通过行为轨迹解释编码智能体
研究者分析了来自125种智能体配置和117个模型的143,209条执行轨迹。 开发了基于规则的解析器,将执行日志映射为搜索、编辑等高层动作。 发布解析器与标注流水线,表明智能体堆栈可通过行为画像识别。
研究者分析了来自125种智能体配置和117个模型的143,209条执行轨迹。 开发了基于规则的解析器,将执行日志映射为搜索、编辑等高层动作。 发布解析器与标注流水线,表明智能体堆栈可通过行为画像识别。
研究者提出IBMARL框架,将模仿引导强化学习扩展至合作团队,结合轮询行为克隆(R2BC)训练模仿策略。 在四个基准中,IBMARL比演示基线快2.6至4.2倍,且在两项任务上超越演示者本身,代码已开源。
论文推出 WeightBench 基准,在 5 个赛道 42 个任务上评估 LLM 读写与修改神经网络权重的能力。 测试网络参数量从 2K 到 7B,涵盖读取、修复、生成及无数据压缩。 前沿智能体可生成可用控制策略,但尚无法修复语言模型或识别不可能任务。
JFinBench 发布了包含 321 个样本的日本金融基准,用于评测大语言模型在会计、税务等领域的金融系统能力。该基准通过人机协作智能体管道从 2026 版六项认证考试构建,支持定期更新以缓解数据污染。
NeoResearch 提出一种由 LLM 驱动的自主研究框架,利用专家启发的双循环工作流发现轻量级领域特定预测模型。 该框架自动挖掘网络科学文献提取建模机制,并通过层级经验记忆将文献发现与实验结果关联,支持跨任务复用。 在十个数据集上的实验表明,该框架具有竞争性性能,验证了双循环、文献提取及记忆复用机制的有效性。
该研究提出可微GPU加速的MHD求解器φ-PICT,用于主动流动控制。 φ-PICT 通过梯度算法使传热效率提升 25% 以上,并支持比黑盒方法高 1000 倍精度的逆向设计。 工具已公开发布,旨在优化聚变包层冷却等工程应用中的流动控制。
FlexCast 提出变量长度掩码预测框架,通过动态采样可见上下文与目标片段解耦自回归模型中的训练分布与推理过程。在 BLAST 及零样本基准测试中,其精度与强基线相当或更优,同时显著降低推理延迟。
昇腾NPU团队推出AscendGYM基准测试,其初始套件包含48个内核,覆盖三个难度级别,所有测试用例的数据类型和张量形状均源自真实训练与推理任务。 AscendGYM支持模型评估和模型-框架评估两种模式,并提出了结合加速倍数与token成本的新指标STS(Speedup-Token Score),用于衡量可接受预算下的实际内核优化能力。
OpenClaw v2026.11.4 发布,包含 220 次 commits 与 125 个 pull requests,由 90 位贡献者参与。 提供 Release notes 与 Changelog 两种格式,Changelog 为纯 Markdown,专为 AI agents 和工具设计。
CrowdGPT 协调独立 GPU 资源,通过众包训练生成单一语言模型,无需重型基础设施。每个连接设备接收 10MB 数据分片并执行本地训练,仅将模型权重差值(delta)回传服务器进行验证与聚合,有效防止数据中毒。训练后的模型权重自动推送至 HuggingFace,支持公共审计、使用与测试。
Perfectclone 是一款基于 Playwright 的网站克隆工具,能在约 15 秒内以 1:1 镜像方式下载前端文件,无需 AI 或 LLM。 该工具通过 `pip` 或 `uvx` 安装,支持重品牌、重新托管及移除追踪器,并能完整保留 Next.js 等框架的 JS 行为。
Aegis 是一款基于 Go 的 Layer-4 Postgres 代理,能在不修改数据库代码的情况下拦截破坏性 SQL 查询。 代理通过 AST 解析识别 DROP TABLE 等危险操作并直接终止连接,防止其到达 Neon 等后端数据库。 应用通过 Aegis Proxy 的 5433 端口接入,利用 @safe_db_run 装饰器在临时数据库分支中安全执行查询。
作者通过修改 </think> 行的输出层权重,在免训练条件下让模型根据隐藏状态判断何时停止思考。在 Qwen3.5-4B 上,该方法在保持准确率的同时减少 54% 的 token 用量;在 DeepSeek V4.1 Flash 763B 上,解决数学题的 token 用量降低 40%,且代理任务的盲评得分最高。
