近期要闻
Agent,“重做”数据库
钛媒体20家大厂签约,AI操作App仍要过三道关
钛媒体Anthropic 推出 Claude 个人理财功能,支持智能消费分析与账单追踪11月5日,Anthropic宣布为Claude推出“个人理财”功能,本周率先在美国面向Pro、Max、Ultra订阅用户灰度测试。该功能支持用自然语言理清个人财务状况,主打绝对安全与客观公正,标志大模型正从办公创作助手延伸至日常金融与生活管理场景。 刚刚 3.4K
AIBase AI资讯从发现前沿资讯,到找到趁手的工具。
发现好用的 AI
左右滑动探索 →Kiro 是面向开发者的 AI 工程工具,可将需求整理为规格、架构与任务,通过智能体实现代码,并结合属性测试、执行记忆和开发工具集成支持从规划到代码审查的流程。
分类推荐榜首M
MemoAI音乐与音频MemoAI 是一款 AI 驱动的音视频转文字工具,支持本地化处理,无需上传数据,保障隐私安全。它可将 YouTube 视频、播客及本地音视频文件(如 MP4、MP3、AAC、M4A 等)高效转录为文本,并提供多语言翻译、说话人分离、实时字幕、浮动笔记等核心能力,适用于会议记录、访谈整理、内容学习等场景。
分类推荐榜首OOpenDesign 是开源设计工作区,可连接本地编程智能体、自带模型密钥或使用云端模型,围绕设计系统生成和编辑原型、网页、演示与图形;本地软件免费与模型服务费用需要区分。
分类推荐榜首JJAX 是一个面向加速器的 Python 数值计算库,专为高性能数组计算与大规模机器学习设计,支持在 CPU、GPU 和 TPU 等多种硬件后端上高效执行相同代码。
分类推荐榜首A
AI Short写作与内容AI提示词管理和共享平台,多种场景的快捷指令
分类推荐榜首EEvoMap 是面向AI Agent经验复用的基础设施,通过GEP协议组织可复用策略与带验证记录的修复资产,提供市场和质量排序,帮助不同Agent发现、评估及继承已有能力。
分类推荐榜首妙腾讯广告推出的AI直播电商解决方案
待评分 · 分类列表推荐MMeta推出的免费AI聊天助手
待评分 · 分类列表推荐UUdacity AI 学院是人工智能课程与学习路径入口,涵盖机器学习、深度学习、计算机视觉、自然语言处理及 AI 产品管理,可按基础和目标选择课程与项目训练。
待评分 · 分类列表推荐CClipdrop 是一组 AI 图像创作与修图工具,涵盖背景移除、局部清理、扩图、放大、重新打光、文字移除和背景替换,可在网页处理图片,也提供面向开发者的图像能力接入入口。
待评分 · 分类列表推荐AI 正在发生
1167 条已发布资讯我们如何构建自己的设计代理
LangChain 如何在 Slack 中构建了 Content Studio——一个开源的设计代理,用于制作符合品牌调性的视频、图形和演示文稿,以及为其提供动力的工具链。
Kimi额度的问题,Anthropic找到了解决办法
K3.1 Pro发布之后,由于多位用户反馈额度烧得太快,月之暗面紧急发布公告,称“问题出在我们,我们也本应更早修复”,在补偿额度的同时,月之暗面也表示将“减少不必要的子Agent调用和输出长度”。就在模型上线前两天,Anthropic发了一篇文章,标题为《构建Agent:何时该把子Agent折叠回主循环》(Building agents: When to fold subagents into your main agent loop),它所讲的,刚好就是关于子Agent这件事。Anthropic的结论是,通过对比多家企业部署的Claude他们发现,一个带技能的Agent,质量反而胜过了“一群...
开发者如何接住AI时代的底座红利?CEIC×1024深圳专场解密AI与鸿蒙开发新基建
2026年长沙·1024程序员日活动期间,CEIC消费电子创新大会与CSDN在深圳联手打造了一场属于开发者的硬核技术盛宴。正如CEIC组委会常务副主任杨涛在接受采访时所言:“消费电子领域所有的体验创新,归根到底都是由于我们的程序员代码敲出来的。”在当前的技术拐点下,从单纯的手写代码,到利用智能体(Agent)和丰富的端侧AP...
