智能体

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。

Patch the Planet将安全研究人员、维护人员和事件响应人员联系在一起，帮助解决开放源码中的严重漏洞。

了解OpenAI、PerturAI和Scripps Research如何使用分布式AI代理来从数百万脑细胞的数据中发现有前途的研究线索。

两名工程师在几周内为代理提供了Codex的Stack Overflow，其ChatGPT插件帮助推动代理创建的增长高达10倍。

了解AMP如何推动代理可以使用GPT-6 Astra、Ultrafast、GPT-Live-1以及使用ChatGPT登录的前沿。

使用GPT-6 Astra和GPT-6.1 SoL、Codex和Break用于网络安全，这个人工智能实验室建立了几天专注并随着使用而改进的代理。

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。