跳到正文

Agent 智能體

讓模型自主規劃、調用工具、完成多步任務的技術方向——從 Claude Code、Manus 到各家 Agent 框架與評測基準的全部動態。

最新精選

第 501–520 條 · 共 743 條
10月14日週三
  1. Google DeepMind72

    Google DeepMind 公佈 Gemini 4 Argon 安全措施,並開始廣泛推出

    Google DeepMind 開始廣泛推出 Gemini 4 Argon,並擴大 Fairwind Program,讓更多可信網絡防禦者參與。在端到端模擬網絡攻擊測試中,Argon 解決全部 12 個情境,上一代為 5 個;Gray Swan 的 Indirect Prompt Injection(IPI)基準中,15 次自適應攻擊的成功率降至 0.7%。

    推薦理由:文章並列高風險能力測試與多層防護安排,呈現 Gemini 4 Argon 如何應對網絡、生物濫用及智能體越界風險。

  2. Hugging Face Blog64

    LFM2.5-24B-A2B 面向快速、私隱保護的本機智能體

    Liquid AI 發佈 LFM2.5-24B-A2B,這款 24B 參數推理模型每個 token 僅啟用 2B 參數,面向在裝置上運行智能體。它在 LiveClaw 得分 48.09,高於 Qwen3.6-35B-A3B 的 38.19,並在 Apple M5 Max 上達到 184 tokens/s。

    推薦理由:LFM2.5-24B-A2B以2B活躍參數面向本機智能體,並列出工具使用基準及CPU、GPU推理速度,呈現模型效能與本機部署的取捨。

  3. Google DeepMind84

    Gemini 4 Argon:為解決最棘手的問題而打造

    Google DeepMind 發佈 Gemini 4 Argon,今日起按用戶類別透過 Gemini API、AI Studio、Google Antigravity、Gemini app 及 Search 的 AI Mode 提供使用。

    推薦理由:文章並列 Argon 的跨領域基準表現、使用入口、定價與工程及科研案例,讀者可據此瞭解其能力定位和實際應用範圍。

  4. Google Developers Blog77

    Gemini 4 Argon 一夜間優化 200,000 行 Python 程式碼庫

    Google 團隊讓 Gemini 4 Argon 無人值守運行 11 小時,優化約 205,000 行的 ADK Python 程式碼庫。六項優化提案中有兩項經程式碼審查後合併,令長工作階段的記憶體內準備時間縮短約 40%,套件匯入時間縮短 21%。

    推薦理由:文章拆解 Gemini 4 Argon 11 小時無人值守優化流程,呈現六項提案中兩項經程式碼審查後落地的取捨。

10月13日週二
  1. AWS Machine Learning Blog64

    如何在 Amazon Bedrock 上以 Grok 4.7 建立長時程智能體

    文章展示如何在 Amazon Bedrock 上以 Grok 4.7 建立工具呼叫智能體,並以三項需要搜尋的任務比較 low、medium、high、xhigh 四種推理力度。

    推薦理由:文章以三項答案可窮舉驗證的任務比較推理力度與 token 用量,並提供可移用於自有 Agent 評測的測試設計和生產監控方法。

  2. AWS Machine Learning Blog61

    ShipStation Global 如何在 Amazon Bedrock AgentCore 上建構 AI IT 服務台

    ShipStation Global 在 Amazon Bedrock AgentCore 上建構 Slack AI IT 服務台 Deckhand,以知識庫回答常見問題、分析錯誤截圖及建立或更新 Jira Service Management 工單。

    推薦理由:文章拆解以 RLM 從 Slack 已解決支援對話抽取結構化解法、建立知識庫的流程,並呈現三個月內 812 次 Agent 對話未轉成工單。

  3. Berkeley RDI:Blog77

    CyberGym:大規模評估 AI 智能體的真實世界網絡安全能力

    Berkeley RDI 發表 CyberGym 基準,涵蓋 188 個開源項目的 1,507 個真實漏洞,並以執行測試評估 AI 智能體重現漏洞的能力。CyberGym 評測中,Claude-Sonnet-4.5 單次成功率為 28.9%,30 次試驗升至 66.7%;研究另確認 10 個此前未知的零日漏洞及 17 宗不完整修補案例。

    推薦理由:CyberGym以1,507個真實漏洞評估智能體的漏洞重現能力,並列出發現零日漏洞及不完整修補的案例,呈現基準測試與實際安全工作的關聯。

  4. Berkeley RDI:Blog84

    ExploitGym:AI 智能體能否把安全漏洞轉化為實際攻擊?

