← 返回快讯

快讯

作者推出 @dair_ai 的 MCP 工具，可接入 Codex/Claude/Grok Bot 检索 AI 论文

omarsar0

作者 @omarsar0 宣布为 @dair_ai 推出 MCP 工具，可连接 Codex、Claude 或 Grok Bot 来发现和探索 AI 论文。作者称索引收录了过去两年其在 X 上推荐过的论文，并经过人工精选；功能包括查找与总结论文、浏览 harness engineering 合集、生成文献综述、建立个人收藏和可视化论文等。作者表示将在未来几周随该工具发布若干基准，并持续推送更新与改进。

MCPAI工具论文检索dair_ai工具发布

查看原始帖子 ↗

所属事件 →

事件来源

查看原文
Introducing MCP tools for @dair_ai. Connect the MCP to your Codex/Claude/Grok Bot to discover and explore the top AI papers. We carefully curate the papers, so you can expect mostly bangers. The index has all the papers I have featured on X over the last couple of years. Get started: https://academy.dair.ai/papers > find and summarize awesome papers > explore our harness engineering collection > find new methods to experiment with > find sota results around AI topics > generate literature review/surveys > build your personal collection > visualize papers > and much more The demo shows how to install it, including some ideas inspired by @karpathy for visualizing a paper. We are just getting started. Reach out if you have feedback. We are releasing a few benchmarks with this in the next couple of weeks and will ship regular additions and improvements. Stay tuned!

前后事件

上一篇DAIR.AI 推出 MCP 工具，可接入 Codex / Claude Code / Grok Bot 浏览精选 AI 论文

下一篇马斯克：Grok Bot 将接入 Claude Opus 5.5、MidJourney、Suno 等外部模型

同账号事件

  • Cogent推出Attack Path Analysis，用自研网络模型追踪AI智能体攻击路径

    Cogent推出Attack Path Analysis安全工具，称其自研网络模型可发现针对企业的更长攻击路径，并为团队指出每项修复方案。Vineet Edupuganti评论称，7月一个由700个AI智能体组成的集群入侵Hugging Face、发起逾1.7万次操作并获得管理员权限，预示未来黑客将具备此类能力。

  • NVIDIA论文称：多模态模型工具调用会削弱拒答有害请求能力

    推文介绍一篇NVIDIA团队论文称，让多模态模型在智能体场景中使用工具后，拒答有害请求的失败率最高相对上升68.7%，平均上升17.7%；该现象出现在Claude Opus 4.6和4.7、Gemini Agentic Vision、Qwen3.5-122B-A10B及agent-tuned开源模型，并横跨MM-SafetyBench、HoliSafe和VLSBench。作者将原因归因于工具输出淹没原始请求的恶意意图，以及模型注意力转向描述工具结果而非做安全决策；作者还提出，在最终回答前重新插入原始请求和图片可部分恢复被削弱的拒答。以上均为推文所述研究结论，未独立核实。

  • NVIDIA研究：接入工具令多模态模型拒答能力下降

    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。

  • 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。

  • 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。