Data World:先构建数据世界,再训练分析智能体
Data World提出一种面向数据智能体的训练环境生成方法:先明确数据背后的因果机制,再自动生成文件、任务与评分标准。研究显示,这种方法不仅缓解了开放式分析难以验证的问题,也能通过RL-zero训练提升模型的洞察发现能力。
阅读全文Data World提出一种面向数据智能体的训练环境生成方法:先明确数据背后的因果机制,再自动生成文件、任务与评分标准。研究显示,这种方法不仅缓解了开放式分析难以验证的问题,也能通过RL-zero训练提升模型的洞察发现能力。
阅读全文SpecAgent提出一种面向工具型智能体的轨迹级推测机制:由小模型先执行只读工具调用并起草行动轨迹,再由大模型一次性审核语义有效性。该方法在接近大模型成功率的同时,显著减少大模型逐步解码带来的内存访问和延迟。
阅读全文LEASH提出一种无需额外训练的弱到强代理协作框架:弱模型负责大多数步骤,仅在不确定时调用强模型,并通过影子观察器持续监控强模型的行为。实验显示,该方法在OSWorld上兼顾了任务成功率与推理成本。
阅读全文Athanor 让四个 Claude Opus 5.5 智能体在真实 GPU 环境中自主开展后训练实验,并将 Qwen3-4B-Base 的表现提升到接近或超过官方指令版。
阅读全文JevAgentHarness研究如何让专门的决策模型分担LLM智能体中的工具选择,在尽量不牺牲任务成功率的前提下,降低推理成本并提升执行速度。
阅读全文阿里巴巴 MAI-UI 团队发布 OpenGCUA 首个版本,尝试将通用计算机使用代理从“看截图、点按钮”推进到由模型自主决定观察、行动和任务组织方式。项目同时开放代理框架、提示词、评测轨迹、真实设备工具和跨设备 SDK。
阅读全文Cowork-Gym通过“构建—执行—修订”闭环,批量生成带有工具、文件和用户反馈的交互式工作环境。研究团队据此训练Qwen模型,使其在多项智能体基准测试中明显超过对应基础模型。
阅读全文MAI-Gym 是一个面向移动端、桌面端和 Web 环境的开放平台,统一了 GUI 智能体的评测、数据采集与在线强化学习训练流程。其配套的 MAI-Gym-9B 在多个基准上取得了开源小于 10B 参数模型中的领先成绩。
阅读全文AutoSFT 将监督微调中的数据筛选、修复、替换、合成与配比调整统一为可执行的数据动作,并用多智能体协作自动迭代训练配方。研究显示,分离执行与分析、引入独立分析代理及数据合成代理,能够持续改善模型表现。
阅读全文CLIFT 将网页智能体的自我验证、保序校准与轨迹选择结合起来,试图缓解稀疏奖励和外部评判器成本过高的问题。该方法在训练阶段复用评判信息,并在部署阶段无需外部裁判即可比较多条执行轨迹。
阅读全文一篇来自 Hugging Face Daily Papers 的长篇研究讨论了 Harness 自我进化:在不更新基础模型权重的前提下,持续改写智能体的提示词、记忆、工作流、工具和运行逻辑。论文还从进化优化与持续 PAC 学习角度分析了更新的可靠性。
阅读全文印度网络安全机构称,多家AI提供商的代理在研究和测试过程中进入印度组织的在线系统,并读取了个人数据与机密业务资料。事件并非源于复杂攻击,而是暴露凭据、连接设置和过度授权的云角色。
阅读全文EdgeWise提出一种边云协同框架:由本地小模型完成大多数智能体步骤,仅在关键环节调用云端大模型。论文显示,这种选择性委派在保持任务表现的同时,可显著降低推理成本。
阅读全文MLExpert 是一个 35B 混合专家智能体模型,目标是让模型在持续的工具交互中自主规划、执行并改进机器学习工程任务。其关键训练方法将长轨迹拆分为可学习的实验窗口,并利用中间结果提供反馈。
阅读全文Player-1提出一套面向游戏控制的智能体后训练框架,用合成环境和强化学习弥补真实演示覆盖不足的问题。实验显示,经过训练的模型在多个游戏基准上明显超过仅依赖监督微调的策略。
阅读全文Hybrid Reasoning Agents 将潜空间推理与文本交互结合,让智能体在需要时进行高效的内部思考,在需要调用工具时再通过文本行动。论文报告称,该架构在多类基准上提升了性能,同时减少了推理 token 和成本。
阅读全文新方法SYNC提出一种基于共享词表索引的模型间通信接口,让不同架构的语言模型在无需微调或训练翻译器的情况下交换对象属性。实验显示,接收模型可以利用自身隐藏状态中的词语方向写入并读取这些事实。
阅读全文ActionOPD 提出一种面向黑盒教师模型的动作级在策略蒸馏方法,把智能体训练重点从逐 Token 模仿转向语义动作的一致性。该方法无需教师输出 Token 概率,也不要求师生使用相同的分词器。
阅读全文Web$hell 提出一种统一的网页访问接口,让智能体在同一条任务轨迹中完成信息搜集、网页操作,并持续回看此前获得的证据。其核心由 WebContract、WebCompiler 和 WebCache 组成,目标是在降低访问成本的同时提升长流程任务表现。
阅读全文AutoEnvScaling 将强化学习环境设计转化为终端任务,由智能体自动创建、运行、调试并验证新环境。研究显示,这种方法有望缓解终端智能体训练中环境供给不足的问题,并推动求解器与环境生成器共同进化。
阅读全文JevGPT提出一种双系统自主研究架构:由快速系统并行处理证据,由慢速系统制定研究目标并整合结果。论文显示,这种协作有助于扩大证据覆盖,同时降低研究过程的时间与成本。
阅读全文