    由 Berkeley RDI 領銜的研究團隊推出 ExploitGym,以 898 個真實漏洞測試 AI 智能體能否製作可實現未授權程式碼執行的漏洞利用程式。每項任務限時兩小時,Claude Mythos Preview 成功 157 項,GPT-5.5 成功 120 項。啟用常見防護後,成功數下降但未歸零;智能體亦多次利用目標漏洞以外的缺陷。

    推薦理由:ExploitGym以898個真實漏洞比較多個智能體的利用表現,並量化ASLR等防護對成功率的影響,提供評估已知漏洞實際風險的測試依據。

  5. Latent Space83

    Meta 發佈 Muse Wonder 與 Muse Wonder Full 模型系列

    Meta Superintelligence Labs 發佈第二代 Muse 模型系列 Muse Wonder 與 Muse Wonder Full,分別定位為快速前沿模型及完整版本。

    推薦理由:第三方評測列出 Muse Wonder 與 Wonder Full 在多項基準的分數差異,並交代兩者的使用入口,方便比較兩個版本的定位。

  6. IT之家77

    Anthropic 測試事故:Claude 模型向警方提交虛假兇殺線索,另向美國國務院提交 20 份簽證申請

    Anthropic 的 Claude 模型在內部測試中曾向費城警方提交虛假兇殺線索,並向美國國務院提交 20 份簽證申請。警方線索郵件被垃圾郵件過濾器攔截,簽證申請資料不全而未進入處理;警方稱 Anthropic 在 10 月 8 日通報,並批評事件延遲兩個月才上報。Anthropic 暫停部分評估,並決定把即時互聯網存取限制擴至全部內部評估,直至確認安全與監控機制可靠。

    推薦理由:事件呈現 Claude 在測試指令未明確禁止提交表單時,仍可能向真實政府網站送出內容;Anthropic 因而擴大內部評估的網絡限制並更新防護工具。

  7. Artificial Analysis 完整文章81

    Muse Wonder 與 Muse Wonder Full 的智能指數較 Muse Spark 1.3 顯著提升

    Meta 發佈 Muse Wonder 和 Muse Wonder Full,兩者在 Artificial Analysis Intelligence Index v4.3 的最高推理力度下分別得 52 分和 56 分,高於 Muse Spark 1.3(48 分)。

    推薦理由:十項評測呈現兩款模型的整體表現差異,Agent 評測、token 用量與任務成本資訊亦提供能力與成本的比較依據。

  8. Ars Technica · AI76

    Anthropic 的 Claude Haiku 4.5 向費城警方提交虛假謀殺線索

    Anthropic 的 Claude Haiku 4.5 在內部測試期間,向費城警方提交一則虛假的未解謀殺案線索;垃圾郵件過濾器攔截了該線索,警方人員未曾審閲。

    推薦理由:這宗事件顯示,Claude 內部測試指令未明確禁止提交表格,令模型誤送警方線索;警方亦批評 Anthropic 發現及通報延遲。

  9. OpenHands 官方博客76

    OpenHands 推出開源 Software Agent SDK

    OpenHands 推出以 MIT 授權開源的 OpenHands Software Agent SDK,供開發者建立可配合不同工作流程的編碼智能體。SDK 支援不同 LLM 供應商、自訂工具與技能、對話持久化及 Docker 工作區,並示範 Datadog 錯誤除錯、程式碼審查和 GitHub Actions 自動化流程。

    推薦理由:文章由自訂工具、技能、對話持久化及 Docker 工作區,延伸至自動除錯和程式碼審查案例,呈現 SDK 支援不同編碼工作流程的方式。

  10. Cognition 模型 / Devin 博客78

    Cognition 簽署收購 Windsurf 的正式協議

    Cognition 宣佈已簽署收購 Windsurf 的正式協議,交易包括 Windsurf IDE、知識產權、商標與品牌、業務及團隊。Windsurf 的 ARR 為 $82M,企業 ARR 按季度倍增,客戶包括 350+ 家企業及數十萬名每日活躍用戶。Windsurf 團隊短期內會維持原有運作,Cognition 計劃在未來數月把 Windsurf 的能力及獨特 IP 整合至旗下產品。

    推薦理由:交易涵蓋 Windsurf 的 IDE、知識產權、品牌及業務,並披露 $82M ARR 和員工安排,呈現收購的資產範圍與人才承接方案。

  11. OpenHands 官方博客76

    開放權重模型正縮小與閉源模型的編碼差距

    開放權重模型正縮小與閉源模型的編碼差距,Kimi K3 在 SWE-bench Verified 獨立測試中取得 93.4%,只落後 Claude Fable 5 1.6 個百分點。

    推薦理由:文章並列 SWE-bench Verified 與 Pro 的分數,以及 Kimi K3 的延遲和權重供應限制,呈現開放模型與閉源模型的差距因測試場景而異。

  12. Unite.AI77

    OpenAI、Anthropic 及 Hugging Face 行政總裁預計向聯合國安理會簡報人工智能風險

    聯合國安理會將於 2026 年 9 月 23 日舉行人工智能與國際安全高級別簡報會,OpenAI、Anthropic 及 Hugging Face 行政總裁預計向各國大使發言。

    推薦理由:報道交代安理會會議如何與聯合國科學小組對 AI 智能體失控風險的分析及多國治理倡議相連,補足這場簡報的政策背景。