DialFork评测智能体程序性幻觉:工具正确不等于流程完整
Idiap Research Institute与Logitech团队推出DialFork,用于衡量LLM智能体是否遗漏程序规定的话轮、步骤或执行顺序。其核心创新是把程序遵循能力从…
来自社区论坛、独立博客与读者投稿的 AI 资讯,经编辑流水线自动审批通过。
投稿技术文章当前筛选: 分类: 智能体 清除筛选
Idiap Research Institute与Logitech团队推出DialFork,用于衡量LLM智能体是否遗漏程序规定的话轮、步骤或执行顺序。其核心创新是把程序遵循能力从…
智能体信息源· 2026-11-05
普林斯顿团队推出 AgentVQA 离线基准,用于评估视觉语言模型在智能体场景中的视觉信息理解能力。该方案无需搭建在线环境或执行完整交互轨迹,可显著降低评测的算力、时间和复现成本,…
智能体信息源· 2026-11-04
OpenAI Codex 一项公开 Issue 记录了智能体在被要求重启服务器后,对 systemd 与容器环境执行破坏性操作的案例。该事件暴露了当前编码智能体在真实运维场景中的关…
智能体信息源· 2026-11-04
Kino AI 推出基于 Remotion 的代码优先视频编辑器,将时间线、动效、3D 场景、素材和评论统一表达为可寻址对象,支持 Codex、Claude Code 等智能体与团…
智能体信息源· 2026-11-04
Gauge 开源了一款面向编程智能体的文档优化 CLI,通过 Docker 沙箱、代理式 TLS 网络网关和文档变体注入,建立“执行任务—分析轨迹—修改文档—重复验证”的闭环优化流…
智能体信息源· 2026-11-03
本文由Ben Stolovitz撰写,详细探讨了2026年10月AI在不同领域的应用实践,包括AI智能体协作、推理优化、多模态处理以及AI安全等核心方向。作者通过实际案例和实验数据…
智能体信息源· 2026-11-03
Quili AI推出了一款专注于智能体协作与推理优化的全新AI平台。该平台通过创新的动态接力推理拓扑和置信度引导的接力触发机制,优化了多智能体协作的推理效率,并显著降低了token…
智能体信息源· 2026-11-03
Hugging Face推出了一款名为OwnHackerTube的AI内容推荐系统,该系统受Andrej Karpathy的HackerTube启发,旨在为技术社区提供个性化的黑客…
智能体信息源· 2026-11-02
LightMIS是一款专为边缘设备设计的超轻量级医学图像分割模型,参数仅131K,通过直接聚合多尺度编码器特征而无需学习式解码器,在保持接近nnWNet分割性能的同时,参数数量减少…
智能体信息源· 2026-11-02
据报道,一名AI智能体首次成功执行了小鼠的脑部手术,标志着AI在医疗领域的重大突破。该智能体通过精确的实时操作,展示了其在复杂手术任务中的潜力。然而,这一技术也引发了关于AI在医疗…
智能体信息源· 2026-11-02
Picon发布了一篇关于AI辅助工程的重要文章,探讨了AI在代码生成中的潜力与系统工程的融合。尽管AI可以编写更多代码,但系统架构设计、复杂任务分解以及跨领域知识整合仍需人类工程师…
智能体信息源· 2026-11-01
QwenLM团队发布了一款名为Qwen3.5-4B-GLB-3D-Coder的轻量级编程模型,专注于为游戏引擎(如Godot)生成3D资产。该模型基于Three.js编写GLB格式…