推荐理由:提供免训练的单行权重修改方法,读者可复用在本地模型以缩短思考时间并节省token。
GitSeed 是一个自托管、厂商中立的控制平面,用于在自有基础设施上管理 AI 编码代理,支持 Claude Code、Codex、Gemini 等主流工具。
groma.md 是一款免费、MIT 许可的本地化架构管理工具,能将代码仓库实时转换为 C4 架构地图。该工具基于确定性的离线代码分析,不依赖 AI 服务,支持 TypeScript、Go 等 24 种语言及框架。
Pizza 是一个开源的事件驱动 AI 智能体,提供桌面应用和命令行工具,支持通过 SSH 连接远程机器作为独立工作空间,并允许通过 Slack、Discord、Telegram 等渠道接入同一智能体。它支持 Notion、GitHub、Gmail 等应用集成,可通过 MCP 扩展能力,支持 40 多家模型提供商,数据存储在本机,可通过 npm 全局安装使用。
作者主张所有 AI 生成代码应开源或进入公共领域,反对将其转化为专有闭源。 AI 模型基于 GNU 项目及 Stack Overflow 等开放语料训练,纯 AI 代码缺乏人类创作不应享有版权。 建议在 CC0 协议下发布此类代码,以回馈开源生态并适应不同地区的版权法律差异。
byob 是一款本地优先的桌面 AI 伴侣软件,支持连接任何 OpenAI 兼容端点(如 Ollama、vLLM),无需捆绑推理引擎或账号。该软件采用原生 GPU 渲染界面,替代了传统的 Electron 架构,可在 Linux、macOS 和 Windows 上以约 60MB 的轻量安装包运行。
db-branch 发布,支持在自有服务器上为 MySQL 和 PostgreSQL 创建秒级分支。基于 ZFS 克隆的写时复制技术,创建分支时不复制数据,适用于 AI 代理沙盒和每个拉取请求独立数据库的场景。工具提供 CLI、REST API、Web 控制台和 MCP 服务器接口,采用 Apache-2.0 许可,当前处于 Beta 版本。
作者开源了 Real Scientist Skills,这是一个为编码 Agent 提供可复现科学实验工作流的技能包。该工具强调“一次只做一个实验探针(probe)”,在运行前记录预期结果,利用 Git 追踪实验笔记,以替代工程中并行规划整个任务流的模式。用户可输入指定 Prompt 安装该技能,并配合 Matt Pocock 的工程技能使用,适合需要在 AI 辅助下进行科研探索的开发者。
美团 LongCat 团队发布 1.6 万亿参数模型 LongCat-2.5,这是专为处理长步骤自主任务的智能体(Agent)及编码工作设计的大型混合专家(MoE)模型。
开发者 Any-Reputation8118 利用 Anthropic Claude 编写代码,开发出体积仅 97 KB 的浏览器水下探索模拟项目 Abyssal Garden。
腾讯表示已在新发布的 Hy4 模型中移除网络攻击能力并保留防御技能,月之暗面此前也对其 Kimi K3.1 Pro 做出了类似调整。这一变化源于涉及美国和中国企业的多起 AI 网络攻击事件,目前业界正在检验中国实验室能否在满足安全压力后,维持推动其全球采用的开源权重优势。
ShadowDiff 发布了一个高性能网络代理引擎,用于将生产 HTTP 流量同时镜像到旧版服务与 AI 重构后的候选服务,以检测序列化、数据库事务和 N+1 查询等隐性回归。该工具集成 Envoy 进行流量克隆,利用 Google Gemini 自动生成回归测试,并支持通过 GitHub 自动提交 PR 以及集成 CI/CD 流水线作为质量门禁。
情感观察综艺《后会友期》成新综市占率冠军,正片播放量破8亿,带动芒果超媒市值激增。 绝味鸭舌借嘉宾热点团购订单量环比增长1443%,999感冒灵毛毯因“If you cry, cry in 999”热梗引发购买热潮。 现象级综艺流量溢出转化为品牌消费力,验证了真人内容营销的情感爆点价值。
PaperPulse 是一个集成的多智能体 AI 系统,自动审计科学论文、新闻和网络内容的科学严谨性、统计有效性以及代码与论文的一致性。 它通过编排专用 AI 智能体交叉引用声明、搜索 GitHub 官方仓库,并标记带有确切引用的可复现性差距。
