AI 编程实时动态与要闻

X 热议:FT 首席数据记者 Burn-Murdoch 称美国生产率上升「不像 AI 带来的」,主要是科技裁员;Gavin Baker 反驳称看到了「AI 回报」

11 月 1 日,《金融时报》专栏作者兼首席数据记者 John Burn-Murdoch 在 X 发布长串推文并附 FT 文章,认为美国 AI 采用行业的生产率上升始于 2020 年、早于 AI 智能体,而且只在美国出现,主要来自科技公司裁员和招聘收缩,而不是 AI。该串首帖约 1,344 赞、306 转发、18.6 万浏览。Atreides Management 管理合伙人兼 CIO Gavin Baker 引用 FT 图表回应,称很难不从中看到「AI 回报」的证据,并引用 a16z 与 EPB Research 的数据,该帖约 793 赞、10.2 万浏览。Burn-Murdoch 随后回复说自己「有点拿不准」,承认数据无法排除 AI 的作用。这是对同一组数据的两种解读,不是定论。

X 热议:FT 首席数据记者 Burn-Murdoch 称美国生产率上升「不像 AI 带来的」,主要是科技裁员;Gavin Baker 反驳称看到了「AI 回报」

核心要点速览

  • 首帖:John Burn-Murdoch 的推文串,发布于 2026-11-01 15:04 UTC,约 1,344 赞、306 转发、18.6 万浏览;他的 X 简介写明是 FT 专栏作者兼首席数据记者
  • Burn-Murdoch 的核心论点:美国 AI 采用行业的生产率上升从 2020 年就开始了,2022 年的再加速也太早,「当时还是聊天机器人,不是智能体」;而且其他高收入国家同样大量用 AI,却没有出现同样的上升
  • 他把生产率拆成产出和人数两部分后认为:2022 年起的美国加速主要是科技公司裁员,产出基本在趋势线上,人数却下降了
  • 反方:Gavin Baker 的回应,约 793 赞、10.2 万浏览;他引用 EPB Research 数据称 AI 采用最深的 3 个行业生产率增速从 2.2% 升到 5%,并说美国贡献了 Anthropic 72% 的收入(均为他引用的第三方或厂商口径,本站未独立核实)
  • Burn-Murdoch 回复 Baker 时说自己「有点拿不准」:「看起来像 AI」的说法被夸大了,但数据也不能排除 AI 的作用
阅读全文
关联模型 / 智能体 / 厂商:

NVIDIA:SETI 艾伦望远镜阵列接入 AI Agent,一句自然语言即可操控天线、校准并实时分析 2.4 Tbps 射电数据

NVIDIA 官方博客 10 月 30 日披露,Breakthrough Listen 与 SETI 研究所已把 Agent 接入北加州艾伦望远镜阵列(ATA,42 面 6 米天线)的日常地外文明搜索:研究员用一句自然语言请求,Agent 就能转动天线、校准聚焦、纠正数据错误并对实时数据流跑 AI 模型。底层由 Holoscan 的 DAQIRI 库把传感器数据直接送进 GPU 显存,SETI 研究所的 CyberEther 做信号处理,Web 编排器 Nexus 充当 Agent harness,在 RTX PRO 6000 Blackwell 上本地处理最高 2.4 Tbps。系统已完成首次蟹状星云脉冲星的实时 AI 检测;团队正在评估 Nemotron 等开放模型。@NVIDIAAI 10 月 31 日万圣节帖约 274 赞。

NVIDIA:SETI 艾伦望远镜阵列接入 AI Agent,一句自然语言即可操控天线、校准并实时分析 2.4 Tbps 射电数据

核心要点速览

  • 吞吐:在 NVIDIA RTX PRO 6000 Blackwell GPU 上最高处理 2.4 Tbps 射电数据,推理在望远镜旁本地运行(NVIDIA 博客,厂商口径)
  • 三层架构:DAQIRI 把传感器数据直送 GPU 显存,CyberEther 用 cuFFT/cuBLAS 做信号处理,Nexus 作为 Agent harness 管理仪器状态、算力和流水线
  • 能力:一句自然语言即可转动 ATA 的 42 面 6 米天线、校准聚焦、修正数据错误并出图;官方称把人类数周到数年的工作压缩到数小时
  • 里程碑:完成蟹状星云脉冲星的首次实时 AI 检测;官方未公布误报率等量化指标,也没有发现地外信号
  • 下一步:评估 Nemotron 等开放模型,用于数据本地性要求高、甚至未来可能在月球背面离线运行的天文台
阅读全文
关联模型 / 智能体 / 厂商:

