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.
4 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.
-
AI代理组织向外部接口开放独立评判
一个组织开发了一个AI代理系统，其中多个代理在没有人类干预的情况下协作完成任务，包括一个独立的评判机构来验证性能声明。为了解决不可靠的自我报告指标问题，他们创建了一个具有预注册、哈希锚定的评判标准的系统，用于SWE-bench、GAIA和Terminal-Bench等任务。该系统旨在提供客观和可复现的评估，并计划在10月中旬发布代理接口比较的公开排行榜。
-
AI生成的艺术作品在Mastodon上展出，标题独特
该集群包含来自社交媒体平台Mastodon的一条内容，似乎是关于AI生成艺术的帖子。该帖子包含诸如“Itheereum Space - Nanohertz-Bikini - 151 - The-Post-Apocalyptic-Bikini-Cyborg™ - The-Sear™ - Cybercity”之类的标题，并提到了艺术家Ohm Raumzeit和Gaia。它还包含与AI和数字艺术相关的标签，链接到Nightcafe Studio。
-
AI艺术家Ohm Raumzeit在Nightcafe上创作了“REASONING”
Ohm Raumzeit使用AI工具创作了一件名为“REASONING”的数字艺术品。该艺术品由GAIA辅助生成，并在Nightcafe平台上提供。
-
OpenResearcher流程支持离线合成AI研究轨迹
研究人员开发了OpenResearcher，一个开源流程，用于合成用于训练深度研究代理的长时研究轨迹。该流程离线运行，利用三个显式浏览器原语处理1.5千万文档语料库，与专有API相比，可以实现可复现且成本效益高的数据收集。通过使用GPT-OSS-120B作为教师模型，他们生成了超过97,000条轨迹，当在30B-A3B模型上对此数据进行微调时，在BrowseComp-Plus等基准测试中的准确性显著提高。
-
新的ICA框架改进了AI智能体在长周期信息搜寻能力
研究人员开发了一个名为信息感知信用分配（ICA）的新框架，以改进在长周期内搜寻信息的智能体的强化学习。ICA解决了在中间信息获取步骤难以评估时，为正确最终答案分配信用的挑战。该方法将抓取的网页表示为稳定、渲染的快照，并使用这些单元从回滚成功率向后传播奖励，为引入有价值信息的步骤分配密集奖励。ICA在BrowseComp、GAIA、Xbench-DS和Seal-0等基准测试中显示出了一致的性能提升。
-
新框架AutoMem可自动搜索LLM代理的内存架构
研究人员开发了AutoMem，一个旨在自动发现大型语言模型（LLM）代理最佳内存架构的新型框架。该文本梯度递归自改进系统导航编码器、存储、检索和管理模块的搜索空间，使内存设计适应特定任务。在GAIA和WebWalkerQA等基准测试上的实验表明，AutoMem能够持续识别出优于人类设计的基线内存架构，从而提高准确性并降低代币成本。
-
Open-source DeepResearch 在 GAIA 验证中达到 55.15%
开源 DeepResearch 项目在 GAIA 验证基准测试中取得了 55.15% 的分数，较之前的 46% 有所提高。值得注意的是，其代码代理的表现优于 JSON 代理。
-
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。