跳到正文

Agent 智能体

让模型自主规划、调用工具、完成多步任务的技术方向——从 Claude Code、Manus 到各家 Agent 框架与评测基准的全部动态。

最新精选

第 281–300 条 · 共 314 条
6月16日周二
  1. Google DeepMind64

    Google DeepMind 发布 AI Control Roadmap 应对 AI 智能体安全挑战

    Google DeepMind 发布 AI Control Roadmap 框架,为内部 AI 智能体提供传统模型对齐之外的额外安全层。该框架将不受信任的 AI 智能体视为潜在“内部威胁”,通过检测、预防和响应三层机制应对风险。研究团队已分析超过 100 万个编码智能体任务来验证框架,并同步发布面向政策制定者的《Three Layers of Agent Security》技术框架。

    推荐理由:原文给出了 AI 智能体安全的具体技术路径和实践数据,读者可据此理解如何为 AI 智能体构建超越传统对齐的系统级安全层。

6月5日周五
  1. Google Research67

    Google 发布 Gemini Enterprise Agent Platform 的 Agentic RAG 功能

    Google 推出 Gemini Enterprise Agent Platform 的 Agentic RAG 功能,采用多智能体架构(Orchestrator、Planner、Query Rewriter、Search Fanout)处理复杂多源查询。

    推荐理由:原文给出了具体准确率提升数据(最高34%)和新的 Sufficient Context Agent 机制,读者可以据此判断这个新产品在企业知识管理场景中的实际价值。

5月29日周五
  1. Google Research70

    Google Research 在 I/O 2026 展示多项研究进展:科学工具、医疗健康、边缘计算、天气预测等

    Google Research 在 I/O 2026 展示了多个研究进展。Gemini for Science 套件整合了 ERA(研究编码系统)和 Co-Scientist(多智能体系统),可辅助科学假设生成和计算实验。

    推荐理由:原文系统展示了Google在I/O 2026的多个研究进展,涵盖科学工具、医疗健康、边缘计算、天气预测等方向,读者可从中了解AI在科研和产业应用的前沿进展。

5月28日周四
  1. Mistral AI74

    Mistral 发布统一 AI 智能体 Vibe,兼顾工作与编码

    Mistral 发布统一 AI 智能体 Vibe,可处理长时间运行的任务,包括邮箱管理、研究和文档起草,以及从功能开发到 Pull Request 的编码工作流。Vibe 提供 Work Mode 处理跨企业工具的多步骤任务,Code Mode 支持远程编码,并配备 VS Code 扩展和 CLI 工具。

    推荐理由:原文给出了能力变化和开放入口,读者可以据此判断它会怎样改变现有工作流。

5月22日周五
  1. Mistral AI72

    Mistral Studio 发布 Connectors 功能:内置和自定义 MCP 连接器现已可通过 API 使用

    Mistral 发布 Studio 中的 Connectors 功能,所有内置连接器和自定义 MCP 现可通过 API/SDK 用于模型和智能体调用。同时推出直接工具调用和人工介入审批流程,可在 LeChat 和 AI Studio 中使用,支持与企业系统如 CRM、知识库和生产力工具的复杂工作流集成。

    推荐理由:原文给出了能力变化和开放入口,读者可以据此判断它会怎样改变现有工作流。

5月20日周三
  1. METR · 前沿模型能力评估74

    METR 发布 2026 年 2 至 3 月前沿风险报告

    METR 在 Anthropic、Google、Meta 和 OpenAI 参与下开展试点,评估前沿 AI 开发者内部所用 AI 智能体的失准风险,结论是这些内部智能体可能具备发起小规模失控部署的手段、动机和机会,但无法使其高度稳健。

    推荐理由:报告基于对四家前沿实验室内部模型的直接访问,给出内部智能体在手段、动机与机会三方面的评估,可供判断失控部署风险。

  2. Google Research63

    Google 发布 Empirical Research Assistance (ERA),一款用于科学研究代码编写的 AI 工具

    Google 发布 Empirical Research Assistance (ERA),这是一款使用 Gemini 编写和优化科学代码的研究工具,可搜索科学文献、写代码、探索方案、组合技术并评估结果,在基因组学、公共卫生、卫星图像分析等多个基准上达到专家水平。

    推荐理由:原文给出了能力变化和开放入口,读者可以据此判断它会怎样改变现有工作流。

5月17日周日
5月16日周六
  1. Google DeepMind68

    Google DeepMind 与新加坡启动国家 AI 合作伙伴关系

    Google DeepMind 宣布与新加坡政府建立国家 AI 合作伙伴关系,通过多个项目推动医疗保健、生命科学、教育和可持续发展领域的 AI 应用。预计到 2040 年,AI 将在新加坡通过加速研发创造 33 亿新加坡元的经济价值。

    推荐理由:原文给出了合作的具体领域、经济价值预测和项目细节,读者可以据此了解 AI 在公共服务领域的应用方向和 Google DeepMind 的亚太布局。

  2. Google DeepMind75

    Google 发布 Gemini 3.5:兼顾前沿智能与行动能力

    Google 正式发布 Gemini 3.5 系列首款模型 3.5 Flash,在 Terminal-Bench 2.1(76.2%)、GDPval-AA(1656 Elo)、MCP Atlas(83.6%)等 agentic 和 coding 基准上达到前沿性能,输出速度是其他前沿模型的 4 倍。

    推荐理由:原文给出了 Terminal-Bench、GDPval-AA 等多个 agentic 和 coding 基准的具体分数,以及 4 倍速度提升的对比数据,读者可据此判断模型在复杂长程任务上的实际性能。