OpenAI Agents API 本周更新:上线 Auto Review 命令审查、后台异步压缩、实验性时间感知,并支持随时更新会话工具

OpenAI Developers 官方账号转发 OpenAI API 团队成员 Steve(@stevendcoffey)的帖子,公布 Agents API 本周 5 项更新:像 Codex 一样在执行前审查命令的 Auto Review、在后台进行的异步上下文压缩、让模型感知时间流逝的实验性功能、可随时更新会话的工具列表,以及系统提示词在所有会话间自动缓存。截至写稿时,官方 API 更新日志尚未列出这些条目。

核心要点速览

  • 共 5 项更新:Auto Review、异步压缩、时间感知(实验性)、会话工具随时更新、系统提示词跨会话自动缓存
  • Auto Review 与 Codex 中的同名机制一致,在执行命令前评估是否存在潜在不良行为
  • 时间感知让模型能执行「把 CI 修复限制在 10 分钟内」这类带时限的指令
  • Agents API 于 9 月 10 日进入公开测试,这是它 7 周内的又一轮功能迭代(此前有 9 月 29 日计算机操作、10 月 9 日沙箱预热、10 月 16 日 Ultrafast 模式)
  • 官方未公布延迟或成本节省的具体数字,更新日志也暂未收录
阅读全文
关联模型 / 智能体 / 厂商:

X 热议:Box CEO Aaron Levie 称企业工作流里真正用上 AI 智能体的不到 1%,呼应 Sarah Guo「仍处于早期 Claude Code 时代」

Conviction 创始人 Sarah Guo 10 月 27 日发帖说,企业工作流自动化「仍处在自动补全 / 早期 Claude Code 时代,但不会太久」,约 8 万浏览、近 500 赞。Box CEO Aaron Levie 次日引用并展开,认为绝大多数企业流程还没有被智能体实质性改造,整体部署可能不到 1%,瓶颈主要在 AI 能力本身;他认为计算机操作、长时运行智能体和智能体集群正在改变这一点。Levie 的帖子约 635 赞、486 收藏、6.3 万浏览、150 多条回复。这是两人的观点和估计,不是统计数据。

核心要点速览

  • Sarah Guo(Conviction 创始人):企业工作流自动化仍处在「自动补全 / 早期 Claude Code 时代」,但不会持续太久
  • Aaron Levie(Box CEO):多数企业流程还没被智能体实质改造,经济整体部署「可能不到 1%」,这是他的估计
  • Levie 认为主要瓶颈是 AI 能力本身,其次才是企业采用速度
  • 他看好计算机操作、长时运行智能体、harness 改进和智能体集群,让更复杂的流程可以交给智能体
  • 他的判断:重点不在用户给智能体下指令,而在组织重构底层流程,金融、生命科学、医疗等信息密集行业受影响最大
阅读全文
关联模型 / 智能体 / 厂商:
AD赞助内容

Anthropic 新研究:50 名专业数据分析师用 Claude Code 做分析,86% 的关键判断跟随了 AI 被暗中设定的倾向

Anthropic 对齐团队 10 月 27 日发布随机对照试验《How AI agents shape experts' judgment calls》,研究员 Alex Tamkin 在 X 上发布。50 名有因果推断经验的分析师用 Claude Code(Claude Opus 4.8)为一家虚构农业合作社评估项目,每个分析决策上 Agent 的倾向由抛硬币决定且不告知分析师。结果 86% 的选择与 Agent 倾向一致(无影响时应约 50%),77% 的人事后复述了 Agent 的论点,但只有 15% 提到 Agent。

Anthropic 新研究:50 名专业数据分析师用 Claude Code 做分析,86% 的关键判断跟随了 AI 被暗中设定的倾向

核心要点速览

  • 四个分析决策上与 Agent 倾向一致的比例分别为 92%、82%、81%、90%,合计 86%;最终是否推广的建议也受影响(Agent 倾向推广时 54% 推荐,反之 36%)
  • 38 个案例里分析师先表态再听 Agent:Agent 反对时 60% 改主意,Agent 同意时只有 6%(样本小,95% 置信区间 24–82 个百分点)
  • 仅凭四次抛硬币决定的倾向,统计模型就能预测 82% 的最终建议(基线 61%);经验、学历、对 AI 的信任等 10 项特征都无法稳定预测谁更容易被带偏
  • 52% 的分析师认为最终建议更多是自己的,自评信心与其他人相近(71 对 73)
  • 不用 Agent 的 11 人里 6 人出现严重方法错误,用 Agent 的 50 人里只有 3 人;但两组经验不同,Anthropic 提醒不要过度解读。研究只覆盖一个任务、一个模型,且刻意加强了 Agent 的倾向
阅读全文
关联模型 / 智能体 / 厂商:

