01
Firecrawl 上线 /monitor
Firecrawl 上线了 /monitor 功能，支持用户输入一个 URL，并用自然语言描述要跟踪的目标，系统会按设定频率监测页面变化并通过 webhook 推送给 AI agent。官方称该方案只摄取真正变动的部分，最多可减少 90% 的 LLM tokens，diff 中会列出新增、删除和修改内容，并提供 permalink。功能支...
观察
Signal Feed
#智能体 主题信号第 6 页
围绕 智能体 的精选动态、来源摘要和重要性判断。
动态列表
02
SIA 自我改进框架
Sumanth 引用并转发了关于 Self Improving AI（SIA）的帖子，称该框架可以让任意 AI 系统在基准任务上通过自我反馈循环持续提升性能。原文称 SIA 在每次运行后会同时更新自身的 harness、底层模型权重和 memory layer；在 OpenAI 的 MLE-Bench 上，它登上排行榜首位，超过了专门的 ...
观察
03
WallStreetPrep 的财务建模评测
WallStreetPrep 对面向真实财务工作的 AI 财务建模代理做了一次评测，任务不是玩具提示词，而是为 Apple 构建历史与预测财务报表，要求引用来源、链接假设、添加附表并保证工作簿可审计。测试中 Primer 这一 AI financial modeling tool 表现领先，其方法是先生成更强的三表模型，再把结果转换为可审...
观察
04
Introducing Claude Opus 4.8
Anthropic 将 Claude Opus 升级到 Claude Opus 4.8，称其在各项 benchmark 上较 Opus 4.7 有改进，并在定价上保持不变。claude.ai 新增可调节 Claude 处理任务所投入 effort 的功能，Claude Code 新增 dynamic workflows，可处理更大规模问题...
值得跟进
05
LocateAnything视觉检测模型
NVIDIA AI研究团队在CVPR2026会议上发布了LocateAnything视觉语言检测模型，该模型在HuggingFace上趋势排名第一。模型训练于138M高质量样本，采用并行解码边界框技术而非传统的一次一个坐标方式，提高了定位精度并大幅增加视觉定位和检测的吞吐量。
观察
06
Claude Opus 4.8
Anthropic 发布了 Claude Opus 4.8，价格与上一代 4.7 持平；官方称其判断更准确、更诚实地承认不确定性，并且能更长时间独立执行 agent 任务。同步上线 fast mode，速度约提升 2.5 倍，价格比以前便宜 3 倍，在 Claude Code 中可用 /fast 开启，API 用户需找客户经理申请或排队。
值得跟进
07
Opus 4.8 上线
Anthropic 发布 Opus 4.8，并表示它比之前版本更诚实，会承认自己不知道的内容，并在自己的代码里发现问题而不是掩盖。该模型被推荐用于 Claude Code 的日常使用。Anthropic 还在 Claude Code 中以 research preview 形式推出 dynamic workflows：Claude 可以先...
观察
08
Claude Opus 4.8 发布
Claude团队发布Opus 4.8版本，相比Opus 4.7在速度（2.5倍快）、成本（3倍便宜）和代码能力（74.6% agentic terminal coding）上有显著提升，新增动态工作流功能可通过并行子代理协作处理复杂工程任务，验证机制通过对比子代理结果迭代优化结果。
值得跟进
09
HexoAI 开源 SIA
HexoAI 发布开源自我改进框架 SIA（Self Improving AI framework），主张在反复利用自身任务反馈训练后，模型不仅能改进外部工作流（harness），还会更新自身权重。原文称该方法在 LawBench 上提升 56.6%，GPU kernels 运行时减少 91.9%，在单细胞 RNA 去噪任务上相对基线提升...
值得跟进
10
TERMS-Bench 发布
Erica (@ericavaneee) 团队发布 TERMS-Bench，一个用于评测 LLM agents 在真实经济谈判场景中的三层基准。该基准不使用 LLM-as-judge，也不依赖 outcome rubrics，而是由环境本身作为验证器。结果显示，在前沿模型中 AnthropicAI 的 Claude Opus 4.6 排名...
