Gemini Mac版新增电脑操作:可跨应用处理多步骤任务
Google为Gemini Mac应用推出电脑操作功能,可在后台操作本地文件、桌面应用和网站。用户可选择授权范围、查看实时过程,并在关键操作前进行确认。
阅读全文Google为Gemini Mac应用推出电脑操作功能,可在后台操作本地文件、桌面应用和网站。用户可选择授权范围、查看实时过程,并在关键操作前进行确认。
阅读全文OpenAI披露了内部系统Performance Factory:Codex智能体可以从性能告警开始调查、提出修复建议,并在部署后检查表现是否恢复。公司称,该流程运行三个多月跟踪了逾1700次调查。
阅读全文成功轨迹未必是好教材:它可能包含无依据的假设、重复操作或流于形式的验证。AutoMaster尝试用自然语言技能引导教师模型生成更有价值的示范,再训练目标模型。
阅读全文System 1 Agents 将工具调用拆成由工具结构和用户请求生成的选择题,交由本地决策模型作答,试图减少幻觉并避免敏感数据上传云端。在一组生物医学工具测试中,它的工具选择和参数填写表现优于所比较的本地 LLM 智能体。
阅读全文Signal正在为iOS和Android应用加入截图限制,降低Gemini、Siri等AI助手读取屏幕消息的风险。但这并非完整防护,Signal也将问题指向操作系统缺少面向应用开发者的控制工具。
阅读全文AnyS1尝试从人类编写的流程技能中提取可枚举的决策点,让一个经过校准的4B模型处理常规选择,并在不确定时交回大模型。论文报告称,这种方式在多个未见基准上降低了成本与模型调用时间。
阅读全文一则已被撤下的苹果招聘信息显示,公司正在寻找工程师打造能跨应用、浏览网页并执行多步骤任务的 AI 智能体。不过,这仍是招聘线索,并非苹果正式公布的产品计划。
阅读全文Gemini API 的 Tool Retrieval 预览功能允许智能体按需获取工具参数结构,而不必在每次请求中发送完整工具库。它旨在降低大型工具集合带来的上下文开销,并让工具选择更易管理。
阅读全文GitLab 19.5 正式推出 MCP 服务器,并将 Claude Code、Cursor、Codex 等外部智能体纳入 AI 治理范围。版本更新显示,GitLab 正在把智能体从编码工具提升为可审计、可控制的软件工程参与者。
阅读全文一项基于 ALFWorld 和 WebShop 的研究发现,决策模型作为执行者表现不佳,并不意味着它无法成为优秀教师。借助完整轨迹进行事后判断,模型可以为强化学习策略提供有效的逐步反馈。
阅读全文Agent-R²提出了一套基于真实职业场景、工作流证据和公开文件的数据合成框架。研究显示,仅用约4000个任务实例训练的4B模型,在GDPval和OfficeQA上均超过更大规模的基线模型。
阅读全文一项最新综述比较了多模态推理、生成、GUI/Web 导航和具身操作四类场景,试图解释自我进化机制为何常常只能在原场景中有效。研究将问题归因于反馈质量、可生成经验数量及任务结构资源之间的不匹配。
阅读全文OpenAI正在为Dots AI代理推出ChatGPT Wallet,首批面向美国符合条件的ChatGPT Pro成年用户。代理可以根据用户指令准备订单,但每次付款仍需用户确认并完成生物识别验证。
阅读全文Anthropic 的 Claude Duet 试图把 AI agent 带给不写代码的职场用户。它擅长串联邮件、日历、文档和 Slack 中的线索,却仍会在提醒频率、语气判断和创作介入上显得过于积极。
阅读全文当工具调用超时,AI代理无法确定操作究竟失败、成功提交还是仍在执行。新研究提出“证据引导恢复”框架,让代理在不确定状态下依据公开证据、安全约束和服务商能力继续决策。
阅读全文谷歌研究人员用48个AI智能体扫描激光雷达数据,声称找到一处可能未被记录的玛雅遗址,随后却被考古学家指出该地点早已发表在学术论文中。事件暴露了AI进入科学研究时的检索、验证与署名难题。
阅读全文联合航空宣布将限制未经授权的第三方AI代理访问其订票和航班管理系统,理由是账户安全、误操作及航空监管合规风险。此举也反映出企业正在重新定义AI代理能够代表用户执行哪些操作。
阅读全文SteerDistill提出一种闭环蒸馏方法:让全精度教师根据量化智能体的执行失败,逐步指导其修改行为,再把验证过的修正内化到学生模型中。实验显示,W4A16量化智能体的表现可接近BF16模型,同时降低训练成本并缩短成功轨迹。
阅读全文许多 Web Agent 并非缺少推理能力,而是把大量时间和上下文预算花在了“读完整文件”上。SparseRead 通过意图跟踪、可插拔阅读后端和预算控制,让代理优先获取与任务相关的稀疏证据。
阅读全文Micius-Flash是一款面向半导体与工程场景的27B开源多模态模型,支持256K上下文、深度推理和工具调用。其配套的Micius Harness可连接EDA、KiCad及执行环境,让模型在真实反馈中完成设计、调试与验证。
阅读全文