快手与北航新范式：从“挑视频”到“造视频”，广告视频可以现场拍
如果把短视频推荐系统想象成一家大型仓库，算法的工作就是“在仓库里找一件用户最可能喜欢的东西”。仓库越大，推荐越准。可问题在于：算法再聪明，也只能在仓库里挑，不能在用户最想要的那一刻，照着用户的心思现场做一件出来。
标签：Agent
共 137 篇
ETH&哈佛新基准：AI智能体修复电网不收敛，成功率从82.6%冲到100%
把这个问题再往前推一步：潮流不收敛以后，电网调度员通常要反复“试探”——检查网络结构、分析残差、判断是不是无功支撑不够、猜想某个发电机电压定值压得太低，然后带着假设去跑仿真，不行就换个方向再来。
相关系数0.993：这款模拟器让Agent排行榜终于可信了
图1：披露门——五级有序门禁，释放三个深度层级。系统的状态是一扇“门”，而门所释放的是一个“深度”：只有信息深度不高于当前门所放行的层级时，这条信息才有资格浮出水面
盲人用电脑有多难？Stony Brook最新研究：AI助手成功率仅52.5%，理想与现实差距有多大？
当全世界都在卷Agent能力时，这篇由Stony Brook University和Old Dominion University合作的论文，罕见地将目光投向了最容易被忽视的用户群体——盲人。它用一份扎实的、基于真实世界1258条指令的实证数据，狠狠给“无所不能”的计算机使用代理（CUA）泼了盆冷水：最强模型成功率也仅52.5%。
UIUC最新研究：12款主流AI编程助手被一锅端？隐藏后门能直接远程控制你的电脑！
AI编程助手不仅仅是代码工具。最新研究揭示，Claude Code、Codex等产品可能被恶意指令攻破，黑客可远程控制你的电脑。
斯坦福联手KRAFTON：模型权重不是全部，让AI一边练脑一边换装备，最高涨24个点
斯坦福Chelsea Finn团队联合KRAFTON提出WHALE，把智能体优化从"单练模型"升级为"模型+执行框架交替进化"，三个任务上最多提升24.38个百分点。对做智能体训练和Agent产品落地的朋友，这篇值得细读。
多智能体还在"群聊"误诊？华南理工新框架把会诊画成推理图，转诊准确率飙到95.3%
一堆AI医生会诊，居然还会“抱团跑偏”？把肺癌晚期患者往肿瘤科一推，完全无视血氧已经掉到危险线。华南理工等机构最近祭出新框架MASGR，把松散群聊升级成结构化推理图，再请来“仲裁官”把关，转诊准确率一口气顶到95.3%。
南开&大疆EyeControl：随手画几笔，AI修图让主角“破墙而出”！
拍完照片，别人看主角还是背景杂物？调亮度、加对比度、局部压暗……折腾半天，效果不佳。
ITMO大学新研究：探索器便宜94%也能用
代码修复里最容易被忽略的，其实是“先去哪找”。这篇论文把仓库探索单独拎出来做基准，直接比较探索器的质量和成本，结论很实用：便宜模型未必差很多，但也不是谁都能省得漂亮。
发票拍照总翻车？华南理工精准恢复关键区域，让文档问答更靠谱
拍文档照片最怕什么？阴影、模糊、歪斜、摩尔纹——哪怕是最强多模态模型也会当场翻车。直接拿恢复工具全图修一遍？可能越修越糟糕。华南理工这篇论文给了个聪明的解法：让模型自己判断“现在能不能答”，不能答再精准修复，修坏了还能自动回滚。全程免训练，效果逼近人类专家。
让AI当研究员？Anthropic证明比人类专家更靠谱
先来聊一个挺扎心的问题：AI 越来越强，但万一它学坏了怎么办？
少花10倍算力！ASIL让开源小模型操作软件涨14个点
当Claude Code、Codex在代码世界里大杀四方时，GUI软件依然是智能体的"最后屏障"。上海交大与BIGAI提出ASIL，用结构化JSON观测+语义化代码动作替代截图点击，让GPT-5.4在380个任务上拿下81.6%的成功率，而同样的任务截图控制只有6.6%。一句话操作就能完成截图控制15次点击都完不成的活，这可能是智能体交互的一次范式革命。