Manus,刚刚悄悄发布了自己的 2.0 宣言
10 月 26 日,Manus 联合创始人、产品合伙人张涛(网名 HideCloud)最近在自己的公众号「潜云思绪」写了一篇长文,标题叫《用 Manus 改造 Manus》。 文章开头是一个让他印象很深的画面。他给工程师提了几条需求和 Bug,过一会儿去看进展,发现对方电脑上开着一排 Codex 和 Manus 的 Session。随便点开一个,输入就是他刚在 Slack 上发的需求原文,一字未改。 更让他意外的是,这位工程师当时同时在处理十几、二十个需求。在今天的 Manus,这已经是常态。 这篇文章信息量很大,有几件事最值得记下来。 Manus 内部做了一个叫 Manus-mono 的统一代码入口,配上一本写给 AI 看的说明书,让 AI 能看到跨仓库的全局。一个需求,一个人就能写完所有端。移动端团队一直只有 7 个人,同时负责 2 个产品、4 个 App,进度和网页版基本同步。 所有产品经理都向 Manus 提交过代码,大约一半能独立把需求做到上线。有的产品经理交出来的需求,已经从文档变成了一段视频。 市场团队有了一位「数字同事」,会自己安排工作、主动提醒项目进度,还会跨团队去把功能细节问清楚。 9 月,公司的 AI 开销人均超过 1 万美元,少数人一个月就用掉七八万美元。张涛专门用一节回应了外界的质疑。 文章发出的时间点也很微妙。9 月底,Manus 发布了 2.0 版本和个人智能体应用 Cue;10 月初,母公司蝴蝶效应宣布完成超过 5 亿美元的新一轮融资,同时在北京开出 17 个岗位。 放在这个节点上看,这篇文章更像是 Manus 团队进入 2.0 时代的一份宣言。它讲的是组织如何利用 AI 进化,透露出来的却是这家公司的产品方向、成本逻辑和用人标准。 01 Manus 本身,就是 2.0 的样板间 如果你把文章里的内部实践和 Manus 2.0 的功能列表放在
帮用户抢 iPhone 折叠屏的 Agent,正在塑造 AI 时代电商的形状
Shopify AI 交易订单增长了 13 倍。 10 月 16 日清晨,苹果第一款折叠屏手机 iPhone Duo 开启预购。1999 美元起售,首批产能紧张,没过多久交付日期就排到了明年 1 月。 这一次抢首发的,不只是守在屏幕前的人。 今年 Agent 成为 iPhone Duo 黄牛最严厉的父亲|图片来源:Apple 在 MacRumors 论坛上,一位没抢到的用户愤愤不平地吐槽,Reddit 上有人在炫耀自己设置的 Muse 机器人一口气拿下了好几台,真人还没来得及点,库存就被 AI 扫走了。 Muse 是 Meta 在 9 月 8 日推出的个人 Agent,上线后一度登顶美区 App Store 免费榜,下载量很快超过 250 万。Meta 方面表示,购物已经成为 Muse 最主要的使用场景之一。就在 iPhone Duo 开售前后,Muse 还专门发了新版本适配这台新机,更新说明里紧跟着的一句,是让聊天里的购物变得更方便。 AI 替人购物,已经从发布会上的演示,走进了真实的抢货现场。 但并不是每家商店都欢迎这些新顾客。 9 月下旬,亚马逊开始封禁 Muse。 到了 10 月,马斯克旗下 Grok Bot 的用户在亚马逊下单时,也撞上了同一句警告,未经授权的 AI 代理继续访问,违反亚马逊的使用条款。 另一家公司,Shopify,则走了完全相反的路。9 月 21 日,Shopify CEO Tobi Lütke 宣布与 Muse 深度合作,让 Muse 可以用 Shop Pay 在所有 Shopify 店铺完成结账。 而 Shopify 的财报,已经给出了这条路的早期回报。今年一季度,来自 AI 搜索的订单同比增长接近 13 倍,AI 带来的店铺流量增长 8 倍。 一边关门,一边开门。当越来越多的购物决定交给 Agent,「让不让 Agent 进门」,会不会成为
左手开源模型,右手创作 Agent,Hi3D 的 AI 3D 下半场
