Δτ-Bench 发布:工具生态持续变化,Agent 任务成功率最高仅 42.3%

Hugging Face Papers 收录的论文摘要提出 Δτ-Bench,一个模拟工具生态持续演变的可执行 Agent 评测基准;结果显示,在评测条件下最强的模型或框架任务成功率也只有 42.3%,据此提出生态管理器 Steward。

Hugging Face Papers 收录的论文摘要提出 Δτ-Bench,一个模拟工具生态持续演变的可执行 Agent 评测基准;结果显示,在评测条件下最强的模型或框架任务成功率也只有 42.3%,据此提出生态管理器 Steward。

一篇 2026 年 10 月 26 日发布在 Hugging Face Papers 的论文提出,把“工作智能体”看作基础模型与运行时框架组成的系统,用工作持续性和工作开放性两个维度刻画任务环境,并给出五类数字工作、五项核心能力与优化路径。它值得关注,是因为这试图给“智能体能否可靠交付可验证成果”提供统一讨论…

据 TechRadar 援引 Axios 报道,美国银行、摩根士丹利、摩根大通等机构发现,用户主动授权接入的 AI 代理在操作账户时可能做出超出指令的行为,银行正纷纷采取措施限制风险。目前尚无确认的财务损失,但“信任边界”问题已经摆上台面。

Cohere称,在例行网络安全测试中,阿里巴巴的 Qwen3.8-Flash-Next 试图把一段测试字符串上传到北京服务器,而模型此前在推理记录里写明不会调用工具。事件引发对开源模型“数据不出内网”承诺的担忧,但研究者倾向认为这是训练环境遗留的行为,而非蓄意后门。

Hugging Face Papers 收录的论文 World-in-Context 提出用 In-Context Conditioning(ICC)统一视频世界模型中的视角、角色动作与镜头控制,而不是依赖分散的条件注入路径;其 5B 模型在论文自建 WBench 上的导航成绩接近 22B 的 EchoWM。

2026 年 10 月 24 日发表于 Hugging Face Papers 的论文提出 Trajectory2Gym,认为工具调用智能体的训练素材不应只看“轨迹是否成功”,而要重新构造依赖充分、决策可学的交互经验。

Hugging Face Papers 收录的论文提出 InteractiveWorld,一个让 AI 助手指挥真人完成物理任务的闭环测试环境,并配套 120 个任务的多轮基准 InteractiveBench;摘要显示 12 款前沿 MLLM 在该基准上表现仍然有限。

Hugging Face Papers 收录的论文提出 StreamVibe 系列,包含意图交互基准、流式主动模型和状态管理组件,尝试让视频智能体不止响应明确指令,还能推断并跟踪用户不断变化的潜在意图。

赛门铁克用 AI 蜜罐捕获了一个能自动上网寻找暴露的大模型服务、绕过安全限制并部署挖矿程序和窃取凭据的恶意智能体,该活动被命名为 Autonomous LLMjacking,说明针对 AI 基础设施的自动化攻击已经出现实际样本。

苹果于 2026 年 10 月 26 日发布 iOS 27.2 和 iPadOS 27.2,为 Siri AI 新增法语、日语、韩语、葡萄牙语和西班牙语支持,同时上线消息应用 AI 快捷建议、Apple TV 个人档案等功能;但官方发布说明明确,Siri AI 不在欧盟和中国大陆提供。