跳到正文

#Agent

今日 18 条
9月29日周二
  5. elvis45

    大量 JevRAG 变体正在涌现。 至少可以说很有意思。 这些范围有限的测试其实得不出什么结论，但它引发了讨论，也指向了在当前 RAG 和智能体系统中寻找优化方向的激动人心的路径。 我一直在测试自己做的 JevRAG，用于论文探索。 到目前为止，我在用 Jev 做重排序上取得了更多成功，也找到了一些非常有意思的论文搜索方式，把语义搜索和 Jev 结合起来。 更多内容很快分享。

  6. OpenAI：官网动态（RSS · 排除企业/客户案例）33

    Basis 用 GPT-6 Astra 将税务工作簿处理速度提升 2 倍

    OpenAI 客户 Basis 测试显示，GPT-6 Astra 完成一份 50 个标签页的复杂税务工作簿耗时比 GPT-5.6 Sol 少 50%，其内部评测分数提升约 20%。GPT-6 Astra 能更好理解用户意图，在任务开始时做出更优决策，并可按步骤难度动态调整推理量且保持缓存不失效，从而降低成本和响应时间。

  7. The Verge：AI（RSS）44

    OpenAI 的 AI 智能体为何落后了

    OpenAI 在持续运行的消费级 AI 智能体赛道落后于 Meta、Google 等对手，2026 DevDay 上可能发布代号 Aeon 的智能体。Meta 的 Muse 本月上线后登顶 App Store，在美国日活达 60 万；Google 的 Gemini Spark 已接入 Dropbox、Uber、Spotify 等 30 多个外部服务。

  8. xAI：News（网页）72

    xAI 发布 Team Bots：可与团队共同学习工作的 Grok 智能体

    xAI 推出 Team Bots，让团队共享的 Grok Bots 围绕角色或工作流构建，整合 Context、Plugins、Credentials 和 Memories 四类能力，并可在 Slack 中协作，个人对话仍保持私密。

    推荐理由：原文详细拆解了共享 Bot 的上下文、插件、凭证和记忆四要素，并给出内部多部门与客户实例，读者可对照搭建自己的团队工作流。

  11. Databricks：Blog（RSS）65

    Databricks 如何让 12000 名员工在模型发布首日用上新前沿模型

    Databricks 分享其让全部员工在模型发布首日即可试用新模型的内部流程，依托 Unity Gateway 做配置分发、治理与可观测性。流程分三步：立即以实验标签开放新模型、用四类按人预算控制成本、再依据内部基准、用户反馈和 OpenTelemetry 成本追踪决定推广或下线。

    推荐理由：Databricks 以自家 12000 名员工的实际 rollout 为例，给出可复用的新模型评估、预算分层与成本度量方法。

  23. Simon Willison 博客32

    OpenAI 智能体安全团队 @joedaroo 谈 AI 能力突跳带来的安全挑战

    OpenAI 智能体安全团队的 @joedaroo 表示，模型在“cyber”“swarming”“message boards”等相关事件上的能力跳变之突然远超预期，而安全态势需要时间积累，不只是加固系统，还要把它植入公司文化。他呼吁各组织自问：人员、系统和流程能否应对 AI 能力的突然跃升，是否有正确的事件响应、沟通机制和待命人员。

  24. GitHub Blog71

    GitHub 安全团队如何用开源 AI 安全 Agent 找出 24 个 Android 漏洞

    GitHub Security Lab 发布开源 seclab-taskflows 任务流，通过 gather_mobile_entry_point_info.yaml 和 classify_application_local.yaml 等提示词引导 LLM 审计 Android 应用，已发现并报告 24 个漏洞。

    推荐理由：作者以第一手实践拆解了任务流设计与运行步骤，并给出真实漏洞案例和 LLM 局限，方法可直接迁移到自己的项目审计。

  36. Arena.ai69

    Arena 宣布 Anthropic 的 Claude Sonnet 5.5 已进入 Agent Arena，并开放投票。Agent Arena 基于全球用户数百万个真实的长程智能体任务评测模型，模型可使用 web search、filesystem 和 terminal 工具完成复杂工作流，榜单用因果追踪方法衡量模型相对平均模型的结果表现。

    推荐理由：Arena 介绍了其 Agent Arena 的评测方式，读者可以据此理解 Claude Sonnet 5.5 在真实智能体任务上的衡量口径。

  38. TechCrunch：AI（RSS）71

    Anthropic 发布 Sonnet 5.5，称其比前代更快更便宜

    Anthropic 发布中端模型 Sonnet 5.5，官方称其比前代 Sonnet 5 快 30%，token 消耗明显更低。公司基准显示该模型在 agentic 编码上优于 Opus 5.5，并称其具备与 Opus 5 相当的网络安全能力，因此成为首个适用与 Fable 和 Opus 相同网络安全防护的 Sonnet 模型；公司还计划在未来几周发布新版本 Haiku。