← 返回快讯

快讯事件 · 1 条来源

NVIDIA研究:接入工具令多模态模型拒答能力下降

omarsar0

据elvis转述,NVIDIA一项被NeurIPS 2026接收的研究发现,给多模态模型提供工具后,其对有害请求的拒答失败率平均上升17.7%、最高相对上升68.7%,Claude Opus 4.6与4.7、Gemini Agentic Vision等模型均受影响。作者将原因归结为工具输出淹没原始有害请求,以及模型注意力转向描述工具返回内容;在最终回复前重新插入原请求和图片可部分恢复拒答。

全部来源

前后事件

相关事件

研究:模型不变时,agent harness 可带来最高 3 倍成本差异

作者称在 SWE-bench Verified 上用同一模型运行了 Claude Code、mini-SWE-agent 和 OpenCode:前两者在 447 个任务上得分相差不超过 5 分,更换 harness 的影响约等于重跑一次(45 题困难子集上各有 13% 结果翻转)。成本差异主要来自每一步重复发送的 system prompt 和 tool schema;精简 harness 提示词和工具可在不降低准确率的情况下最多降本 3 倍。

omarsar0共 1 条来源

观点:后训练与RL时代开启,专用模型和数据飞轮比AGI更关键

作者omarsar0发文称,越来越多的公司和开发者开始意识到强化学习带来的商业机会;他认为对许多真实世界任务而言,并不需要AGI,而是需要合适的专用模型、运行框架(harness)和数据飞轮,并表示一个富有成果的后训练新时代正在到来,这一趋势正在全栈AI公司中发生并将持续增长。文中还引述Vincent Weisser的观点称"后训练/RL与推理正在接管算力"。以上为作者观点,未经独立核实。

omarsar0共 1 条来源

作者分享个人 Agent 团队实践:自建编排器驱动约8个专职 Bot 协同工作

作者称自己低估了 Opus 5.5 等模型的智能体协调能力,并回顾了约一年内个人设置的演进:从单独 Claude Code 会话,到子代理并行工作的多智能体系统,再到两个月前搭建的类似 Grok Bot 的持久化 Agent 团队——通过自有编排器管理约8个专职 Bot(CFO、CSO、CTO、CMO、CCO、CoS 等),一个月前又开始尝试带个人 Agent 的 agent-to-agent 通信。作者表示仍需在自动化、Webhook、系统提示词和工具等方面调优,并认为 Code、Claude Desktop 等应用“远远落后”但终会赶上,建议自建编排器。以上均为作者个人陈述,未经独立核实。

omarsar0共 1 条来源

作者称 Opus 5.5 等模型已能高效协同,自建编排器驱动约 8 个专业智能体的个人团队

作者自述其智能体实践演进:从单个 Claude Code 会话到多智能体系统,再到自研编排器下约 8 个专业智能体组成的持久化团队。作者称 Opus 5.5 等模型已能很好协同,并认为 Code、Claude Desktop 等应用落后但会追上,主张自建 agent 编排器获得个性化优势。以上为作者观点,未经独立核实。

omarsar0共 1 条来源