作者|Cynthia 编辑|郑玄 2026 年的 AI 3D 赛道,正站在一个微妙的分水岭上。 一级市场的热度仍在攀升,新模型、新创业公司层出不穷,单图生 3D 的正面渲染效果几乎已经做到了以假乱真。 但剥开炫目的 Demo 外壳:绝大多数生成结果依然停留在「转台展示」阶段:一个精致的角色或机械模型,在灯光下缓缓旋转,鳞片、衣褶和金属刻纹栩栩如生;可这些细节一旦进入游戏引擎装配、工业仿真以及 3D 打印的真实生产流程就立刻原形毕现:结构断裂、背面崩坏、细节粘连、网格不可编辑等问题开始集中爆发,大量人工修补成本吞噬了 AI 带来的效率红利。 正面视图保真度不等于 3D 质量成为新的行业共识。AI 3D 的竞赛,也从 能不能生成」的上半场,进入了能不能落地的下半场。 也正是在这个节点上,头部玩家 Hi3D 接连落下两枚棋子:正式开源经过生产验证的 Hi3D V1.0 底座,同时推出以创作者为核心的 Hi3D Agent,一头连接产业底层,一头深度扎根进入真实的创作全流程。 在此之前,这家成立不到三年的公司已经交出了一份扎实的成绩单:半年内连续完成两轮融资、总额近 5000 万美元,红杉中国、IDG 资本、美团龙珠等一线机构扎堆下注;旗下 Hi3D 平台覆盖120+ 国家与地区、200 万 + 创作者,与拓竹科技、xTool 等头部设备商深度集成。 从稀疏几何技术的学术突破,到生产级模型的开源开放,再到 Agent 创作系统的全链路打通,Hi3D 已经拿下了通往 3D 生成下半场的门票。 01 3D 生成,被高估的 Demo, 被低估的生产鸿沟 单图生 3D 的底层逻辑,天然带着视角偏见。随着ULIP、Uni3D 等指标被反复刷新,重正面、轻整体,重外观、轻内部逻辑的一度成为这个行业过去几年的共同写照。 但 3D 资产的本质,是可旋转、可编辑、可加工的立体对象。一张角色图片里,垂
刚刚,GPT-6.1 Terra 骨折价发布,Agent 时代的打工模型来了
OpenAI 又卷起了大模型的性价比。#欢迎关注爱范儿官方微信公众号:爱范儿(微信号:ifanr),更多精彩内容第一时间为您奉上。
SLICE-Mem:用于高效LLM智能体记忆的显著性门控轻量级信息策展
arXiv:2610.33015v1 发布类型:新 摘要:长期记忆使大型语言模型(LLM)代理能够维持个性化且时间上连贯的交互,但为实现记忆的接纳、提取与组织而反复调用LLM进行推理,会带来显著的成本与延迟。我们提出了SLICE-Mem,一个轻量级的记忆框架,它将基于显著性引导的接纳与基于谓词的信息提取相结合。一个紧凑的分类器用于识别值得保留的用户发言,而基于语义依赖关系的提取器则将被接纳的发言转化为简洁的记忆条目。这一在线处理流程无需调用生成式LLM,同时跨条目的一致性校验被推迟至离线的整合阶段。我们在Memora和LongMemEval-S的每周子集上,使用8B a对SLICE-Mem进行了评估
提炼、辩论、发现:以图谱提炼的洞见为多智能体研究构思奠定基础
arXiv:2610.33366v1 发布类型:新 摘要:大型语言模型(LLMs)正越来越多地被用于支持研究思路的生成与科学发现。多智能体辩论通过汇聚多元视角来制定研究构想,为这一任务提供了一种协作式方法。然而,一个关键挑战是如何赋予各智能体独特而有意义的专业知识,以引导其贡献。受研究人员在协作过程中借鉴已有研究经验的启发,我们提出了InsightAgents框架,该框架通过从相关论文的图谱中提炼洞见,构建基于文献的研究型智能体专长。在一条研究脉络中,这些洞见能够追踪研究方法的演进、揭示潜在假设,并识别尚未解决的难题。
Async-RBench:用于LLM智能体中异步任务执行的基准测试
arXiv:2610.32429v1 发布类型:新 摘要:大型语言模型(LLM)代理正越来越多地以异步方式执行任务:主代理在子代理运行的同时继续工作,而任务状态可能在其结果到达之前就已发生变化。主代理必须决定哪些工作需要更新或保留、哪些检查需要重复,同时避免进行被禁止的修改。仅凭最终任务的成功并不能说明这些结果是否被正确处理,而且自然的异步到达现象也难以复现。我们提出了 Async-RBench,一个用于评估 LLM 代理中异步任务执行的基准测试,包含涵盖八种场景的 200 个可执行任务。场景控制器通过预定义的任务状态条件来调控结果的交付,而事件响应契约(ERC)则规定了每种响应应满足的要求
用于LLM智能体一致性的递归语义分歧
arXiv:2610.33012v1 发布类型:新 摘要:具备工具调用能力的大型语言模型(LLM)智能体,在从相同初始状态出发的多次独立运行中,表现出行为不一致的现象,例如调用不同的工具、产生相互矛盾的输出,或采取截然不同的策略。这种行为上的波动会随时间累积,从而削弱部署的可靠性。现有的评估指标主要通过基于任务完成度的得分来衡量正确性,而未能捕捉智能体在多次执行中的行为一致性。此外,对智能体行为的分析要么停留在词元层面,借助概率分布进行评估;要么聚焦于单次响应层面,采用语义聚类方法,但两者均无法刻画不一致性如何在轨迹的后续步骤中进一步传播。我们提出了递归语义发散(RSD),一种无
