搜索资讯

Browser Use 发布实操指南，比较编程智能体接入已登录 Chrome 的方式，涵盖浏览器扩展、Playwright MCP 和 Chrome DevTools MCP。文章区分标签页授权与整浏览器连接，并解释设备绑定会话为何可能使复制 Cookie 失效，帮助开发者按工具与登录方式选择方案。

OpenAI 介绍前沿模型训练与评估环境的安全加固：以缓存网页构建离线环境，并结合沙箱、虚拟机、网络边界和行为监控实施多层隔离。公司称，内部红队测试发现软件漏洞及配置问题，修复后已于 10 月 1 日恢复相关强化学习训练，并把持续红队测试纳入后续安全评估。

Asana 的浏览器智能体研究将历史缓存、截图清理策略和上下文预算一起优化。在公开目录信息采集测试中，优化后的 GPT-6.1 Sol 工作流每次模型成本约为 0.47 美元；76 倍降幅同时包含工作流与模型变化，需要结合基线和任务条件理解。

Sophos 介绍了基于 OpenAI Daybreak 的威胁调查流程：智能体收集案件上下文与威胁情报，生成调查计划和处置建议。官方案例称，使用这些智能体的案件平均响应时间由约 38 分钟降至 89 秒，同时保留客户授权边界和人工判断环节。

PyTorch 技术博客介绍 NVIDIA Dynamo 的会话级推理优化：通过稳定会话标识关联多轮请求、工具调用和子任务，让调度器结合整个会话的工作集管理缓存。在文中给定的 SWE-bench 配置下，会话感知调度较单纯 KV 路由提高约 12%–16% 吞吐。

了解 OpenAI 和 Ironclad 如何在复杂的合同工作流程中训练和评估 AI 智能体，以推进其在专业工作中的计算机操作能力。

在多种交互环境中联合训练单个大语言模型智能体，作为实现通用智能体的一条路径，正受到越来越多的关注。现有的课程学习和数据选择策略，通常在环境层面分配训练，或优先考虑局部的奖励信号，而没有在提示组选择时明确考虑不同环境中当前运行轨迹之间的关系。同时，由于各环境的学习速度不同，一个批次中可能同时存在全部失败和全部成功的轨迹组，导致这些数据缺少组内相对奖励信号。两者……

具有可验证奖励的强化学习（RLVR）的常见范式，是让智能体多次尝试任务，并朝成功的尝试进行优化。但在自我改进场景中，这种范式会遇到问题：任务可能难到智能体成功机会很小甚至为零，同时也没有教师模型或示例解法可供蒸馏。本文提出 RLTL;DR。每次尝试失败后，我们向策略展示验证器输出，让它以一条简短的 TL;DR 洞见写出自己的反馈。下一次运行则以……为条件。

近期，自主机器学习工程（MLE）智能体在公开排行榜上取得了显著进展。由于长期运行周期中的进展停滞，以及大语言模型（LLM）基础操作能力受限，现代 MLE 智能体往往运行在越来越复杂的辅助机制之上，包括多智能体编排器、专用检索子智能体等。但在这些框架不断扩大的同时，使用更基础但能力更强的编程智能体——让 LLM 通过读、写和 bash 等基础操作直接访问执行环境——在这一领域受到的关注较少……

持续学习智能体由模型、辅助框架和记忆组成，运行时间跨度涵盖多个长期会话。评估和训练它们，需要将任务与智能体端事件交错安排，例如会话停止和启动、定时任务以及记忆整合。但现有基准测试和训练框架仅安排基准自身的事件，导致每一对基准与智能体都需要构建自定义调度循环。我们提出 SCLATE：通过适配器，基准测试和未修改的智能体可以将各自事件加入同一个开放的事件调度器。混合模拟时钟……

在 Basis 的测试中，GPT-6 Astra 完成包含 50 个工作表的税务工作簿所需时间比 GPT-5.6 Sol 减少了 50%。模型对用户意图的理解有所增强，提高了 Basis 对其实际应用能力的信心。

来源未提供摘要，请打开原文了解详情。