智客前沿 · 2026-09-29
arXiv 发布 EEGAgentBench:首个针对长时程 EEG 分析的 LLM 智能体基准测试平台
arXiv 平台发布了一项名为 EEGAgentBench 的新基准测试平台,旨在系统评估大语言模型(LLM)智能体在短时程和长时程脑电图(EEG)分析中的表现。该平台涵盖从知识问答到睡眠分期的六类代表性 EEG 应用场景,支持从 2 秒到…
智客专题 Agent 框架专题
AI Agent 框架横评:LangGraph、AutoGen、CrewAI、Letta 等的设计哲学、工具调用模型与生产适用性。
· 2026年8月15日 #Agent#智能体#LangGraph#LangChain#AutoGen#CrewAI#Letta · 30 / 4352 篇内容
智客前沿 · 2026-09-29
arXiv 平台发布了一项名为 EEGAgentBench 的新基准测试平台,旨在系统评估大语言模型(LLM)智能体在短时程和长时程脑电图(EEG)分析中的表现。该平台涵盖从知识问答到睡眠分期的六类代表性 EEG 应用场景,支持从 2 秒到…
智客信息 · 2026-09-29
斯坦福大学与 NVIDIA 联合发布了一款名为 CLM-8B 的新型 AI 模型。该模型通过缓存可重用的智能体动作,在测试中表现出比现有模型 Jev 快 9 倍的性能。CLM-8B 的设计旨在优化智能体行为的重用效率,减少重复计算,从而大幅…
智客信息 · 2026-09-29
Joas A. Santos 在 GitHub 上开源了一组针对攻击性安全的 AI 模型基准测试集,旨在评估 AI 模型在处理网络安全任务时的表现。这些模型聚焦于模拟复杂的攻击场景和生成漏洞利用方案,为安全团队提供更高效的渗透测试工具。该项…
智客前沿 · 2026-09-28
Hugging Face推出了一款名为MM-ABC的移动操作机器人基础模型,旨在解决机器人交互中空间感知和异构动作协调的挑战。MM-ABC通过稀疏多级视觉语言模型(VLM)特征进行空间感知,并引入未来分支和MM-APT模块以增强感知与操作意…
智客前沿 · 2026-09-28
Hugging Face正式发布了一款名为RL Environments的强化学习环境库,旨在为研究人员和开发者提供更高效、更便捷的强化学习实验平台。该库集成了多种经典和前沿的强化学习环境,支持多智能体协作、复杂任务建模以及自定义环境创建等…
智客前沿 · 2026-09-28
APPL(Agent Priors-guided Policy Learning)是一种新型智能体学习框架,通过引入结构先验(structural priors)作为技能与任务组合的接口,解决了传统方法中技能泛化与组合泛化之间的信息丢失问题…
智客前沿 · 2026-09-28
Hugging Face的研究表明,在多智能体大模型系统中,暴露模型身份会显著降低协作效率。当智能体知晓彼此的模型家族时,它们倾向于与同标签的智能体互动,导致任务执行效率降低,成功率下降,并增加资源消耗。研究通过两个合作游戏和一个推理基准测…
智客前沿 · 2026-09-28
Hugging Face推出BIABench,这是一套针对生物图像分析任务的AI智能体评估基准,包含16个从已发表生物研究重建的任务,涵盖从H&E染色到单分子定位显微镜的多种分析模式。该基准通过领域标准指标和基于专家规则的过程评分系统,评估…
智客前沿 · 2026-09-28
Frontier团队推出NavHarness,这是一种无需训练的终身导航智能体框架,通过将记忆处理集成到导航循环中,提升了智能体在复杂环境中的导航能力。NavHarness利用多轮代理会话,结合地图、任务记录和房屋知识,通过经验积累和验证机…
智客前沿 · 2026-09-28
Hugging Face推出了一款名为RegLLM的诊断工具,用于评估受监管智能体AI的受限自主性。RegLLM通过六个可信度信号(引用有效性、来源基础性、模式合规性、升级正确性、宪法一致性和不安全行为率)来监控AI行为,并采用确定性运行时…
智客前沿 · 2026-09-28
Hugging Face推出CheatBench,这是一款用于评估AI智能体作弊行为的全新基准。CheatBench通过模拟数学研究、知识工作、编程、视觉任务等领域的复杂任务与作弊机会,帮助研究人员量化智能体在面临困难时如何选择作弊行为。该…
智客前沿 · 2026-09-28
VoxParity是一款用于测试语音智能体在关键场景中决策能力的新工具。该工具通过固定文本内容并改变音频背景(如警报声、干扰噪音或不同说话者),评估智能体在不同情境下的表现。测试涵盖14个行业中的183个场景,结果显示仅有11个系统通过了基…
智客前沿 · 2026-09-28
DerivAudit是一个用于验证长周期智能体记忆支持性的新框架,旨在解决记忆生成过程中证据范围、组合有效性和准入可靠性三个关键问题。该框架通过分析交互历史与记忆内容之间的关系,识别记忆是否得到充分支持,并评估其推理过程的可靠性。实验结果表…
智客前沿 · 2026-09-28
Org-Agent是一个全新的统一约束推理框架,旨在解决组织环境中多用户请求协调与知识共享的复杂问题。该框架通过跨用户交互与决策支持,以及跨用户记忆与知识利用的两大核心能力,帮助组织智能体在用户身份、权限、任务依赖和冲突解决等约束条件下高效…
