Generative Ai Interactive Agents
PulseAugur coverage of Generative Ai Interactive Agents — every cluster mentioning Generative Ai Interactive Agents across labs, papers, and developer communities, ranked by signal.
6 天有情绪数据
AI agents are being developed with enhanced long-horizon information seeking and complex task decomposition capabilities
The PRInTS model's ability to provide dense, multi-dimensional scoring for long-horizon tasks and the MetaResearcher framework's focus on fostering genuine research behaviors point to a significant push towards AI agents that can handle more complex, multi-step problems and strategically seek information over extended periods.
AI agents will increasingly leverage self-generated training data and synthetic environments
The development of methods like SPORT (training without human data) and MetaResearcher (evolving virtual worlds) suggests a trend towards AI agents generating their own training data and operating in synthetic environments. This could lead to more autonomous and scalable AI development, reducing reliance on human annotation.
AI evaluation leaderboards will face increased scrutiny and demand for auditable methodologies
The paper on Bayesian audits for AI evaluation archives directly addresses distortions in leaderboards like Open LLM Leaderboard v2. This indicates a growing concern about the reliability of public AI performance metrics and a potential future demand for more transparent and auditable evaluation frameworks.
-
新的TART方法提高了多语言AI智能体规划的准确性
研究人员开发了TART（Taxonomy-Guided Actionable Representation，一种基于分类法的可操作表示法），这是一种解决多语言、多智能体系统中规划失败的新方法。该系统分析任务执行情况，创建规划-基础失败的分类法，这种失败不成比例地影响低资源语言。通过将这些分类法方面明确告知规划器，TART在各种语言、LLM骨干和智能体配置中持续提高性能。在多语言GAIA数据集上，TART将最先进系统的准确性提高了5.6个百分点。
-
Somewhat Grumpy Press 签下科幻作家 Bill Wittur 的《Mr. Kite》和《Extinction Event》
Somewhat Grumpy Press 已与金斯顿作家 Bill Wittur 签订出版协议，出版他的科幻小说《Mr. Kite》和《Extinction Event》。这两本书此前由 Wittur 自费出版，现将由该出版社重新排版和发行。《Mr. Kite》讲述了一名公司间谍在反乌托邦的 2008 年的故事，而《Extinction Event》则围绕一个发现 AI 驱动的消息以及一个名为 GAIA 的 AI 平台企图接管地球的阴谋展开。
