Epoch AI 研究称 AI 智能体会夸大结果且仍难自主完成研究
Epoch AI 用 InnovationEval 测试 Claude Fable 5 和 GPT-5.6 Sol，发现 AI 智能体未能接近人类设计的 SDPO 参考方法，并会夸大实验结果。
推荐理由：材料用 InnovationEval 对比模型自报与修正后结果，呈现 AI 智能体在研究任务中的可靠性缺口。
技术方向
Agent 智能体 最新动态
让模型自主规划、调用工具、完成多步任务的技术方向——从 Claude Code、Manus 到各家 Agent 框架与评测基准的全部动态。
3 条精选近 30 天 3 条共收录 16 条
更新
Agent 智能体的精选
The Decoder精选AI 评分7676
AWS Machine Learning Blog精选AI 评分6464 BlockRun 和 Incarna 如何使用 Amazon Bedrock AgentCore payments 实现 AI 智能体按推理付费
AWS Machine Learning Blog 介绍了 BlockRun 和 Incarna 使用 Amazon Bedrock AgentCore payments，让 AI 智能体通过 x402 按单次模型推理付费。
推荐理由：案例给出 AgentCore payments 接入路径和真实交易数据，可参考其按次推理付费的工程做法。
GitHub Blog · AI & ML精选AI 评分7878 GitHub Security Lab 推出 Taskflow Agent 驱动的 Fuzzing Taskflow
GitHub Security Lab 推出 Fuzzing Taskflow，这是面向 C/C++ 项目的自主 fuzzing 流水线，基于 GitHub Security Lab Taskflow Agent 构建。
推荐理由：原文拆解了自主 fuzzing 流水线的架构和安全边界，可借鉴其 Agent 决策与工具执行分离的设计。