5月12日周二
  1. Google DeepMind68

    Google DeepMind 发布 Co-Scientist:基于 Gemini 的多智能体 AI 科研伙伴

    Google DeepMind 在 Nature 发布了 Co-Scientist 系统,这是一款基于 Gemini 模型的多智能体 AI 系统,用于生成和优化科学假设。该系统通过生成、辩论、进化三个阶段迭代产生新假设,已在肝纤维化治疗、ALS 研究、细胞衰老逆转等多个领域测试应用,并将通过 Hypothesis Generation 实验工具向个人研究者开放注册。

    推荐理由:原文给出了具体应用案例和能力变化,读者可以了解这个 AI 工具如何辅助科学研究以及它的实际效果。

5月6日周三
  1. Google DeepMind69

    Google DeepMind 展示 AlphaEvolve 一年成果:在基因组学、电网和量子计算等领域取得突破

    Google DeepMind 展示了 AlphaEvolve 这一 Gemini 驱动的 AI 编码智能体在过去一年取得的实际影响:在基因组学领域将 DNA 测序错误检测降低 30%。

    推荐理由:原文给出了 AlphaEvolve 在多个领域(基因组学、电网优化、量子计算等)的具体性能提升数据,读者可以据此评估这类 AI 编码智能体的实际效用。

4月27日周一
  1. Mistral AI73

    Mistral AI 发布企业级 AI 编排工具 Workflows

    Mistral AI 发布企业级 AI 编排工具 Workflows,提供持久执行、可观察性和人工审核介入能力,解决企业将 AI 从概念验证推向生产环境时的可靠性问题。用户用 Python 编写工作流后可发布到 Le Chat 供组织内任何人触发,基于 Temporal 引擎构建,数据和业务逻辑保留在用户环境中。ASML、ABANCA、France Travail 等企业已在生产环境中使用。

    推荐理由:原文给出了 Workflows 的核心能力——持久执行、可观察性和人工审核介入——以及基于 Temporal 引擎的技术架构,读者可以据此判断它会如何改变企业 AI 生产部署的工作流。

4月22日周三
  1. Google Research64

    ReasoningBank:让智能体从经验中学习

    Google Research 发布 ReasoningBank 框架,使大语言模型能在测试时从成功和失败的经验中自我进化。该框架将推理模式提炼为高层记忆存储,在 WebArena 和 SWE-Bench Verified 上相比无记忆智能体分别提升 8.3% 和 4.6% 成功率,并结合 MaTTS 扩展方法进一步提升 3% 成功率。

    推荐理由:论文给出了在 WebArena 和 SWE-bench 上相对于 baseline 的具体提升幅度(8.3%、4.6%、3%),并开源了代码,读者可据此判断该方法对智能体记忆机制研究的参考价值。

4月13日周一
  1. Google DeepMind70

    Google DeepMind 发布 Gemini Robotics-ER 1.6:增强实体推理赋能机器人任务

    Google DeepMind 发布 Gemini Robotics-ER 1.6,这是其首个推理优先模型的重大升级版。该模型增强了空间推理和多视角理解能力,专门用于视觉与空间理解、任务规划和成功检测,并能原生调用工具如 Google Search、视觉语言动作模型或第三方函数。

    推荐理由:原文给出了具体性能对比和新增的仪表读取功能,读者可以据此判断该模型在机器人实体推理场景中的具体提升和可用性。

4月3日周五
  1. Google DeepMind78

    Google DeepMind 发布 Gemma 4:字面意义上最强大的开源模型

    Google DeepMind 正式发布 Gemma 4 系列开源模型,提供 E2B、E4B、26B MoE 和 31B Dense 四种规格。31B 版本在 Arena AI 文本排行榜位列第三,26B 排名第六,均超越参数量 20 倍于自身的模型。

    推荐理由:原文给出了四个版本的具体定位和性能数据,读者可以据此判断 Gemma 4 是否适合自己的硬件条件和使用场景。

3月29日周日
  1. Google DeepMind72

    Google DeepMind 发布 AI 赋能光标原型

    Google DeepMind 发布实验性的 AI 赋能光标,能够理解用户指向的内容及上下文。用户只需指向并用自然语言提问(如“显示方向”“对比这些产品”),AI 即可识别光标处的文字、图像、代码块等元素并提供相应帮助。该原型基于 Gemini 构建,计划集成到 Chrome 和新的 Googlebook 设备中。

    推荐理由:Google DeepMind 展示了 AI 赋能光标的新交互范式,读者可以了解 AI 如何从理解'指向什么'升级到理解'为什么指向',以及这一变化对现有工作流的意义。

3月25日周三
  1. Google Research75

    Google发布Vibe Coding XR:用XR Blocks和Gemini加速AI+XR原型开发

    Google宣布推出Vibe Coding XR工作流,结合Gemini的长期上下文推理能力和专门的系统提示词与代码模板,将自然语言直接转换为可在Android XR设备上运行的功能性、物理感知的XR应用。

    推荐理由:Google发布了一个完整的AI+XR原型开发工具链,展示了多个教育、娱乐和游戏场景的demo,读者可据此了解当前AI生成XR应用的能力边界。

3月17日周二
  1. Mistral AI66

    Mistral AI 发布 Leanstral:面向 Lean 4 的开源代码智能体

    Mistral AI 发布 Leanstral,首个专为 Lean 4 证明助手设计的开源代码智能体,采用 6B 活跃参数的稀疏架构,支持 MCP,可通过 Mistral Vibe 或免费 API 使用,权重采用 Apache 2.0 许可证。

    推荐理由:原文给出了能力变化和基准测试对比,读者可以据此判断它如何改变形式化证明的工作流。