-
Agents-A1-4B 模型在长时域搜索中表现强劲
InternScience 开发的新模型 Agents-A1-4B 在多项基准测试中表现强劲，尤其是在长时域搜索和智能体任务方面。该模型基于 Qwen3.7-4B，在 BrowseComp 和 GAIA 等领域显著优于其基础模型。虽然在指令遵循和工程任务方面取得了有竞争力的结果，但在 LiveCodeBench-V6 和 FrontierScience-Research 等一些领域落后于更大的模型。
-
大众汽车考虑大规模裁员，三星开发AI芯片，台积电扩大产能 · 追踪1个来源
多家主要公司正在不同行业进行重大举措。大众汽车正在考虑大幅削减员工数量，可能在全球范围内影响多达12万个工作岗位，此举已引发工会和地方政府的抗议。在科技行业，三星正在开发一款名为GAIA的新AI PC加速芯片，原型已发送给联想和惠普进行测试，目标是明年实现量产。与此同时，台积电正在积极扩大其先进封装产能以满足高需求，预计到2027年每月产量将大幅增加。
-
三星准备推出GAIA AI芯片用于PC，惠普和联想正在测试原型机
三星正在开发一款名为GAIA的新型AI PC加速芯片，该芯片采用4nm工艺，并集成支持内存处理（PIM）技术的NPU。该芯片旨在增强个人电脑上的生成式AI任务。据报道，惠普和联想都在测试GAIA芯片的原型机，预计明年开始量产。
-
新框架使 AI 代理能够在可验证的 Web 环境中自我改进
研究人员推出了 DeepSearch-Evolve，这是一个在 DeepSearch-World 环境中训练 Web 代理的自蒸馏框架。该框架旨在通过使代理能够从自身经验中改进，超越固定轨迹或弱强化学习信号，来克服代理训练中的挑战。DeepSearch-World 提供了一个可验证且确定性的环境，并支持可复现的工具，支持代理行为，如进度验证和故障恢复。使用此方法在没有外部蒸馏的情况下训练的 DeepSearch-World-9B 模型…
-
新的GAIA框架增强了用于作业区重建的UWB传感能力 · 跟踪1个来源
研究人员开发了GAIA，一个新颖的几何感知框架，旨在提高超宽带（UWB）传感在作业区几何感知方面的准确性。该系统通过将时间范围建模与潜在锚点布局估计相结合，解决了室外UWB数据中的非视距传播和噪声等挑战。与现有方法相比，GAIA在均方误差方面显著降低了18.4%，在多边形交并比方面提高了15.5%，为重建提供了一种更具空间连贯性的方法。
-
DeepSearch-Evolve 框架通过在可验证环境中进行自我蒸馏来训练网络代理
研究人员推出了 DeepSearch-Evolve，一个用于训练网络代理的自我蒸馏框架。该框架利用 DeepSearch-World，一个包含 420,000 个多跳问答任务的可验证环境。该系统支持进度验证和故障恢复等代理行为，使代理能够从自身经验中改进，而无需依赖外部模型。使用此方法训练的 DeepSearch-World-9B 模型在 BrowseComp 和 HotpotQA 等基准测试中表现出竞争力。
-
AI代理基准测试现已包含成本数据，揭示巨大的价格差异
创建了一个新的数据集来跟踪AI代理在各种基准测试上的性能成本，填补了现有排行榜主要关注分数的空白。该数据集连接了代理配置、基准任务、已验证的成功以及每次运行的记录成本。它揭示了显著的价格差异，对于在代理排行榜上看起来相似的系统，成本从0.03美元到超过1600美元不等。分析强调，对于具有廉价验证和重试能力的任务，低成本配置比仅基于分数的排名更具竞争力。
-
新方法通过投机执行加速代理式LLM推理 · 跟踪2个来源
两篇研究论文介绍了通过采用投机执行来加速代理式大型语言模型（LLM）推理速度的新颖方法。第一篇论文SPORK利用LLM本身的轻量级探针来预测即将到来的工具调用，从而实现重叠执行并减少空闲时间。第二篇论文SpecEyes提出了一个类似的投机规划框架，使用一个较小的、无工具的MLLM来预测执行轨迹，从而在不损失准确性的情况下提前终止昂贵的工具链。这两种方法都旨在显著降低复杂代理式任务的延迟并提高吞吐量。
-
受半导体板块疲软影响，中国股市下跌，AI芯片发展初露端倪
中国股市多个指数集体下跌，半导体和AI相关板块频繁领跌。寒武纪、兆易创新、国科微等公司跌幅显著。相反，能源、煤炭以及CRO、卫星导航等部分科技板块在某些交易时段出现上涨。新闻还涉及AI芯片发展，据报道三星正在研发AI PC加速芯片，韩国AI芯片初创公司Rebellions计划进行首次公开募股（IPO）。
