今日刊

2026-09-21 每日精选18条

Hacker News, TechCrunch AI, GitHub, HuggingFace Papers

🤖 AI Agent 研究

TOPRetireOPD: Self-Retiring On-Policy Distillation for Agentic Reinforcement Learning

受过强化学习( RL )训练的多回合代理在每个轨迹上获得单个标量奖励,这激励自我策略提取( OPD ) ,由具有特权任务技能的自学老师提供密集的令牌级监督,让没有技能的学生将它们内化。因此,我们建议RetireOPD (自我退休随机蒸馏) ,它首先优化具有环境奖励的解耦,技能条件的教师,然后与R共同培训无技能的学生

SoL-Pi: Recursively Scaling Auto-Research Loops for Efficient Agent Harness

随着编码代理从监督代码完成转变为无人值守、全天候的探索,他们的工作从孤立的预测扩展到推理、工具使用和反馈的长轨迹。因此,令牌效率对于扩展递归自我改进变得非常重要。

An Empirical Study of Harness Design for Coding Agents

编码线束塑造了自主编码代理如何将模型功能转化为长远的软件工程性能,但现有的工作通常将线束评估为单片系统,使得单个组件的有效性尚不清楚。在SWE-Bench Verified和Terminal-Bench 2.1上评估的四个模型中,我们评估了176个匹配的设置,涵盖五个上下文管理策略、四个上下文窗口预算以及有针对性的规划和行动空间。

Don't Mask the Environment: Observation Supervision Changes How Agents Explore Under RL

客服代表轨迹记录了客服代表的工作内容以及接下来会发生什么。然而,标准监督微调( SFT )仅将损失应用于座席撰写的操作令牌,使用环境观测作为上下文,而不是作为预测目标。

⭐ GitHub 热门项目

TOPgalacticsurfer/openclaude-desktop

【GitHub】适用于Linux的非官方开源Claude桌面客户端。Tauri 2 + React + Rust ,由Claude Code CLI提供支持—无API密钥,无遥测。(⭐ 0 )

查看原文
githubopensource
分享
Pleo2/awesome-jev-agent-skills

【GitHub】针对Codex和Claude Code的由Jev提供支持的AI代理技能:代码审查、测试、调试、提取和QA证据。开源,麻省理工学院。(⭐ 0 )

查看原文
githubopensource
分享
K-Ashik/Multilingual-policy-evaluation

【GitHub】用于多语言政策协调和合规治理的闭环、多代理大语言模型( LLM )评估框架。此Python包自动检测“需求dr (⭐ 1 )

查看原文
githubopensource
分享
smg322/TPRM-Modified

【GitHub】开源Claude代码修改(⭐ 0 )

查看原文
githubopensource
分享

🚀 模型与行业动态

TOPWorld model companies are keeping a lot of secrets

世界上的每一个模特都坐在一堆现金和大量的嗡嗡声上,但祝你好运,从创始人到自己的数据提供商,任何人都可以告诉你他们实际在建造什么。

查看原文
industrytechcrunch
分享
Is the AI industry really ready to slow down?

在股票方面,我们讨论了AI高管是否真的想放慢脚步。

查看原文
industrytechcrunch
分享
Google's Gemini is the latest AI model to hack other companies

谷歌表示, Gemini通过立即终止每次黑客攻击“采取了适当的行动”。

查看原文
industrytechcrunch
分享
Anthropic is operating a lab that conducts biology experiments

人工智能领导者一直承诺,人工智能是治愈人类疾病的关键。人类学研究人员也一直在警告说,人工智能可能会杀死我们所有人。

查看原文
industrytechcrunch
分享

🔥 社区热议

TOPPirate Face Rescues LLM Models from Deletion

【HN】热度: 451 分 | 134 评论

查看原文
communitydiscussion
分享
Google's Open Agentic Orchestrator

【HN】热度: 203 分 | 87 评论

查看原文
communitydiscussion
分享
ChatGPT now knows what you do on other websites via ad collector

【HN】热度: 607 分 | 320 评论

查看原文
communitydiscussion
分享
DAPO: An Open-source RL System from ByteDance Seed and Tsinghua AIR

【HN】热度: 11 分 | 2 评论

查看原文
communitydiscussion
分享
Exfiltrate Your Weights

【HN】热度: 612 分 | 251 评论

查看原文
communitydiscussion
分享
Qwen Image 2.1

【HN】热度: 502 分 | 152 评论

查看原文
communitydiscussion
分享