datasette-llm 0.1a11 新增对 OpenAI 兼容端点的配置支持,允许用户连接任意遵循该协议的 LLM 服务。该插件通过 `default_model` 参数可对接 LM Studio、Ollama 或 llama.cpp(刚发布 v1.0.0)等本地推理工具。用户利用 `uvx` 命令即可部署由本地模型驱动的 Datasette Agent 实例。
一名非技术背景的遛狗师使用 Claude 开发宠物报告应用,定价每月 8 美元。 他花费 389 美元发布新闻稿,虽未带来直接访客,但使 ChatGPT 引用该应用,四周内新增 22 名付费用户。
WhatWeRun 数据库收录了 12 家企业在生产环境中运行的 AI Agent 技术栈,包括架构组件、所用模型及单位成本。
Smart Node 是运行在本地机器上的自托管 AI 节点,集成任务追踪、语义记忆、语音交互及模型网关。 它基于 Bash 和 Docker,支持通过 Anthropic、Google 或 OpenRouter 等云端模型进行推理。 目前仅维护者团队完成安装流程,尚无一键更新或离线模式,需用户自行配置权限与集成。
作者将本地 AI 助手 zkzkAgent 接入 Nosana 去中心化网络,以租用 GPU 运行 qwen3.8-27b 模型,突破笔记本电脑仅能运行 2B 小模型的限制。
用户利用 HiveMind 协调器联合 CrowdGPT,在普通消费级 GPU 上完成了基于 Crowd-v1 模型(总参数量约 1.01B,Transformer 主干 658M)的实验性分布式训练测试。
Concept2Brain 是一个开源云平台,能根据用户输入的文本或数字图片生成合成脑电图(EEG)信号,以预测大脑对特定刺激的电生理反应。 模型采用条件变分自编码器(cVAE)和 CLIP 网络进行跨域翻译,生成的信号信噪比高于单次实验记录。 这解决了获取 EEG/ERP 数据在时间和资金上的壁垒,让不同背景的科研人员能低成本生成模拟数据以测试新假设。
DeepSeek 正式开放应用 API,支持联网搜索、深度思考、文件上传、链接阅读及语音识别与语音合成独立调用。V4.1-Flash 模型在 Messages、Responses 和 Chat Completions 接口下支持这些扩展功能,并开源了轻量级聊天前端 Demo。
开发者利用 LLM-TDD 方法论构建 WhatsApp 语音转写工具 WhatYouSay。 通过 LLM 编写代码并预先设定评估测试,针对多语言场景优化了 Whisper 转录及清洗流程。 该流程将语音转写词匹配率从 69.9% 提升至 86.4%,解决了模型误修正口语和早期停止问题。
Unus Lumen 发布 GURU,一个开源端侧 AI 框架,支持跨协议控制网络内设备并自带可写能力的本地工具链。框架通过 Tor 路由模型调用,内置 Rust 加密记忆引擎、十二个房间式工作区与 Otio 创作者市场,用户可导入自定义模型并直接安装约 743 MB 的 Android APK 进行使用。
Timon 是一个开源 AI 工作台,允许用户在本地机器上运行并协调多个 AI Agent。该工具利用用户现有的 CLI 订阅(如 Claude、Codex)而非按 token 计费 API,通过内置编排器分配编码、审查和合并等任务。其特性包括跨平台运行、插件化扩展、会话记忆以及支持 Windows、macOS 和 Linux 系统。
美国 AI 爱好者穆罕默德 · 祖拉利借助 Arduino Nano 开发板和 AI 成功让一辆 1994 款 Jeep 切诺基通过加州尾气检测。过程中,Claude 负责指导诊断和参数调整,Codex 负责编写代码,仅使用了一块 3 美元微控制器。该项目已开源至 GitHub,名为 xj-scanner,采用 GPLv3 许可证。
Runway 以 Apache 2.0 协议开源具身智能模型 Praxis-1,利用视频生成模型学到的世界动态预测环境变化并生成机器人动作。该模型在 Nvidia RoboLab-120 评测中以 46.2% 成功率位居 World Action Model 类别榜首,且仅需约 95 小时数据即可微调未见过的移动机器人,成功率达 80%。
Cloudflare 宣布开源为 AI 智能体打造的浏览器 Kitesurf,该浏览器基于 Cloudflare Workers 运行,支持 Chrome DevTools Protocol 且不依赖 Chromium 进程。在网页截图等常见任务中,Kitesurf 消耗的 CPU 和内存显著低于 Chromium,能支持更高并发的 AI 负载。