值得跟进
11
Anthropic 发布 Opus 4.8，提升推理能力和成本效率
Anthropic 发布 Opus 4.8 模型，核心改进包括判断能力提升、诚实度增强、处理长度扩展，保持原价。新增功能：快速模式速度提升至 2.5x（成本降低 3 倍）、动态工作流支持并行运行数百个子代理（Claude Code），Claude 应用新增努力控制功能。
值得跟进
12
Claude Opus 4.8 上线
Claude 发布 Opus 4.8，称其在 Opus 4.7 基础上提升了判断力、自我进展诚实度，以及更长时间的独立工作能力。官方同时表示，Fast mode 已可用，速度约为原来的 2.5 倍，成本比之前低 3 倍；引用原帖还称该模型“今天按同样价格 उपलब्ध”。原文提到基准测试中 Agentic coding 提升尤其明显。
值得跟进
13
Claude Code 动态工作流
ClaudeDevs 在 Claude Code 的 research preview 中推出 dynamic workflows：Claude 会先按任务现场生成 orchestration script，再并行调度一组 coordinated subagents 处理复杂任务。该功能从今天起可用于 Max、Team、Enterpris...
观察
14
Claude Code 动态工作流
Anthropic 在 Claude Code 中加入 Dynamic Workflows（research preview）。Claude 会先制定计划，再动态生成编排脚本，在单次会话里运行几十到数百个并行 subagents，并在向用户返回前先校验结果。该能力面向复杂的 legacy codebase 场景，例如跨整个 service...
观察
15
HF science team 异步 RL 权重同步优化
clem 🤗 介绍了 Hugging Face science team 在 TRL 中实现的异步 RL 权重同步优化：每个 RL step 不再同步完整权重，只导出变化的元素为稀疏 safetensors 文件，通过 Hugging Face Bucket 分发给 vLLM。对于 Qwen3-0.6B，单步传输载荷从 1.2 GB 降到...
观察
16
SWE-rebench 更新
Ibragim (@ibragim_bad) 更新了 live benchmark SWE-rebench 的 3 月到 5 月版本，新增了更多 fresh 和 complex 的 GitHub issue+PR 任务，并对每个 model/scaffold 运行了 110 个任务、每个任务重复 5 次。该基准计划每两个月更新一次任务集，...
观察
17
Your Agents Are Aging Too: Agent Lifespan
德克萨斯大学团队提出论文《Your Agents Are Aging Too: Agent Lifespan Engineering for Deployed Systems》，指出 AI agents 在部署后即使底层模型不变，也会随着多轮会话、记忆压缩、事实更新和维护流程而逐步失去可靠性。论文提出基准 AgingBench，用于评估 ...
观察
18
腾讯云 Agent Memory 方案
腾讯技术工程团队介绍了 TencentDB Agent Memory 的短期记忆压缩方案，核心是“上下文卸载”与 Mermaid 任务画布结合：将完整工具调用结果、网页正文、日志等外部保存，只在上下文中保留摘要和索引，再用带状态、摘要和时间戳的 Mermaid 图组织任务进度与依赖关系。文章还提出四层记忆架构，包括原始原文、工具级 JSO...
值得跟进
19
我们如何在多个产品中约束 Claude
Anthropic Engineering 介绍了其在三个主要产品中约束 AI 智能体的工程方法，涵盖 https://t.co/4zA6V9Pu5R、Claude Code 和 Claude Cowork。文章区分了三类风险：用户滥用、模型行为不当、外部攻击者，并对应三类防御组件：环境、模型、外部内容。文中给出三种隔离模式：用于 htt...
观察
20
Qwen3.7-Max 跻身 ITBench-AA 第3
Artificial Analysis 与 IBM Research 发布 ITBench-AA，这是一个用于评估模型在 agentic enterprise IT 任务上的新基准，首个场景是 Site Reliability Engineering（SRE）。该基准共包含 59 个 SRE 任务，其中 40 个公开任务、19 个全新留出...
值得跟进