今日刊

2026-09-09 每日精选 18

Hacker News, TechCrunch AI, GitHub, HuggingFace Papers

🤖 AI Agent 研究

TOP HarvestBench: Measuring Whether LLM Agents Will Pay to Avoid Killing Animals

智能体在实现目标的过程中造成的副作用的基准已经存在,但HarvestBench是第一个对避免副作用定价并将该副作用命名为生物的基准。这是一个农场模拟: LLM子代理与田间动物一起驾驶两辆拖拉机通过合作玉米收获。

查看原文
research paper
分享
VeriPhy: Agentic Physical Reasoning for World Model Evaluation and Refinement

生成的视频的视觉流畅性并不意味着物理可靠性,仅凭标量质量分数无法指示剪辑违反的义务或失败的时刻。我们介绍VeriPhy ,这是一个可审计的物理验证系统,其中纯文本计划程序将提示编译为类型化的物理义务和静态验证的执行计划,然后再观察任何帧。

查看原文
research paper
分享
DRACO: Fine-Grained Credit Assignment with Dynamic Rubrics for Long-Horizon Agent Training

当任务具有编程检查器时,来自可验证奖励的强化学习效果很好,但大多数长期代理域都没有。我们在结果盲环境下工作,在这种环境下,无法获得地面真相的成功信号。

查看原文
research paper
分享
Using Grounded Theory for Agent Behavior Analysis at Scale

理解代理行为需要能够扩展到数千条轨迹的方法,并在预先构建的分类器不足的长期、通常不熟悉的任务中呈现出新的模式。我们建议将基础理论引入代理轨迹分析:这是一种具有六十年历史的社会科学定性方法,具有原则性的饱和标准和从数据到理论的可审计轨迹。

查看原文
research paper
分享

GitHub 热门项目

TOP Loopera-ai/loopera

【GitHub】用于基本因素研究的假设驱动的AI代理,具有证据门限验证和研究记忆。(⭐ 15 )

查看原文
github opensource
分享
billpzt/WinCodeNotch

【GitHub】适用于Claude Code、Codex、GLM和DeepSeek使用的流畅、本机Windows小部件。便携、本地优先、开源。(⭐ 1 )

查看原文
github opensource
分享
HarnessDesk/HarnessDesk

【GitHub】您拥有的编码代理的开源控制平面—并行运行Codex、Claude Code、Gemini、Cursor和ACP代理,共享历史记录、权限、交接和审计日志。(⭐ 2 )

查看原文
github opensource
分享
QuesmaOrg/quesma-shipper

【GitHub】从开发人员机器收集AI编码代理会话,清除秘密,随年龄加密,并上传到组织的存储空间。(⭐ 5 )

查看原文
github opensource
分享
udaysharmadev/Gravitas

【GitHub】一种开源的反重力技能,迫使Gemini像Claude Models一样编码。它让人工智能读取您的文件,计划其步骤,并在说完成之前实际测试代码。(⭐ 1 )

查看原文
github opensource
分享

🚀 模型与行业动态

TOP Hackers are stealing Claude tokens from subscribers

上个月,一位Claude用户注意到他的帐户正在使用代币,即使他没有工作。此后, Anthropic向用户发出了有关黑客的警告。

查看原文
industry techcrunch
分享
Cognition hits $48B valuation, signaling investors believe AI coding is far from a winner-take-all market

Cognition的估值倍数高于Cursor在出售给SpaceX之前的估值倍数。

查看原文
industry techcrunch
分享
Meta debuts its Muse AI agent. Will consumers trust it?

Meta的新个人人工智能代理Muse希望访问用户的电子邮件、日历、付款、医疗服务等,这使该公司成为最大的消费者人工智能赌注,但也是人们是否仍然信任Meta提供数据的主要考验。

查看原文
industry techcrunch
分享
Google Cloud races to catch up in the AI deployment wars with Accenture deal

谷歌云通过埃森哲扩展其企业人工智能,押注于前沿部署的工程师,以推动采用并克服部署瓶颈。

查看原文
industry techcrunch
分享

🔥 社区热议

TOP Muse – Meta’s personal AI agent

【HN】热度: 316 分 | 315 评论

查看原文
community discussion
分享
Large language models develop novel social biases through adaptive exploration

【HN】热度: 93 分 | 48 评论

查看原文
community discussion
分享
I-have-ADHD: A skill to stop coding agents from burying the answer

【HN】热度: 323 分 | 256 评论

查看原文
community discussion
分享
Tao: Open math problems being non-renewably mined by AI

【HN】热度: 150 分 | 95 评论

查看原文
community discussion
分享
Show HN: LLM Attention Visualization

【HN】热度: 130 分 | 22 评论

查看原文
community discussion
分享