今日刊

2026-09-03 每日精选18

Hacker News, Lobsters, TechCrunch AI, GitHub, HuggingFace Papers

🤖 AI Agent 研究

TOPRealSWE: A Compositional Evaluation of Coding Agents under Realistic User Requests

编码代理现在通常在SWE-bench系列基准上进行评估,其任务是根据精心策划的GitHub问题构建的:长、结构化和信息丰富。然而,真正的用户请求通常要短得多,结构化程度也较低。

Harness-of-Harness: Multi-Day Autonomous Software Development with Continual Improvement

本文研究自主软件开发,其中基于LLM的编码代理在没有人为干预的情况下将高级需求转换为完整、功能性和可用的软件系统。我们引入了Harness-of-Harness ( HoH )框架,该框架使编码代理能够在自主开发过程中不断改进软件。

Agents in the Large: Perception-Centered Architecture for Persistent Agents

认知语言代理通过为语言模型配备记忆、工具和决策程序,使代理能够在交互式环境中进行推理和行动,从而取得了重大进展。现有的框架在很大程度上将这些代理作为解决用户指定的、有界任务的系统。

AgentJudgeBench: A Multi-Difficulty Benchmark for Evaluating LLM Judges on Agentic Tool-Calling

法学硕士评委被广泛用于评估代理工具调用系统,但其在结构化、依赖性驱动的工作流程中的可靠性在很大程度上仍未得到检验。我们推出了AgentJudgeBench ,这是系统研究LLM-as-a-judge在工作流程DAG上进行代理工具调用的可靠性的第一个基准,这与更广泛的LLM-as-a-judge开放式文本或偏好评估任务不同。

GitHub 热门项目

TOPw1977-0/chrono-mcp

【GitHub】零依赖日期和时间MCP服务器—一个文件,纯Python stdlib , DST感知。7个工具:当前时间,转换,偏移,自然语言解析,持续时间,会议窗口,格式。(⭐ 0 )

查看原文
githubopensource
分享
shubham055555/github-mcp-ai-agent

【GitHub】“我使用Python、Gemini和模型上下文协议构建了GitHub MCP AI Agent。代理理解自然语言的GitHub请求,并动态选择列出存储库等MCP工具(⭐ 0 )

查看原文
githubopensource
分享
royrony/webapp-mcp-wrapper

【GitHub】在Node.js、Python或Java中将任何Web应用程序转换为可安装的、符合标准的MCP服务器—具有跨语言奇偶校验、默认安全、OAuth 2.1+PKCE和代理驱动的技能模式。(⭐ 0 )

查看原文
githubopensource
分享
Jason869905/Apexnova-connect

【GitHub】用于使用Apexnova AI Hub模型的开源连接器,具有OpenCode、Codex和Claude Code。(⭐ 0 )

查看原文
githubopensource
分享
Syncher-source/life-counselor

【GitHub】自我观察工具: Claude Code的开源代理定义,将Claude变成一个具有不可侵犯规则的生活顾问—没有神经生物学基础就没有建议。(⭐ 0 )

查看原文
githubopensource
分享

🚀 模型与行业动态

TOPTechCrunch Disrupt 2026’s new Real World AI Stage features Nvidia, robots, and extinct animals

在我们新的真实世界人工智能舞台上,我们将专注于数字和物理之间的交集,以及我们将继续看到两者的融合的所有方式。

查看原文
industrytechcrunch
分享
OpenAI’s new reasoning technique alarms AI safety experts

OpenAI的新Astra模型将使用“循环深度” ,这种技术允许模型在大多数推理模型的顺序思维之外运行。

查看原文
industrytechcrunch
分享
Pangram’s Max Spero on why AI detection is harder than ‘Real or Fake’

互联网存在信任问题,这不仅仅是因为社交媒体订阅源充斥着人工智能。人工智能生成的文本和图像现在正在进入求职申请、产品评论甚至保险理赔领域。

查看原文
industrytechcrunch
分享

🔥 社区热议

TOPThe load-bearing vocabulary of Claude

【Lobsters】热度: 40↑ | 25 评论 | 标签: vibecoding, visualization

查看原文
communitylobsterstech
分享
Check if a file was made with Claude

【Lobsters】热度: 3↑ | 0 评论 | 标签: vibecoding

查看原文
communitylobsterstech
分享
Three sites made 215,128 “best software” pages for AI. Perplexity cites them

【HN】热度: 314 分 | 144 评论

查看原文
communitydiscussion
分享
Fable 5.1 World Modeling

【HN】热度: 145 分 | 52 评论

查看原文
communitydiscussion
分享
Can I opt out of my input or output data being used for training?

【HN】热度: 372 分 | 164 评论

查看原文
communitydiscussion
分享
Gemini 3.8 Flash and 3.8 Flash Cyber

【HN】热度: 833 分 | 486 评论

查看原文
communitydiscussion
分享