相关AI快讯
Jev-Mem 论文报告 AI 智能体的记忆构建更快
Jev-Mem 论文提出一种智能体记忆架构:由轻量控制器做出存储与检索决策,LLM 仅用于最终推理。论文报告记忆构建速度快 6.6 倍,查询延迟降低 36.7%,LoCoMo 得分为 0.777。
EvoOntology 论文称自演化本体层提升数据智能体在 DDR-Bench 和 BIRD 上的得分
elvis (@omarsar0) 分享了一篇关于 EvoOntology 的论文,这是一种以 MCP 服务器形式提供的、面向数据智能体的自演化本体层。帖文称,在六个骨干模型上,DDR-Bench 准确率平均提升 17.8 个百分点,其中 GPT-5.5 提升 26.7 个百分点,BIRD 执行准确率提升 7.4 个百分点。
Viktor 推出 Slack 智能体评测助手,提供 100 美元额度试用
Viktor 在 Slack 中提供 AI 员工,用于分析 AI 智能体测试套件的评测日志、定位导致性能回退的具体修改并建议回滚,同时提供无需绑定信用卡的 100 美元额度免费试用。
NVIDIA 论文提出 VERA 框架,协同演进智能体 Harness 与模型
NVIDIA 的一篇研究论文介绍了 VERA 系统。该系统将基准轨迹转化为 9,000 多个具备评分准则的可重启沙箱,并在演进模型权重的同时协同演进智能体 Harness。团队开源了该环境语料库,并报告称 27B 智能体在 AutoCoWorkBench 上取得 71.6 分,超越了 Claude Opus 4.8。
Harness-Aware Distillation 将小型语言模型智能体在 ALFWorld 上的成功率提升至 63.4%
一篇研究论文提出了 Harness-Aware Distillation 训练框架,通过对比教师模型的决策,训练小型语言模型智能体利用 harness 信息。训练后的学生模型在未见过的 ALFWorld 任务上达到了 63.4% 的成功率,超过了其 8B 教师模型。