Axiom 用 AI Agent 集群 24 天完成「有限单群分类定理」Lean 全形式化:约 4310 万行代码,史上最长数学证明首次被计算机完整验证

AI 数学公司 Axiom 10 月 27 日宣布,用数十个 AI Agent 组成的集群,在 24 天内把有限单群分类定理(CFSG,原证明约 1.5 万页、500 多篇论文、约 100 位数学家)完整形式化到 Lean 证明助手,产出约 4310 万行 Lean 代码、205 万条声明,并在 GitHub 开放仓库。过程中发现文献里 34 处值得注意的偏差,AxiomProver 还为「不平衡群定理」给出新的替代论证。

Axiom 用 AI Agent 集群 24 天完成「有限单群分类定理」Lean 全形式化:约 4310 万行代码,史上最长数学证明首次被计算机完整验证

核心要点速览

  • 官方口径:24 天、数十个 AI Agent 集群,产出约 4310 万行 Lean 代码、205 万条声明、100 个里程碑,引用 715 篇论文和专著
  • CFSG 原证明约 1.5 万页、500 多篇论文、约 100 位数学家,被称为「巨大定理」;这是它首次被计算机完整检查
  • 形式化暴露出文献中 34 处值得注意的偏差,最重要的是 Walter 1986 年不平衡群定理论证中的闭包断言存在反例(如 PSL₂(49))
  • AxiomProver 基于 Solomon 1976 年的理论给出替代论证,并证明新定理「Preservation of simple tops」,论文发布在 Hexagon(2610.00575)
  • 人类仍不可少:Richard Lyons、Ronald Solomon 等原 CFSG 学者参与审阅;勘误表将与群论专家顾问组持续公开
阅读全文
关联模型 / 智能体 / 厂商:
⚡ AxiomProver🌐 Axiom

Apple Creator Studio 加入 AI 助手:Logic Pro 与 Keynote/Pages/Numbers 用 Apple 自研模型加 OpenAI,iWork 三件套支持 MCP 供外部 Agent 操作

Apple 10 月 27 日发布 Apple Creator Studio 大更新:Logic Pro for Mac 和 Keynote、Pages、Numbers 新增 beta 版智能助手,官方称由 Apple 自研模型与 OpenAI 共同驱动,能理解文档上下文;Keynote、Pages、Numbers 还新增 Model Context Protocol(MCP)支持,外部 AI Agent 可直接读取内容、执行编辑和自动化操作。Pixelmator Pro 加入自然语言 Generate Fill,Keynote 推出开放的 JSON 格式 .keyx。更新 11 月通过 App Store 免费推送给现有订阅者,订阅价 $12.99/月或 $129/年不变。

Apple Creator Studio 加入 AI 助手:Logic Pro 与 Keynote/Pages/Numbers 用 Apple 自研模型加 OpenAI,iWork 三件套支持 MCP 供外部 Agent 操作

核心要点速览

  • Logic Pro for Mac、Keynote、Pages、Numbers 新增 beta 智能助手,官方口径为「Apple 自研模型 + OpenAI」组合驱动
  • Keynote、Pages、Numbers 支持 MCP,外部 AI Agent 可读取内容、编辑并执行自动化操作(需 macOS 27 或更高)
  • Keynote 推出开放的 JSON 格式 Keynote Interchange Format(.keyx),面向外部工具与 AI Agent 读取
  • 助手仅限美式英语,需 Apple Intelligence 设备及 iOS/iPadOS/macOS 27;11 月对现有订阅者免费更新
  • 订阅价不变:$12.99/月或 $129/年,教育版 $2.99/月
阅读全文

X 热议:Zerodha CEO Nithin Kamath 问开发者用免费的 Kite API 和 AI 编程 Agent 做了什么

印度券商 Zerodha 创始人兼 CEO Nithin Kamath 10 月 26 日在 X 上发帖,问大家在 Kite API 免费之后,怎么把它和 AI Agent 结合、做出了什么。他认为 Claude Code、Codex 等 AI 编程 Agent 让没有太多编程经验的交易者和投资者也能自己搭工具,并称 Zerodha 观察到因为这些编程 Agent,使用 Kite API 的人在变多。帖子约 10 小时内获得 2,200 多个赞、2,000 多次收藏和 200 多条回复。这是 X 上的讨论和 CEO 本人观点,不是新产品发布。

