跳到正文

#Agent

今日 191 条
9月30日周三
  5. CMU：Machine Learning Blog28

    CMU 在 ICLR 2026：194 篇论文概览

    CMU 研究团队将在 ICLR 2026 展示 194 篇论文，会议于 4 月 23 日至 27 日在巴西里约热内卢 Riocentro 会议中心举行。论文涵盖应用、计算机视觉、深度学习、优化、强化学习、社会影响与理论等方向，其中 EditBench、UALM、Agent Data Protocol、MotionStream、OpenThoughts 等被列为 Oral 论文。

  6. Cloudflare Blog77

    Cloudflare：互联网出现第二个受众，智能体流量增长超 1700% 并推动内容付费新机制

    Cloudflare 发文指出互联网出现了由软件代理人类访问的第二个受众：其网络 HTTP 请求从 2024 年底的每秒 6300 万增至近 1.15 亿，一年内 AI 智能体日请求增长超 1700%，今年首次过半流量非人类。

    推荐理由：Cloudflare 用自家网络数据说明智能体流量如何改变流量与收入的关系，并给出可控授权和按使用付费的应对思路。

  8. Augment Code 博客（网页）32

    Augment Code 用 Cosmos 软件工厂实时生成企业试点健康视图

    Augment Code 解决方案架构负责人用其智能体编排平台 Cosmos 生成企业试点健康视图，无需新建数据管道或仪表盘项目。Cosmos 会查询产品使用数据、校正 session lineage、拉取 Salesforce 交易状态，并对照客户通话记录核验结论，输出每个试点的采用度、技术进展、风险与整体健康评估，每个数字都可追溯到实时数据源。

  9. Augment Code 博客（网页）48

    Augment Code 如何用 Cosmos 专家智能体优化 PR 到合并的审查闭环

    Augment Code 将其 Cosmos 代码审查系统从单纯审查扩展到完整的 PR-to-merge 闭环，新增 Verifier、PR Fixer、Review Dashboard 和 cosmos approve 四项能力，由专职专家智能体承担修复、运行时验证与自动审批，人类保留最终合并决定权。该系统此前已帮助其工程组织将代码产出提升 3 倍，同时降低中位合并时间并维持质量。

  14. Augment Code 博客（网页）68

    Augment Code 复盘如何搭建软件工厂，人均规模调整产出提升 4.5 倍

    Augment Code 官方复盘其软件工厂搭建过程：2025 年 11 月至 2026 年 7 月，基于 Cosmos 平台陆续部署 PR Author、Deep Reviewer、Verifier、Incident Investigator 等专用智能体，覆盖需求、工单、PR、生产四个环节，量化分析覆盖 17,200 个已合并 PR。

    推荐理由：官方复盘给出九个月内部数据与逐月部署节点，读者可以据此了解团队级智能体工厂的搭建路径与取舍。

  15. Artificial Analysis 完整文章（网页）78

    Claude Sonnet 5.5 登上 Artificial Analysis 智能指数第 2 名，token 用量创测量新高

    Anthropic 发布 Claude Sonnet 5.5，在 Artificial Analysis 智能指数得分 56（max 档较 Sonnet 5 提升 18 分），仅次于 Opus 5.5 (max)。

    推荐理由：原文给出 Sonnet 5.5 在智能指数、token 用量和成本上的具体数据，读者可据此对比其与 Opus 5.5 和 GPT-6 系列的实际取舍。

  20. Anthropic：Research（发表成果 · 网页）73

    Anthropic：Claude 优化 30 多个开源生物分子模型，平均加速约 4 倍

    Anthropic 发布研究，Claude 在不到四周内优化了超过 30 个用于结构预测、蛋白质设计、基因组学和蛋白质语言模型的开源模型，平均加速约 4 倍、输出完全一致时约 2 倍，并开源了全部优化代码。

    推荐理由：原文给出具体加速倍数、低内存模式和开源入口，读者可评估这些优化对自身生物分子建模工作流的实际收益。

  22. Anthropic：Research（发表成果 · 网页）65

    Anthropic Project Swap：201 名员工用 Claude 智能体在交易场上换书

    Anthropic 开展 Project Swap 实验，让 201 名员工带着书入场，由 Claude 智能体在去中心化交易场上谈判换书。仅凭 5 分钟 intake 聊天，Claude 构建的排序与本人自评在 61% 的书对上一致（随机为 50%）。

    推荐理由：实验把市场失灵主要归因于偏好理解而非谈判能力，并给出模型比指令影响更大的量化结果。

  23. Anthropic：Research（发表成果 · 网页）76

    物理学家 Matt von Hippel 复盘 Claude 用 bootstrap 方法算出 N=4 超对称 Yang-Mills 九环振幅

    物理学家 Matt von Hippel 发起挑战后，Anthropic 的 Liam Fitzpatrick 和 Siddharth Mishra-Sharma 用 Fable 5.1 配合 Claude Science 平台算出了 planar N=4 super Yang-Mills 的九环六粒子振幅。

