← 返回快讯

快讯

AREX智能体研究模型及harness亮相：逐条校验需求、仅补查缺口

DeepLearningAI

据介绍，AREX是一个新的智能体研究模型及配套harness，会逐条核对答案需求、保留已验证内容并仅针对缺口继续研究。发布方称其在BrowseComp达82.5%、WideSearch-en F1达82.0；仅harness即可带来最高10分提升，微调后的4B模型在6项基准中有5项超过未微调的35B模型。

AIAgentsLLMs智能体研究基准测试模型发布

查看原始帖子 ↗

所属事件 →

事件来源

查看原文
A new agentic research model and harness called AREX checks its answers requirement by requirement, keeps what's verified, and researches only the gaps. 📰✅ 📊 82.5% BrowseComp, 82.0 F1 WideSearch-en 📈 Harness alone: up to +10 pts 🧠 Fine tuned 4B beat untuned 35B on 5 of 6 benchmarks https://hubs.la/Q04ztJKG0 #DeepLearningAI #AIAgents #LLMs

前后事件

上一篇论文称HERMES harness使GPT-5.6 Sol整库迁移成功率从6.5%升至31.0%

下一篇Arena Angelopoulos谈对齐难题：用户难判断模型是在帮助还是伤害

同账号事件

  • Andrew Ng：单个agent每日搜索5000至10000次，agent将需要更多数据中心

    DeepLearningAI转述Andrew Ng在The Batch本周信中的内容：他的一个agent每天进行5000至10000次网页搜索，并预计agent将需要远比现在更多的数据中心。信中还包括GPT-6.1 Sol、Gemini 4 Argon、FLUX 3 Action和HYSET等条目。

  • DeepLearning.AI与Qdrant合作推出免费课程，教你构建离线AI助手

    DeepLearning.AI推出与Qdrant合作、由Dylan Couzon授课的免费课程，内容是构建一个无需网络连接和远程服务器、能记住物品位置的本地AI助手。课程现已开放免费报名。

  • DeepLearningAI Data Points盘点：Gemini 4 Argon与GPT-6 Astra并列53分，Mistral Large 4成美中以外最强模型

    DeepLearningAI本周Data Points盘点多项AI动态：Gemini 4 Argon在Artificial Analysis Intelligence Index上以53分与GPT-6 Astra并列，且每任务成本约为其60%；Mistral Large 4（1T参数、开放权重，十月下旬推出）成为美国和中国以外最强的模型；Reflection AI开放权重模型Beam声称推理算力比同类开放模型低3–4倍；Microsoft MAI-Transcribe-2-Streaming以38款中第1名领跑流式语音转写准确率。

  • 推文称 DeepSeek 将智能体记忆缓存压缩至每 token 890 bytes

    推文称，针对智能体“读多写少”的场景，DeepSeek 缩小了其记忆缓存：每 token 缓存为 890 bytes，较 DeepSeek-V1 小 437 倍；同时称从 4K 到 1M 输入，每个输出 token 的计算量增加 25%。推文还称 Flash 在 AA Index 上以 39 比 36 领先 V4-Pro，任务成本为 0.27 美元对 0.67 美元。以上均为原文主张，未独立核实。

  • Google Gemini 3.8 Live 端到端语音模型亮相

    DeepLearningAI 介绍，Google 的 Gemini 3.8 Live 模型采用语音到语音架构，在一个系统中完成聆听、推理和回应。推文称，Extended Thinking 版本在 Artificial Analysis 的 Speech to Speech Index 中排名第一；标准版在真人盲评现场对话中排名第二，输入音频价格为每小时 0.84 美元，为该指数最低。两个版本还支持图像和视频输入。