X 热议:Zerodha CEO Nithin Kamath 问开发者用免费的 Kite API 和 AI 编程 Agent 做了什么

核心要点速览

  • 互动量(截至 2026-10-26 21:08 UTC,X API 公开数据):约 18.3 万次浏览、2,256 个赞、2,039 次收藏、219 条回复、113 次转发
  • 观点来源:Zerodha 创始人兼 CEO Nithin Kamath(@Nithin0dha)本人原帖,称编程 Agent 正在带动 Kite API 使用量上升,Zerodha 未公布具体增幅
  • 定价(据 Zerodha 官方 API 页面):Personal 档免费,含下单、GTT、提醒、保证金计算和组合管理;Connect 档 ₹500/月,增加实时 WebSocket 行情和历史 K 线
  • 官方 SDK 覆盖 Python、Java、Node.js、C#/.NET、Go、Rust、PHP、C++ 共 8 种语言,便于让编程 Agent 直接生成调用代码
  • 讨论焦点:AI 编程 Agent 让「非程序员自己写交易工具」变得普遍,同时也把风控和自动下单的风险交到了个人手里
阅读全文

Oracle AI World 发布 Fusion Claw 执行运行时与 25 个智能体应用,Fusion Companion 让员工在 ChatGPT 里直接调度 ERP/HCM 流程

Oracle 10 月 26 日在拉斯维加斯 Oracle AI World 发布一组企业 AI 更新:新的智能体执行运行时 Oracle Fusion Claw,以及基于它的 25 个 Agentic Applications,已覆盖 ERP、HCM、供应链(SCM)和客户体验(CX);同时推出 Fusion Companion 和 Fusion Agentic Home,员工可以在 ChatGPT 等受支持的 AI 工具或 Fusion 原生界面里用自然语言描述目标,由系统自动挑选并协调交易、工作流、审批和 AI 智能体,全程沿用企业现有的身份、权限和审批控制。官方未公布定价、跑分或具体上线时间表。

Oracle AI World 发布 Fusion Claw 执行运行时与 25 个智能体应用,Fusion Companion 让员工在 ChatGPT 里直接调度 ERP/HCM 流程

核心要点速览

  • 运行时:Fusion Claw 是新的智能体执行运行时,官方称支持更大规模、更长时间运行的任务、持续重新规划、确定性执行和受治理的自主度(官方新闻稿)
  • 应用数量:25 个 Claw 驱动的 Agentic Applications 已可用,覆盖 ERP、HCM、SCM、CX 四大套件,示例包括 Ledger、Workforce Orchestration、Payroll Activity Workspace、Procurement Spend 等
  • 入口:Fusion Companion 可在 ChatGPT 等受支持的 AI 工具及客户或伙伴自建界面中调用 Fusion,Fusion Agentic Home 是原生入口(Fusion Companion 新闻稿)
  • 治理:所有执行都沿用企业既有身份、权限、策略和审批控制,需人类判断的决策会上报
  • 未公布:定价、跑分和各应用的详细上线时间表官方均未公布
阅读全文

X 热议:Thorsten Ball 发长文《How I work with Agents》,分享 15 条 AI 编程 agent 工作法,近 4 千收藏

开发者 Thorsten Ball(@thorstenball)在 UTC 2026-10-25 15:58 发布 X 长文《How I work with Agents》(原帖),总结他「截至 2026 年 10 月」和编程 agent 协作的做法:只用最新最强的模型、提需求只说做什么不说怎么做、让 agent 看到从部署到线上日志的整个研发流程、要求 agent 拿出「无可辩驳的证据」、只审查影响面大的代码等。抓取时约 1,935 赞、143 转发、92 回复、3,981 收藏、13.7 万浏览,并进入 X 热门话题。这是个人经验分享,观点按观点呈现,不是经过验证的结论。

