VEX框架让电脑操作智能体学会”看视频学习”,任务成功率提升22%

arXiv 上一项新研究提出 VEX 框架,让电脑操作智能体直接利用教学视频中的画面与语音进行学习,并通过回看自身操作视频来校验进度。在 OSWorld 测试中,9B 规模的 video-SALMONN-VEX 相比其 Qwen3.5 底座任务成功率相对提升 22%。

arXiv 上一项新研究提出 VEX 框架,让电脑操作智能体直接利用教学视频中的画面与语音进行学习,并通过回看自身操作视频来校验进度。在 OSWorld 测试中,9B 规模的 video-SALMONN-VEX 相比其 Qwen3.5 底座任务成功率相对提升 22%。

arXiv 2026年11月17日发布的一篇新论文提出,与其争论AI是否算“道德主体”,不如转向描述性研究:拆解人类道德能力,将其细化为可测试指标,用于评估大语言模型等AI系统。这为AI对齐讨论提供了一个更可操作的评估路径。

Hugging Face Papers 平台出现 K2-Horizon 论文,作者称发布六个完全开源的语言模型,规模从 0.9B 稠密模型到 375B-A23B MoE,并公开训练数据、中间检查点和完整训练管线。这对关注开源大模型透明度与可复现性的开发者值得留意,但论文摘要不等于已上线产品。

arXiv 上一项研究比较“一个智能体连续玩八条命”和“八个智能体各玩一条命、每次只交接 300 字符笔记”,发现链式交接会持续丢失经验,八代后约相当于单智能体玩四条命的水平,提示多智能体协作与长任务交接中的“写下来”本身就是瓶颈。

Hugging Face Papers 收录了一篇关于 Sage S2.1 Flash 的技术论文摘要,该模型是一款 3200 亿参数的通用混合专家(MoE)模型,主打科学证据推理与交互环境中的任务执行,在多个智能体基准上表现突出。

掘金开发者谭sir 于 2026 年 11 月 16 日发布文章,总结了一套围绕 AI 的辅助开发工作流,核心结论是:给足上下文、给出明确指令,AI 才能把任务做好;同时需要配套测试与 Review 方式的调整,否则提效会在验收环节被卡住。

Docker 把 AI 智能体、它使用的工具以及所申请的权限,统一打包成一个标准 OCI 镜像,并将 Sandbox Kit 规范 v3 捐赠给 CNCF,试图让权限声明也像容器镜像一样可移植和可审查。
![[Bug]: Groq 401 "Invalid API Key" is mapped to BadRequestError (stored as 400_INVALID_REQUEST)](https://www.chat-gpts.plus/wp-content/uploads/2026/11/51994-9ccf2e47-768x403.jpg)
这个报错通常出现在 LiteLLM 代理转发 Groq 请求、且 Groq 返回 401(无效 API Key)或 404(错误 api_base)时。客户端拿到的 HTTP 状态码是对的,但 LiteLLM 内部抛出的异常类与 spend log 中的归一化错误被错标为 BadRequestErr

DigitalOcean 发布 Managed Agents 公开预览版,把 AI 智能体所需的隔离运行时、会话持久化和工具访问整合为托管服务,目标是降低在生产环境扩展智能体的基础设施成本。

Hark 于 11 月 12 日发布 Handoff²,这是 Hark Pro 内置的第二代计算机操作 Agent。Hark 称其平均完成网页任务的速度约为初代的两倍,并公布了内部测试数据。由于这些数据全部为自报、尚无第三方评测,速度提升能否在真实场景中复现,仍待验证。