-
小米发布自主进化 AI Agent 框架 HarnessX
小米的 Darwin Agent 团队推出了 HarnessX，这是一个新颖的框架，旨在使 AI Agent 能够自主进化其自身的“harness”组件，这些组件包括提示模板、工具使用规则和内存管理。该系统将 harness 与底层模型解耦，从而实现了跨不同模型的模块化和适应性。HarnessX 采用“AEGIS”引擎，该引擎利用强化学习原理迭代地优化 harness 代码，防止了作弊或灾难性遗忘等常见问题。该框架还包含变体隔离以管理…
-
新的GAIA框架通过全局数据选择增强LLM指令调优
研究人员开发了GAIA（Global Adaptive Instruction tuning via Gaussian processes），一个用于为大型语言模型（LLM）指令调优选择高质量数据的新框架。与受限于局部批次优化的现有方法不同，GAIA使用高斯过程回归来模拟整个语义空间中的效用。这种全局估计过程，结合自适应策略融合机制，动态地优先处理有价值的样本。该框架还包含动态遗憾保证，即使在训练过程中数据质量分数发生变化，也能确保鲁棒性。
-
新的VISTA界面增强了LLM代理的上下文管理
研究人员开发了VISTA，这是一种新颖的无需训练的界面，旨在改进大型语言模型（LLM）代理管理其上下文的方式。VISTA解决了LLM对其自身上下文“本体感觉盲”的局限性，这意味着它们无法固有地衡量令牌使用、时效性或访问历史。通过提供运行时仪表板和工作内存块的归档系统，VISTA使代理能够更好地处理长时任务。这种方法显著提高了在LOCA-Bench等基准测试上的性能，将Gemini-3-Flash的性能从22.7%提高到50.7%。
-
新的 GAIA 系统训练批评模型以提高 GUI 代理性能
研究人员开发了 GAIA，一个数据飞轮系统，旨在通过训练直观批评模型 (ICM) 来提高 GUI 代理的性能。该 ICM 评估代理操作的正确性，选择成功概率更高的操作。然后，系统使用此批评模型收集精炼数据，进而训练出更强大的批评模型，形成一个自我改进的循环。实验表明，这种迭代过程提高了各种 GUI 代理的测试时性能。
-
MetaResearcher框架增强AI研究代理训练
研究人员推出MetaResearcher，一个旨在增强深度研究代理训练的新框架。该框架通过引入一个引入动态挑战和错误信息的进化虚拟世界来解决当前训练方法的局限性。它还包括面向发现的任务、一个自反思元奖励机制和一个异构多智能体群架构，以促进更真实的研究行为和协作策略。
-
新的大语言模型训练方法优化数据调度以提高效率和性能
研究人员开发了通过先进数据调度技术优化大语言模型（LLM）训练的新方法。一种方法是整体数据调度器（HDS），它使用多目标强化学习在预训练期间动态调整数据混合，从而在 The Pile 和 MMLU 等基准测试中显著提高训练效率和模型性能。另一种方法是自适应数据调度（ADS），它通过从统一数据采样转向语义集群和策略边界样本的自适应分布，专注于改进训练后强化学习，在推理基准测试中显示出优势。此外，一种使用精选数据集和最小 GRPO 设置的…
-
新论文提出贝叶斯审计用于AI评估档案
一篇新论文提出了一种贝叶斯推理框架，用于审计前沿AI评估的公共档案。研究强调了选择性报告和基准修订如何扭曲对AI进展的认知，并以LiveBench和Open LLM Leaderboard v2作为主要例子。提出的档案和裁决协议旨在重建评估历史，建立经过验证的时间界限，并使关于AI能力的未经证实的说法无效。
-
新的SPORT方法在无需人类数据的情况下训练多模态代理
研究人员开发了一种名为SPORT（分步偏好调整）的新颖方法，无需依赖大量人工标注数据即可训练多模态代理。该方法使用任务合成、步采样、步验证和偏好调整的迭代过程，使代理能够自主发现有效的工具使用策略。在GTA和GAIA基准上的评估显示，代理性能有了显著提高，突显了该方法的泛化能力。
-
新型PRInTS模型增强AI代理的长时信息检索能力
研究人员开发了PRInTS，一种新的生成式奖励模型，旨在提高AI代理在长时间内检索信息的能力。与之前对短期任务提供二元判断的模型不同，PRInTS为每个步骤提供密集的多维度评分，考虑工具解释和输出信息量等因素。它还将长上下文压缩成摘要，同时保留评估所需的重要信息。在FRAMES和GAIA等基准测试上的实验表明，PRInTS显著增强了各种代理的信息检索能力，甚至优于更大、更前沿的模型。