Meta发表论文,提出以每美元学习成本带来的留出集增益衡量Agent可塑性的评测方法。论文让权重冻结的智能体在象棋、围棋、Hex和NetHack中反复改写自己的工具与笔记,再用留存对局表现和每美元学习成本衡量其可塑性。在困难象棋中,Claude Fable 5的留存对局胜率从37.5%升到73.3%;在象棋、围棋和Hex上,GPT-5.6 Sol每1000美元学习成本提升298分,Claude Fable 5为57分。作者建议评测自我改进型智能体时跟踪留存学习曲线与成本,并检查智能体是否真正用上了自己保存的内容。
匹配字段标题
Meta 发表论文 以每美元学习成本带来的留出集增益衡量Agent可塑性的评测方法
English translation is being prepared.
匹配字段标题
2026年10月17日,Grok Bot 团队的 Lauren(@poteto)提出一套信任 AI Agent 工作成果的四层倒金字塔框架,主张把最多精力放在改造代码库本身,而非管教 Agent。该框架按投入递减分为四层:代码库改进(架构、类型与不变量、模块边界)、静态分析(Lint、测试、CI、TLA+ 等形式化验证)、文字性指导(注释、AGENTS.md、Skills 描述)和人工审查。她认为越靠上层手段越确定、越省 token,越靠下层越依赖 Agent 不可靠的理解和难以规模化的人力,提示词本身只是第三等手段。同日另一篇报道以 Lauren Tan 之名介绍该框架,并建议把原帖交给自己的 bot 或智能体,给出安装工具、新建 Project、用 /recall、/poteto-mode、/correct、/architect 等命令分析历史提交与反馈的步骤。目前该框架仍处于提出与传播阶段,尚无后续落地或效果数据。
匹配字段标题
2026年10月17日,indigo提出判断,认为国内Personal Agent难以逾越围墙。该判断出现在回应晓辉博士询问国内有哪些好用的Personal Agent可管理生活日程时。indigo表示,自己用Muse管生活、Grok Bot管工作,并称国内围墙太高,Personal Agent难以逾越。目前没有后续发展事实。
匹配字段标题
2026年10月17日,indigo提出一项判断:Agentic Commerce不会吞掉全部商业,但可能替代其中20%到50%,同时会让整个盘子再做大50%左右,因为会出现大量新形态。该帖还引用郭宇用Codex接管微蒸烤炉、并设想让Grokbot从附近超市网店采购食材的例子。目前该判断来自indigo本人的公开发帖,尚无后续发展事实。
匹配字段标题
2026年10月17日,Peter Yang 在最新文章中提出观点,认为“软件已死”是夸张说法,但也不看好必须让人类一直点击界面的软件,最好的软件公司正在转向 agent-first。他以自身经历举例:Claude 用 5 分钟复刻了他真正在用的那一个功能,使他替换掉每年 200 美元的 YouTube 工具,而无需重建整个 SaaS。他还提到智能体正取代人类成为软件主要用户,例如有人让 agent 在 Blender 里建 3D 模型而完全不懂其 UI。同时他指出,构建应用容易,维护和客户支持仍需人力。目前该观点由单一来源报道,尚无后续发展事实。
匹配字段标题
Tibo 于 2026 年 10 月 18 日分享了一段多个 Agent 协作完成报税流程的经历。据其描述,他的工作 dot「Burger」应个人 dot「Dorito」的请求,通过邮件与其协作获取文件,随后又与他的 CPA 协作完成报税事宜,全程耗时 20 分钟。Tibo 同时感叹「我们还处在非常早期的阶段」。目前该说法仅来自 Tibo 本人的分享,尚无其他独立来源交叉印证,也没有后续进展。
匹配字段标题
Tibo 分享 多个Agent协作完成报税流程
English translation is being prepared.
匹配字段标题
2026年10月17日,Grok Bot 团队的 Lauren(@poteto)提出一套信任 AI Agent 工作成果的四层倒金字塔框架,主张把最多精力放在改造代码库本身,而非管教 Agent。该框架按投入递减分为四层:代码库改进(架构、类型与不变量、模块边界)、静态分析(Lint、测试、CI、TLA+ 等形式化验证)、文字性指导(注释、AGENTS.md、Skills 描述)和人工审查。她认为越靠上层手段越确定、越省 token,越靠下层越依赖 Agent 不可靠的理解和难以规模化的人力,提示词本身只是第三等手段。同日另一篇报道以 Lauren Tan 之名介绍该框架,并建议把原帖交给自己的 bot 或智能体,给出安装工具、新建 Project、用 /recall、/poteto-mode、/correct、/architect 等命令分析历史提交与反馈的步骤。目前该框架仍处于提出与传播阶段,尚无后续落地或效果数据。
匹配字段标题
indigo 提出判断 国内Personal Agent难以逾越围墙
English translation is being prepared.
