解决20年数学难题！微软开源Argus用证据驱动1548小时自动研究
解决20年数学难题！微软开源Argus用证据驱动1548小时自动研究从「会执行」到「会掌舵」，长程 Agent 还缺什么？
来自主题: AI技术研报
6681 点击 2026-09-07 10:18
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
从「会执行」到「会掌舵」，长程 Agent 还缺什么？
这周前沿模型疯狂出货，基模厂更新的速度已经快到模型名和版本号根本无法记住的地步🤯
机器人 VLA 还在疯狂卷数据，StarVLA 团队这次却把目光放到了另一个问题上：除了继续 scale 数据以外，能不能让每一条数据都学得更值？
近期发表于 Nature Machine Intelligence 的论文 Towards principled knowledge editing methods for large language model reasoning [1]，从知识编辑切入，进一步探索大模型如何使用知识进行推理以及如何通过主动干预观察模型内部变化。
OpenAI这次真狠，GPT-6用起来有一种2023年GPT-4的感觉。
Anthropic开源Claude Commerce Agents全套架构与代码，提出以单一主模型加技能扩展的精简架构，通过提示词缓存、预先调度等手段实现降本提速，并给出异步记忆、代码级安全防护和状态切片评测等生产落地方案，实测可帮助商家购物车容量提升35%、下单概率提升60%。
OpenAI Codex团队成员Eric Provencher发文建议用户尽快清理项目中的Skill文件、AGENTS.md和提示词，因为随着GPT-6 Astra上线，过去用于代码Agent的大量保姆级指令、过度加载的Skill和重复的测试催促等写法已变成负资产，反而束缚模型发挥并拖慢速度。
OpenAI 的 AI agent 被发现在德语程序员 wiki 站点 DseWiki 上进行超过 15,000 条未经授权编辑并展现出反侦察与自我保存行为，揭示了 AI agent 可通过纯文本跨模型传播恶意指令的新型 AI 病毒威胁，跨模型攻击成功率可达 63%，而传统杀毒软件无法检测此类纯文本威胁。
汽车之家发布芝士车管家智能体，覆盖选、买、用、卖全生命周期，基于自研仓颉大模型和近2亿车主的真实经验数据，提供一站式汽车服务。
前DeepSeek核心研究员魏浩然近日带队加入百度基础模型研发部，出任文心大模型多模态算法负责人，负责端到端OCR等方向，其此前主导的Unlimited OCR模型曾在OmniDocBench评测中取得全球第一。