X 热议:Thorsten Ball 发长文《How I work with Agents》,分享 15 条 AI 编程 agent 工作法,近 4 千收藏

核心要点速览

  • 主帖:原帖,UTC 10-25 15:58 发布,抓取时约 1,935 赞、143 转发、92 回复、3,981 收藏、13.7 万浏览;收藏数约为点赞的 2 倍,说明很多人把它当清单存下来
  • 模型选择:作者主张只用最新最强的模型,理由是模型错 10% 时你不知道是哪 10%,只能反复重试
  • 提示方式:只描述想要的结果,例如「把字节码编译器和 VM 做到尽可能快,不到 2 倍提速不要停」
  • 验证与审查:让 agent 提供端到端演示、视频、前后对比数字作为证据;作者自己只审查不到 5 个核心文件和数据库迁移等影响面大的改动
  • 工作节奏:别等 agent,让 agent 等你;作者称定时、唤醒、心跳类自动化是「杀手级功能」,并认为上下文压缩已足够好,不必手动管理 token
阅读全文
关联模型 / 智能体 / 厂商:
AD赞助内容

沃尔玛向 AI 购物 Agent 开门:基于 MCP 的 Agent Gateway 开启开发者 beta,Agent Profiles 下月上线,可设 50/100/200 美元消费上限

10 月 21 日,沃尔玛发布 Agent Profiles、Walmart Agent Gateway 和 AI Agent 使用条款。Gateway 让 Agent 通过 MCP 直接搜索并购买 Walmart 与 Sam's Club 商品,先对企业和开发者开放 beta;Agent Profiles 下个月上线,用户可为每个 Agent 单独授权、单独查看订单、设消费上限或逐笔审批,随时撤销。Agent 拿不到支付卡信息,违规会被封禁。与此同时,据 TechCrunch 报道,亚马逊正在屏蔽第三方购物 Agent。

沃尔玛向 AI 购物 Agent 开门:基于 MCP 的 Agent Gateway 开启开发者 beta,Agent Profiles 下月上线,可设 50/100/200 美元消费上限

核心要点速览

  • 接入方式:Walmart Agent Gateway 走 MCP(Model Context Protocol),先面向企业和开发者 beta,替代 Agent 用浏览器模拟点击下单
  • Agent Profiles 下个月上线:每个 Agent 一个独立档案,订单单独列出,官方举例消费上限 50、100 或 200 美元,也可逐笔审批
  • 条款:默认需用户批准购买,Agent 拿不到支付卡信息、不能增改支付方式,只能读取任务所需数据,违规直接封禁
  • 定价口径(官方):Agent 看到的价格与 Walmart.com 上人看到的一致;据 Reuters,无需 Walmart+ 会员
  • 官方提到已与 Muse、ChatGPT、Gemini 等做对话式电商集成;TechCrunch 称亚马逊同期在屏蔽第三方购物 Agent
阅读全文

NVIDIA 在 GTC 柏林发布 OpenShell 参考架构:用 Vera Rubin、Vera CPU 与 BlueField-4 Sentry 给 AI Agent 加硬件级安全边界

10 月 21 日 GTC 柏林,NVIDIA 发布 OpenShell 参考架构:以开源 OpenShell 安全运行时为基础,把 Vera Rubin 推理、Vera CPU 上的 Agent 编排与 BlueField-4 上的 NVIDIA Sentry 硅级策略执行拼成全栈,用于在企业与边缘侧构建、隔离、观测并强制约束 Agent。官方称现已可用,并列出 Anthropic、OpenAI、Meta、Microsoft、ServiceNow 等合作方;开源仓库为 Apache 2.0。

NVIDIA 在 GTC 柏林发布 OpenShell 参考架构:用 Vera Rubin、Vera CPU 与 BlueField-4 Sentry 给 AI Agent 加硬件级安全边界

核心要点速览

  • 全栈:Vera Rubin 跑模型推理,Vera CPU 跑 Agent harness/工具调用,BlueField-4 + Sentry 在硅上做策略执行与越界隔离(官方口径)
  • 厂商口径:Vera Rubin NVL72 对 Agent 负载每兆瓦吞吐约 30 倍于前代;Sentry 可在毫秒级隔离越界 Agent,并称可把 Agent 容量提升约 20%
  • 运行时层:默认拒绝、进程外强制;沙箱无直连网络,系统调用经内核过滤,凭证仅注入到策略允许的请求
  • 已声明支持 Claude Code、Codex、GitHub Copilot CLI、OpenCode、OpenClaw、LangChain Deep Agents 等;可 Docker/Podman/Kubernetes(Helm)
  • 上手:curl 安装脚本 + openshell sandbox create;文档 docs.nvidia.com/openshell;GitHub NVIDIA/OpenShell(Apache 2.0)、PyPI openshell
阅读全文

