谷歌提出EnvHarness：让静态环境随Agent一起进化

来源：市场资讯（来源：网易科技）大语言模型（LLM）正在从文本生成器转向能够浏览网页、修改代码和操作办公软件的智能体（Agent）。与传统 LLM 主要从静态语料中学习不同，Agent 的能力提升越来越依赖可交互环境：提供任务、维护状态、响应动作，并通过验证器判断任务是否完成。

新浪财经

论文汇总丨Harness进展：Meta/谷歌等探索长程执行、自演化与评估

纵观当前前沿研究，无论是优化长程任务中的状态管理、让智能体自主学习外部记忆使用策略，还是依据失败经验持续改进运行机制，其核心目标都指向同一个方向——突破单一模型能力边界，为智能体构建能够持续执行、学习与自我进化的运行基础设施。

HyperAI超神经

上下文学习：唯一重要的 AI 功能

你的 RAG 系统之所以能工作，是因为大语言模型的上下文学习能力使其能够理解上下文。我知道接下来的话会让很多机器学习工程师感到失望，坦白说，可能会冒犯到那些在定制微调上花费数万美元的人。

新缸中之脑

分享一个还挺好玩的 GitHub 开源世界模型，能实时生成可交互世界。

Noiz AI 开源了 HelixWorld:给一张图，用 WASD 在画面里走动、转头，声音随视角一起变。模型联合生成视频与音频，单张 H800 预热后能以 768×512、24 FPS 实时出画。

人人都是产品经理

E-Ledger：面向部分可观测世界的安全持久智能体Harness

企业里的智能体不只是会调用工具就够了。政策审批、隐藏副作用、跨多条记录的长程状态，经常叠在一起：表面上一次“更新成功”的工具回执，未必等于世界真的按你以为的方式变了。

小猪猪-开心就好

深度学习曾经有整整两年打不过一个叫"密集轨迹"的老方法

2014 年之前，如果你想让电脑看懂视频里的人在做什么，最靠谱的办法居然不是神经网络。那个时候图像识别领域已经天翻地覆了。2012 年 AlexNet 横空出世，把图片分类的错误率一下砍掉了一大截，深度学习的浪潮从此再也拦不住。

科技行者

摩尔线程单季扣非盈利，物理AI能带来多少新生意？

10月31日，摩尔线程、惠山招商集团与国内L4级自动驾驶无人车头部企业新石器签署战略合作协议，依托无锡国产智算中心，推动更大规模的自动驾驶模型训练。

疯狂科技厅

Google：和agent一样，环境也可以有Harness

我们花了许多时间给 LLM 配上了 harness，来帮助 LLM 成为 agent 更好的完成在复杂环境中的任务，那么在环境这一端呢?

机器之心Pro