超越收益:用于代理技能退役的技能内化度量
arXiv:2610.32322v1 发布类型:新 摘要:LLM智能体从公共技能中心检索技能,这些中心最多可存储约10万条记录,并为众多模型提供服务。随着模型性能的不断提升,技能中心必须识别出某一模型已内化哪些技能——即该模型已不再依赖这些技能——并将其从该模型的技能库中移除;然而,目前尚无可靠的方法来衡量技能的内化程度。现有规则仅依据有无某项技能时的运行表现差异来进行判断,而这种差异往往微乎其微。无论是对于已被内化的技能,还是在模型与该技能均无法实现相应能力的情况下——我们称这种状态为“未被发现”——其收益几乎都接近于零。因此,我们改采另一种做法:暂不启用该技能,而是基于由该技能衍生的任务对模型进行评分,并且只有当另一模型确实因该技能而获益时,才信任模型在无辅助条件下的高分;因为事实上,近一半的高分都来自那些并未真正体现该技能作用的任务。
DMAIC-Bench:面向多阶段分析任务中智能体的自我反思与自我约束
arXiv:2610.32305v1 发布类型:新 摘要:多阶段分析任务要求大型语言模型(LLM)代理利用中间证据来决定是继续、重定向还是停止。自我反思——即代理对其输出进行批判性评估——已得到广泛研究,然而这种反思并不能说明证据是否改变了下一步行动。我们将这一能力称为“自我约束”。现有的代理基准测试大多仅衡量任务完成度或输出质量,而未对这一能力进行检验。DMAIC-Bench 通过围绕精益六西格玛明确的统计前提条件构建的、涵盖四个行业领域中15个工业案例的97个种子任务,对此进行了评估。成对的反事实变体在相同的工作流位置上要求采取相反的操作,从而能够区分有依据的自我约束与无差别的停止行为。我们采用……对执行轨迹进行评估。
SUDO:从科学出版物到全球学术话语
arXiv:2610.33018v1 发布类型:新 摘要:学术知识图谱(SKGs)支持文献检索、科学发现以及智能体辅助研究。然而,大多数构建学术知识图谱的方法都预先规定了所要表示的知识单元,通常以学术实体或贡献层面的陈述为名,并且仅保留能够通过该单元表达的出版内容。这种选择导致了两种主导但截然不同的范式:以概念为中心的学术知识图谱侧重于保存实体及其局部关系,而以陈述为中心的学术知识图谱则聚焦于以句子形式呈现的高层次话语。在这两种情形下,图谱反映的都是所选定的抽取目标,而非论文实际如何构建并传达知识。我们提出了 SUDO——学术上层话语本体,它定义了知识的……
LeafSkill:用于递归LLM智能体的高效叶级动作定位
arXiv:2610.32412v1 发布类型:新 摘要:递归式大型语言模型(LLM)智能体通过分解、执行与环境反馈来解决长周期任务。然而,在生成一个原子级子任务后,它们往往再次调用同一款大型模型,将熟悉的指令转化为可执行的动作。我们观察到,高层规划具有任务特定性,而底层动作的具身化则在不同任务间反复出现,并且能够对照环境允许的动作进行验证。为此,我们提出了 LeafSkill,这是一种外部复用层,它能够检索语义相关的具身化经验,将动作模板绑定到当前对象与可执行动作上,并借助一个轻量级的 17 亿参数选择器来决定采用已绑定的动作,或将未发生变化的子任务交由原始智能体继续处理。技能始终处于外
个人智能体全球爆发,“中国版Muse”蚂蚁灵光2.0率先交卷
该说不说,这两年 AI 进化得飞快,从整理资料、做 PPT 到敲代码,相信大家都已经习惯让它代劳了。 可你发现没有? 一旦关掉对话框回到现实,AI 好像就和你没关系了。它在它的云....
OpenAI 推出 GPT-6.1 Terra,将用于代理工作的 GPT-6.1 Sol 的 API 价格下调一半
OpenAI发布了GPT-6.1 Terra,这是一种快速的计算机与视觉模型,每百万个标记的价格为1美元/5美元。其在每项任务上的成本为0.29美元,而GPT-6 Astra的中等努力代理的最后一次测试得分则为4.82美元。该文章《OpenAI推出GPT-6.1 Terra,将GPT-6.1 Sol的代理工作API价格减半》首发于MarkTechPost。
