快讯事件 · 1 条来源
NVIDIA 论文 VERA：基准轨迹转为 9000+ 可重启沙箱，协同训练智能体模型与 harness
作者推荐 NVIDIA 论文 VERA，称其将基准轨迹转化为 9000 多个可重启沙箱并附评分 rubric，只保留可运行且能从可观察证据打分的环境，同时更新模型权重与 harness：harness 修改须通过自测且开发集提升至少 5 分才保留，模型 checkpoint 分数降超 20% 则拒绝。作者称 9B 协同演化智能体在 AutoCoWorkBench、AutoMedBench 上分别比最强单维基线高 10.3、13.0 分；27B 在 AutoCoWorkBench 得 71.6 分，高于 Claude Opus 4.8；环境语料已开源。以上为作者声称，未经独立核实。
全部来源
前后事件
相关事件
微软发布Microsoft-Decision-1，聚焦快速决策任务
Satya Nadella介绍，Microsoft-Decision-1面向快速决策，在结构化决策任务上表现领先，并在延迟和质量上超过其他LLM及决策模型；omarsar0表示会将其纳入评估，并称一致性与复杂决策仍是此类模型的短板。
OpenAI Codex测试版新增composer predictions功能，向Pro用户开放
OpenAI Developers宣布，Codex面向Pro用户测试composer predictions功能，可根据对话内容及用户沟通方式建议下一条消息。发帖者omarsar0表示，其自研agent编排器中已有类似的预测工具，并使用Haiku、Luna等较小模型。
StepFun推出Step 5 Preview，上线次日登顶OpenRouter热门榜首
Step 5 Preview发布次日登上OpenRouter Trending榜首，已接入Kilo Code、Cline、Hermes Agent和OpenCode。omarsar0实测称其能自我检查、任务完成后停止，适合长时间自主运行的工程任务；模型为600B总参数、每token激活27B的稀疏MoE，上下文窗口达1M tokens，开放权重将于10月15日放出。
Meta超级智能实验室提出"智能体可塑性"：按每美元学习收益衡量自我改进模型
Meta Superintelligence Labs的研究人员提出"agent plasticity"指标，在模型权重冻结、每次运行从全新上下文开始的条件下，衡量智能体在留出任务上每美元学习投入的得分增益。研究发现，表现最好的模型往往与学习效率最高的模型不同：在国际象棋、围棋和Hex中，Claude Fable 5取得最高最终得分，而GPT-5.6 Sol的单位美元增益最大；在NetHack中，仅Claude Opus 5.5显著提升66个归一化点，学习成本约1073美元。研究还发现，学习较慢的智能体常忽略自己已写下的产物，而学习更快的智能体会复用这些产物，但产物质量低时仍会失败。
Victor Riparbelli宣布Syren Video上线并可免费试用，支持提示词生成与对话式编辑
Victor Riparbelli表示，Syren Video现已上线并可免费试用：通过提示词生成视频、再以对话方式修改，由Opus 5.5和具备3D支持的Syren渲染器驱动，可在浏览器或通过Claude MCP使用。发帖者omarsar0称其可从素材库学习用户的图形、动作和剪辑节奏偏好，并表示正探索将其用于教育场景。