    推荐理由：作者亲历发起挑战到被 Claude 算出九环结果的全过程，给出预算、验证方式和人类团队对比等一手细节。

  24. Anthropic：Newsroom（网页）72

    Anthropic 发布早期成果：Claude 自主发现类 CRISPR 的新型酶系统 ART

    Anthropic 宣布成立生命科学研究组与实验室，并分享早期成果：约 950 个 Claude 智能体用 21 小时和 210 million tokens 搜索 DNA 数据库后，自主发现一种与 DNA 重复序列相关的新型酶系统，命名为 array-associated reverse transcriptases（ART），模式类似 CRISPR。

    推荐理由：Anthropic 以当事方身份完整披露 Claude 自主发现 ART 酶系统的流程、规模和实验验证方式，读者可以借此了解 AI 智能体驱动生物学研究的具体做法。

  26. Anthropic：The Institute（旗舰研究长文 · 网页）83

    Anthropic 推出 Claude Cowork，支持跨文件与工具完成多步任务

    Anthropic 推出 Claude Cowork，一个面向非编码知识工作的智能体产品，用户给定目标后它可在指定文件夹和工具中直接读写文件、完成多步任务并交出可审查成果，已随付费计划在 web 和移动端（beta）推出，桌面端可访问本机文件夹和应用。

    推荐理由：官方页面给出 Claude Cowork 的任务交接方式、内置浏览器、订阅计划和权限控制，读者可据此评估它对知识工作流的适配。

  30. Anthropic：Engineering（事故复盘 + 工程实践 · 网页）78

    Nicholas Carlini 用 16 个并行 Claude 智能体写出可编译 Linux 内核的 C 编译器

    Anthropic 研究员 Nicholas Carlini 用 agent teams 方法让 16 个 Claude 实例并行工作，经近 2000 个 Claude Code 会话。

    推荐理由：作者亲历了用 16 个并行 Claude 智能体写 C 编译器的完整过程，沉淀了测试设计、并行任务锁和 GCC 对照等可复用的 harness 方法。

  33. Anthropic：Engineering（事故复盘 + 工程实践 · 网页）75

    Anthropic 工程复盘：Claude Code auto mode 如何用模型分类器替代手动权限审批

    Anthropic 详解 Claude Code 新模式 auto mode 的实现，用基于模型的双层防御替代手动权限审批：输入层提示词注入探针扫描工具输出，输出层运行在 Sonnet 4.6 上的 transcript 分类器在动作执行前评估风险，并以三级放行规则让项目内文件编辑免审。

  35. Anthropic：Engineering（事故复盘 + 工程实践 · 网页）81

    Anthropic 工程复盘：如何为 claude.ai、Claude Code 和 Claude Cowork 构建智能体遏制架构

    Anthropic 工程团队复盘为 claude.ai、Claude Code 和 Claude Cowork 三款智能体产品构建遏制（containment）架构的经验，核心思路是先在环境层用沙箱、VM 和出口控制设定硬边界，再在模型层引导行为。

    推荐理由：Anthropic 自述三大产品的隔离架构与真实事故，给出了环境层优先、匹配用户监督能力、警惕自研组件等可复用原则。

  36. Tomer Tunguz 博客（VC 分析）57

    Vercel COO 称 inbound 销售开发已实现 90% 自动化

    Vercel COO Jeanne DeWitt Grosser 在 The Information 访谈中表示，inbound 销售开发实现 90% 自动化，自建客服 Agent 处理 93% 的支持案例，销售开发 Agent ROI 达 32x，两项的年度基础设施账单均为几千美元低位；inbound SDR 团队从 10 人缩至 1.25 人。

  37. Tomer Tunguz 博客（VC 分析）65

    Tom Tunguz 解析 UC Berkeley 研究：harness 决定 AI 答案的成本与毛利

    Tom Tunguz 引用 UC Berkeley HarnessTax 研究指出，控制 AI agent 的 harness 决定同一答案的价格：GPT-5.6 Sol 在 Pi 上比在 Claude Code 上每完成一个任务成本低 71%（$0.441 对 $1.540），42 组同模型 harness 对比中质量差异均无统计显著性。

    推荐理由：作者基于 UC Berkeley 研究数据解释 harness 如何决定同一模型的成本与毛利，比较框架可迁移到 AI 应用商业判断。

  38. Tomer Tunguz 博客（VC 分析）64

    Tomer Tunguz：AI 时代软件工程转向系统设计与验证循环

    Theory Ventures 合伙人 Tomer Tunguz 撰文认为 AI 已把软件工程的重心从手写代码转向系统设计，核心是构建让 AI 验证自身输出的循环。

    推荐理由：作者结合 Artemis 与 Lauren Tan 的案例，把 AI 时代的软件工程归纳为基于 Meadows 三性质的验证循环设计，视角有可借鉴的分析框架。

  39. The Decoder：AI News（RSS）81

    OpenAI 发布 GPT-6.1 Sol，以五分之一成本接近 GPT-6.1 Astra

    OpenAI 发布 GPT-6.1 Sol，因安全问题推迟的旗舰 GPT-6.1 Astra 不按计划上线，Sol 作为更便宜的替代方案推出，OpenAI 称其在 agentic coding、计算机使用和办公任务上接近 Astra，成本约五分之一。

    推荐理由：原文汇总了 GPT-6.1 Sol 的定价与多项基准对比数据，读者可以据此判断它与 Astra、Claude 的成本性能权衡。