大型语言模型(LLM)。与静态基准不同,游戏竞技场使模型能够在结构化环境中进行正面交锋,其中游戏强度随着模型的发展而自然增加,从而防止性能饱和。

⭐ GitHub 热门项目

TOPJosh-Ruben/design-forge-mcp

【GitHub】支持MCP的多语言CAD/3D设计服务器。使用Python和Java后端控制Claude的FreeCAD和其他设计工具。使用AI-dri创建、编辑、分析和协作3D模型(⭐ 0 )

查看原文
githubopensource
分享
graygnatconsole/mcp-audit-tool

【GitHub】模型上下文协议(MCP)服务器🛡️的安全审计CLI —扫描AI代理配置,了解工具中毒、地毯拉动、硬编码秘密、命令注入和供应链风险。纯Python , SARIF + CI就绪。

查看原文
githubrepository
分享
ashishkattamuri/claude-companion

【GitHub】一个围绕Claude Code的开源包装器,专注于上下文管理、连续性和个人助理风格的工程工作流程。(⭐ 1 )

查看原文
githubopensource
分享
JoinArtisanVent/x-scraper-no-api

【GitHub】免费的自托管X ( Twitter )刮刀,没有API密钥,没有积分。通过剧作家使用您自己的浏览器会话。将推文、搜索结果和时间轴导出为LLM就绪的JSON/CSV/Markdown。为OpenClaw和Hermes运送人工智能特工技能。

查看原文
githubrepository
分享
kaankiziltug/logo-design-skill

【GitHub】为Claude、Gemini CLI、Codex和其他AI代理提供全面的徽标设计技能:原则、流程、SVG工艺、测试工具和1,400多个徽标参考库。

查看原文
githubrepository
分享

🚀 模型与行业动态

TOPOpenAI reportedly ditches model over safety concerns

人工智能实验室的一位高级管理人员告诉《华尔街日报》,该模型在服从命令方面表现不佳。

查看原文
industrytechcrunch
分享
AMD will acquire Fei-Fei Li’s World Labs for $8.2 billion

此次收购将使世界实验室创始人李飞飞加入AMD ,担任执行副总裁兼首席科学家。

查看原文
industrytechcrunch
分享
Shopify opens checkout to browser-based AI agents

Shopify正在将WebMCP支持扩展到结账,允许基于浏览器的人工智能代理在买方授权下更新订单详细信息并完成购买。

查看原文
industrytechcrunch
分享

🔥 社区热议

TOPYes, no AI is now a feature

【Lobsters】热度: 106↑ | 9 评论 | 标签: practices, vibecoding

查看原文
communitylobsterstech
分享
What Would A Serious AI Product Look Like?

【Lobsters】热度: 44↑ | 6 评论 | 标签: a11y, design, vibecoding

查看原文
communitylobsterstech
分享
Jeff – Jev-compatible 0.8B decision models, trained at home, ~30 ms

【HN】热度: 278 分 | 115 评论

查看原文
communitydiscussion
分享
MicroLLM Lab – Try 7 tiny LLM's in the browser

【HN】热度: 130 分 | 63 评论

查看原文
communitydiscussion
分享
It's Time to Investigate the AI Labs

【HN】热度: 298 分 | 107 评论

查看原文
communitydiscussion
分享
We found 24 Android vulnerabilities using our open source AI security agent

【HN】热度: 6 分 | 1 评论

查看原文
communitydiscussion
分享