今日刊

2026-10-26 每日精选18条

Hacker News, TechCrunch AI, GitHub, HuggingFace Papers

🤖 AI Agent 研究

TOPEvalResearchBench: Can AI Agents Build Their Own Feedback for Recursive Self-Improvement?

递归自我改善( RSI )依赖于评估反馈来评估进展并指导进一步的研究,但反复运行复杂的基准代价高昂,并降低了迭代速度。人类专家通过选择基准子集或设计紧凑型套件来降低成本。我们询问AI 智能体是否可以自动化此设计过程,并引入EvalResearchBench ( ERB ) ,这是自主评估研究的基准。

Agent Mosaic: Recognizing Confidentiality Leaks in Agentic LLM Systems

现代LLM智能体可以从可访问的文档中检索信息,然后披露从中收集的敏感结论。这种马赛克效应给处理机密数据的智能体带来了严重的风险。我们使用30个综合网络安全、医疗和军事示例对其实现进行量化,从受控模拟中的三个LLM智能体获得10,800个最终答案,从两个开源harness中的实时智能体获得1,440个最终答案。

RIDAR: Safeguarding Research Integrity in Autonomous Research Agents via Automated Detection and Runtime Intervention

自主研究智能体越来越多地用于自动化大部分科学研究,但它们容易出现研究完整性违规( RIV ) :损害研究过程的有效性、可重复性或忠诚度的行为。我们推出了RIDAR ,这是一个用于自动RIV检测和运行时干预的框架。首先,我们介绍RIVT ,这是一个涵盖整个研究生命周期的14种RIV类型的综合分类法。

Is Complex Agentic Memory Always Needed? Naive RAG Is Stronger Than We Thought

LLM记忆被广泛用于长期会话理解。智能体记忆系统通常使用突变、结构组织、学习检索策略或其他复杂操作。我们研究了Raw-RAG ,这是一种朴素的RAG基线,使用密集检索和对原始历史进行重新排序,为读者LLM提供证据,并发现它在七个基准模型设置中的六个中在比较的记忆系统中排名第一。

⭐ GitHub 热门项目

TOPDumDuky/myna-browser-agent

【GitHub】Chrome浏览器中Claude的开源替代品。带上您自己的API密钥,让AI 智能体跨选项卡读取、单击、填充和研究。无账号,无后端,无遥测。(⭐ 4 )

查看原文
githubopensource
分享
prinzeval/valendata

【GitHub】将Web作为API提供给您的AI 智能体。适用于Claude Code、Codex和Cursor的MCP服务器+技能:适用于Google Maps、Amazon、Instagram、X、LinkedIn等的自我修复抓取工具。兼容Firecrawl和Apify。(⭐ 5 )

查看原文
githubopensource
分享
paraldaMeta/mirage-engine

【GitHub】AI智能体的纯代码世界引擎:以three.js作为代码构建整个城镇和景观(预alpha ) (⭐ 10 )

查看原文
githubopensource
分享
DenisSergeevitch/ex-ussr-kinship-research

【GitHub】AI 智能体以证据为先的家谱技能( Codex、Claude Code ) :前苏联各地的教会书籍、民事、军事、驱逐和镇压记录。以您的语言回复。(⭐ 538 )

查看原文
githubopensource
分享
tenhkspark/secbrief

【GitHub】针对AI 智能体管理的机器的每日漏洞简报—针对OSV + CISA KEV的确定性匹配; LLM仅解释。麻省理工学院(⭐ 13 )

查看原文
githubopensource
分享

🚀 模型与行业动态

TOPThe AI graveyard: a running list of projects and startups that didn’t make it

从苹果一再推迟Siri AI到OpenAI凌乱的“超级应用”发布,以下是关闭或未达到预期的人工智能项目。

查看原文
industrytechcrunch
分享
Here are the top AI agents that can live in your text messages

我们创建了一个列表,列出了可以在短信中出现的最著名的人工智能智能体,从一般助理到专为家庭、旅行和工作而设计的智能体。

查看原文
industrytechcrunch
分享
OpenAI says it will no longer train its AI models on the live internet, citing “significant risks”

OpenAI将在其一名工程师表示该解决方案不起作用的几周后,从互联网上切断前沿模型。

查看原文
industrytechcrunch
分享

🔥 社区热议

TOPA 10-year-old CNN outperforms frontier LLMs for skin cancer diagnosis

【HN】热度: 440 分 | 209 评论

查看原文
communitydiscussion
分享
OpenAI and Anthropic cut their LLM prices by up to 80% within a few months. Why?

【HN】热度: 151 分 | 177 评论

查看原文
communitydiscussion
分享
A mathematician reads the AI future

【HN】热度: 54 分 | 73 评论

查看原文
communitydiscussion
分享
JetBrains Thinkrail

【HN】热度: 184 分 | 135 评论

查看原文
communitydiscussion
分享
AI use leads UC Berkeley math professor to see 'no point' in grading homework

【HN】热度: 200 分 | 295 评论

查看原文
communitydiscussion
分享
Apollo says AI has delivered 'zero financial payoff' outside the tech industry

【HN】热度: 33 分 | 21 评论

查看原文
communitydiscussion
分享