Inline agent dialog breaks its two-column layout in smaller windows
在 Dify Studio 工作流中打开内嵌 Agent 节点的配置弹窗，当浏览器视口窄于 xl 断点（1280 CSS 像素）时，弹窗会丢失两栏布局：Configure 面板保留桌面端宽度，Build/Preview 折到下方，关闭按钮随预览页头下移。优先排查内嵌弹窗对共享 AgentConfig
标签： AI应用
SERA获51.38%成功率：自进化框架让机器人牢记过往任务
研究人员提出 SERA，在固定底层 VLA 执行器之上，用可编辑的“外挂框架”管理高层 VLM 规划，让机器人记住任务进度并从执行反馈中修正判断。据摘要，其在 RoboMME 基准上取得 51.38% 总体成功率，相比无自进化版本提升约 7 个百分点。
issue: Screen readers aren’t told whether an archived chats search found anything
该问题出现在 Open WebUI 的“设置 → Archived Chats”页面使用搜索框时：列表会筛选，但屏幕阅读器（Issue 中为 Orca）不会收到匹配数量或“无结果”的播报，只回显用户输入。它属于无障碍播报缺失，不是后端搜索失败；优先排查前端是否加载了包含无障碍状态行的修复版本。
issue: context usage gauge ignores the model’s own compaction threshold
该问题出现在 Open WebUI 开启上下文压缩、且为某个模型单独设置了更低的 compact_token_threshold 时： / 弹出层里的上下文占用百分比仍按全局阈值计算，而实际自动压缩按模型阈值触发，因此显示值与实际行为不一致。优先排查模型级阈值是否未传到前端、以及服务端计算上下文占用
AgentPolicyForge用可执行环境训练策略护栏，攻击成功率最多降44%
arXiv 上一篇新论文提出 AgentPolicyForge 框架，把策略约束做成可执行环境来生成测试集并反复训练策略护栏，摘要称其在自建 PolicyGym 测试集上把攻击成功率相对降低约 40%–44%，值得关注的是它试图解决“只靠提示词管不住 Agent 越权调用工具”的老问题。
Hugging Face新论文提出MCCL：以记忆为中心的持续学习框架
Hugging Face Papers 于2026年10月21日收录一篇论文，提出“以记忆为中心的持续学习”（MCCL），主张用未来行动表现而非检索准确率来评价AI Agent的记忆系统。目前仅为摘要信息，未核验全文实验。
ASAP 框架：训练前评测大模型智能体能力的新方法
Hugging Face Papers 收录的一篇论文提出 ASAP 框架，在预训练阶段就让基座模型跑端到端智能体任务，而不是等微调成聊天模型后再测，为观察模型的交互行为提供了新视角。
TEAL让编码Agent无监督进化数据湖分析工具
Hugging Face Papers 收录的论文提出 TEAL 方法，让编码 Agent 在无标签条件下自动积累和迭代数据湖分析工具，从而在有限步骤预算内提升答题表现。它值得关注，是因为这触及了 Agent 从“一次性解题”走向“跨任务复用经验”的工程路径。
[FEATURE] Build an offline Jev routing and guardrail evaluation runner
![[FEATURE] Build an offline Jev routing and guardrail evaluation runner](https://www.chat-gpts.plus/wp-content/uploads/2026/10/8124-3830fc16-768x403.jpg)
这个报错通常发生在尝试运行「[FEATURE] Build an offline Jev routing and guardrail evaluation runner」相关评估时——即用本地 JSON/JSONL 标注记录加确定性假决策做离线路由与防护栏评测，最常见的冲突来自指标口径（失败记录是否
Meta²提出可复用“元技能”：长程智能体在线进化能力跨任务迁移
2026年10月21日发布的论文Meta²提出一种新方法：离线学习一份可复用的文本“元技能”，在线只对该次任务修改智能体的harness（提示词、工具、记忆与钩子），而不共享进化后的harness。在Terminal-Bench 2.1和DeepSWE 1.1上，其报告成绩领先所评估方法。