匹配字段标题
indigo 提出判断 Agentic Commerce将替代20%到50%商业并使整体盘子扩大约50%
English translation is being prepared.
匹配字段标题
2026年10月17日,lauren发问:聊天是否是AI智能体UI的最终形态,并邀请大家分享理由。10月19日,lauren就同一问题发起投票,约70%的人回答“不是”;她认为分歧在于两种想象:一种把智能体视为自身心智的延伸,未来可能靠脑机接口省去输入框;另一种把智能体视为能自主决策、与我们并肩工作的独立存在。她还认为语音与文字聊天本质相同,都属于把智能体当作“他者”来对话。同日,swyx以《薄伽梵歌》对话体回应,称X上的人总以为自己是第一个希望终结chat的人,认为人们嘴上说要终结chat,实际却以更大数量回归,其真正渴望的不是真相而是“新”。目前讨论围绕该提问展开。
English translation is being prepared.
匹配字段标题
Peter Yang 提出观点 “软件已死”是夸张说法，最佳软件公司正转向Agent优先
English translation is being prepared.
匹配字段标题
2026年10月17日,AWS销售运营团队介绍了一套基于Amazon Bedrock AgentCore Evaluations搭建的、覆盖全生命周期的AI智能体评估框架,用于其服务全球AWS现场销售的多智能体系统。据AWS Machine Learning发布的信息,该团队在上线前评估Customer Insights Agent时发现,该智能体把410.08美元三个月营收报成“4.1008亿美元”等错误,而传统监控始终显示正常;一次预生产测试中,数据、工具与提示词变更错位更让通过率从78%跌至38%。目前该框架已用于上述多智能体系统的评估。
匹配字段标题
AWS 介绍 基于Amazon Bedrock AgentCore的生产级智能体评估框架
English translation is being prepared.
匹配字段标题
2026年10月16日,Artificial Analysis公布Reflection首个模型Beam的评测结果:Beam在Artificial Analysis Intelligence Index上得分30,位列美国开源权重模型第二,仅次于Meta的Muse Spark Open(39),高于NVIDIA的Nemotron 3.5 Super VL(26)。该模型为501B总参数、23B激活参数的开源权重模型,每个智能指数任务约消耗26k输出token,其中约19k用于推理、7k用于回答;AutomationBench-AA得分48.5%,Terminal-Bench 4.0仅3.0%;AA-Omniscience正确率33%、幻觉率47%。10月17日,Arena.ai宣布Beam-1.0-501B-A23B进入Agent Arena,在开源权重模型中排第12,Net Improvement为-3.67%,误差区间±3.84%;在Code Arena: WebDev开源榜排第22,得分1438。
匹配字段标题
Anthropic日本团队的业务拓展代表开始试用Claude Managed Agents(beta),并借此搭建了一支名为Nakama的智能体团队。据Claude Blog于2026年10月16日发布的信息,该团队由6个按计划运行的智能体组成,承担线索分流、资格判定、邮件草拟、Salesforce更新和会后跟进等工作,每天开工前完成大部分任务。该代表先在Claude中用技能、定时任务和共享文件夹做原型;迁移到Managed Agents后,技能变成系统提示词,共享文件夹变成记忆存储。改动统一在Slack频道提出,由协调智能体每约15分钟同步一次。目前尚无后续发展事实。
匹配字段标题
Anthropic日本团队的业务拓展代表开始试用Claude Managed Agents(beta),并借此搭建了一支名为Nakama的智能体团队。据Claude Blog于2026年10月16日发布的信息,该团队由6个按计划运行的智能体组成,承担线索分流、资格判定、邮件草拟、Salesforce更新和会后跟进等工作,每天开工前完成大部分任务。该代表先在Claude中用技能、定时任务和共享文件夹做原型;迁移到Managed Agents后,技能变成系统提示词,共享文件夹变成记忆存储。改动统一在Slack频道提出,由协调智能体每约15分钟同步一次。目前尚无后续发展事实。
匹配字段标题
Navan 完成 Spring Boot 4迁移
English translation is being prepared.
匹配字段标题
Navan 借助 Cursor 的 Cloud Agents,将 Spring Boot 4 迁移压缩到约一周完成。据 Cursor Blog 报道,此次迁移涉及 8 个应用和 15 个库并行升级,且未冻结开发。作为对比,两年前同类迁移耗时一个多月,还曾因一次错误合并锁住 master 分支一天。Cloud Agents 运行在 Navan 自托管机器上,可调用内部 MCP 并启动浏览器验证改动;目前约 200 名 Navan 员工在使用,较 2026 年 4 月增长 10 倍。
匹配字段标题