智客前沿 · 2026-09-28
EverywhereSafety团队推出SEAD框架,旨在解决AI智能体在工具使用过程中面临的攻击与防御挑战。SEAD通过将攻击与防御建模为部分可观测状态控制问题,提出了基于状态追踪的解决方案。DART方法通过分解有害目标并利用工具执行反馈…
智客前沿 · 2026-09-28
Amazon Science团队提出了一种名为StructRL的在线强化学习框架,旨在解决长时序视觉-语言-动作(VLA)任务中的性能瓶颈问题。StructRL通过将任务分解为可验证的子任务,并在完成前提子任务后给予中间奖励,从而实现对复杂…
智客前沿 · 2026-09-28
Hugging Face团队推出ROSS(Relearning from Self-Generated Rollouts through Selective Supervision)框架,通过选择性监督机制优化智能体行为。该技术利用智能体自…
智客前沿 · 2026-09-28
Hugging Face团队推出LEGO-Anything,这是一种基于Blender代码的3D场景重建智能体框架。LEGO-Anything通过迭代编写和执行代码、场景检查与渲染,逐步改进程序以实现场景重建。该框架引入了LEGO-Benc…
智客前沿 · 2026-09-28
Hugging Face团队发布了一篇关于机器人情境学习(ICL)的综述文章,深入探讨了机器人如何通过情境证据推断任务需求并转化为物理动作。综述将现有方法分为四类:情境条件策略、几何演示迁移、基于世界模型的控制和基于技能与智能体的执行方法。…
智客前沿 · 2026-09-28
Hugging Face团队推出了一款名为Marathoner的自主智能体模型,该模型具备超长时程执行能力。Marathoner通过综合的后训练流程,包括超长时程任务合成、多任务链式生成、拒绝采样微调以及强化学习等方法,显著提升了模型在复杂…
智客前沿 · 2026-09-28
DCSD(Decoupled Credit Self-Distillation)是一种新型信用分配技术,通过将信用方向与贡献大小分离,为AI智能体的决策优化提供了更可靠的信号。该技术通过信念边界探测确定信用方向,并通过边际信息增益量化信用大…
智客前沿 · 2026-09-28
AWS推出了一款基于AI智能体的合成监控工具——Amazon Nova Act。该工具通过自然语言处理和视觉推理技术,取代了传统的基于DOM选择器的脚本方法,实现了更稳定、更高效的UI自动化测试。Amazon Nova Act与Amazon…
智客前沿 · 2026-09-28
NVIDIA在2026年9月28日发布了一款全新的AI智能体安全平台,通过软件和硬件结合的方式,为AI智能体提供独立的安全层,确保其在测试环境中运行,即使尝试突破也能被有效限制。该平台旨在解决AI智能体失控或越界行为带来的潜在风险,为AI技…
智客前沿 · 2026-09-28
LangChain 宣布推出 LangSmith 的重大更新版本 Engine v2。新版本引入了红队测试和自动化测试功能,并支持托管深度智能体(Managed Deep Agents)的最新版本。此外,Engine v2 还新增了轨迹(t…
智客前沿 · 2026-09-28
OpenAI 将在即将到来的 2026 DevDay 活动中发布其最新 AI 智能体产品——Aeon,旨在应对持续运行型 AI 领域的竞争挑战。Aeon 被视为 OpenAI 对 Meta 的 Muse、SpaceX 的 Grok Bot …
智客前沿 · 2026-09-28
xAI 推出了一款名为 Grok Bot 的 AI 助手,旨在为团队提供共享的智能工作环境。通过上传文件、应用程序和专业知识,Grok Bot 能够学习团队的工作模式,并支持团队成员在同一上下文中协作,从而提升工作效率和一致性。该产品强调团…
智客信息 · 2026-09-28
NVIDIA 推出了 Open Agent Safety Platform,这是一款专注于 AI 智能体持续硅内监控的安全平台。该平台旨在通过实时监控 AI 智能体的行为和决策过程,提升 AI 系统的透明性、安全性和可靠性。其核心功能包括硅…
智客信息 · 2026-09-28
Millennium's AI 推出 Redthread,这是一款基于大语言模型(LLM)的自主渗透测试工具,能够生成概念性漏洞利用方案。Redthread 通过模拟复杂的攻击场景,帮助安全团队识别系统漏洞并评估防御能力。其核心功能包括自动…
智客信息 · 2026-09-28
lakeFS 博客发布了一篇关于 AI Agent 版本化文件系统的技术文章,介绍了如何通过 E2B(Event-Based Branching)和 lakeFS 实现 AI 智能体的版本化数据管理。该方案旨在解决 AI 智能体在处理复杂任…
智客信息 · 2026-09-28
Jev 与 Gryph 是两款新型 AI 安全工具,旨在检测和防御受损的 AI 编码智能体。该框架通过分析智能体的行为模式、决策路径和输出结果,识别潜在的异常或恶意活动,从而提升 AI 系统的安全性和可靠性。其核心功能包括智能体行为监控、异…