humans& 发布首个模型 Ampersand v0.1:基于 GLM 5.3 训练的群体协作模型,已通过 Agents API 开放

10 月 20 日,AI 创业公司 humans& 发布首个模型 Ampersand v0.1,定位是帮一群人达成个人和共同目标的“协作者”,而不是独自完成任务的助手。它基于 Z.ai 的 GLM 5.3(约 744B 总参数、约 40B 激活)用长程多人模拟强化学习训练,模拟用户由自研用户模型 Persimmon 扮演。模型即日起通过兼容 OpenAI Agents API 的接口开放,无需排队。

humans& 发布首个模型 Ampersand v0.1:基于 GLM 5.3 训练的群体协作模型,已通过 Agents API 开放

核心要点速览

  • 基座:GLM 5.3 MoE,约 744B 总参数、约 40B 激活,上下文 1,048,576 tokens(官方模型卡)
  • 长期协作模拟评测(官方口径):Ampersand 12.94,基座 GLM 5.3 为 9.89
  • Collaborative Intelligence 团队协作 59.1%(GLM 5.3 为 54.3%);CooperBench 协同编码成功率 39.0%,GLM 5.3 协同时仅 17.3%
  • 代价:SWE-bench Pro v2(Hard-51)82.4%,略低于基座的 84.3%;官方也承认它有时会“过度指导”
  • 接入:模型 ID ampersand-v0.1,可直接用官方 OpenAI SDK 指向 humans& 的 base URL
阅读全文
关联模型 / 智能体 / 厂商:

快手可灵 4.0 全量上线:单次原生生成 30 秒视频、15 路全能参考 + 10 关键帧,并接入 MCP/CLI 供 Agent 调用

可灵 AI 于 10 月 15 日宣布 Kling 4.0 全量开放,快手 10 月 16 日发布官方新闻稿确认。新模型单次原生生成最长 30 秒视频,全能参考(Omni Reference)单任务最多组合 15 个参考素材(≤10 图、5 段视频、7 个主体),支持最多 10 个关键帧、8,000 token 提示词与 21:9 画幅;同时接入可灵 MCP 与 CLI,让 AI Agent 直接调用。10-bit HDR(4K/1080p)与面向企业和开发者的 API 标注为“即将推出”。官方未公布量化跑分。

快手可灵 4.0 全量上线:单次原生生成 30 秒视频、15 路全能参考 + 10 关键帧,并接入 MCP/CLI 供 Agent 调用

核心要点速览

  • 单次原生生成 3–30 秒视频;视频延展最长 2 分钟(官方标注即将推出)
  • 全能参考单任务最多 15 个素材:≤10 张图、5 段视频(合计 ≤30 秒)、7 个主体
  • 最多 10 个关键帧,可放在时间线任意位置;提示词上限 8,000 token
  • 已接入 MCP 与 CLI:npm i -g @klingai/cli-global,Agent 可调 omni_ref_video 等命令
  • 10-bit HDR(4K/1080p)与企业/开发者 API 仍为“即将推出”;官方未公布量化跑分
阅读全文
关联模型 / 智能体 / 厂商:

不改模型权重也能自进化!中科大等开源 Harness-RSI:形式化定义智能体脚手架自演化与 PAC 泛化界,登顶 HF 热榜

当底层大模型权重固定或闭源时,智能体能否通过自主修改外部软件脚手架(Harness)实现持续进化?中科大与中关村学院等团队发布 66 页综述与理论框架《Self-Evolving Agent Harness》(Harness-RSI),将更新目标解耦为提示词、记忆、工作流、工具代码与插件组合,并基于持续 PAC 学习推导出泛化误差界、历史防退化保持界与高概率准入准则,同步开源代码库。

不改模型权重也能自进化!中科大等开源 Harness-RSI:形式化定义智能体脚手架自演化与 PAC 泛化界,登顶 HF 热榜

核心要点速览

  • 定义固定权重下的自进化(Harness-RSI):通过持续修正提示词、记忆、工作流、工具代码与插件拓扑,无需微调模型权重即可实现能力跃升
  • 首创持续 PAC 学习准入理论:严格推导期望泛化界、基于历史回归预算的防退化保持界(Retention Bound)与高概率修改准入法则
  • 开源 66 页重磅综述与代码库:系统覆盖模型-脚手架协同设计、插件复用与运行时安全边界,获 Hugging Face 社区 70+ 高赞推荐
阅读全文