All 419

一分钟读论文:《生成-验证差距与自我修正失败》

如果你的团队正在构建具有自我修正或自进化能力的 AI 智能体,你可能已经发现一个令人担忧的趋势:模型的生成能力正在迅速超越其验证或判断能力。

In AI, ParadigmRadar, 1 min read

一分钟读论文:《ERC-8004信任层实证诊断》

帝国理工学院的研究团队在 arXiv 上发表了一篇论文《Can Trustless Agents Be Trusted? An Empirical Study of the ERC-8004 Decentralized AI Agent Ecosystem》,对当前最主流的去中心化AI Agent信任基础设施ERC-8004进行了系统性实证评估。

In AI, ParadigmRadar, 1 min read

一分钟读论文:《多模态表示重塑编码代理》

如果你正在构建一个基于 LLM 的代码修复 Agent,你可能已经注意到一个反直觉的现象:给模型”看”代码仓库的结构图,反而让它变得更笨了。

In AI, ParadigmRadar, 3 mins read

一分钟读论文:《PlanBench-Xl长期规划基准》

如果你正在构建一个需要调用多个工具的 AI Agent,你可能已经经历过这样的场景:Agent 在前几步调用一切顺利,但某个工具突然返回了意外结果,之后整个任务链就开始失控——要么反复尝试同一个无效路径,要么干脆放弃。

In AI, ParadigmRadar, 2 mins read

一分钟读论文:《HarnessFix:失败轨迹自动修复》

如果你正在构建 LLM Agent,你可能已经发现一个令人沮丧的事实:大多数 Agent 失败不是模型不够聪明,而是执行环境(Harness)本身有缺陷。

In AI, ParadigmRadar, 2 mins read

一分钟读论文:《AgentCIBench跨上下文隐私泄露》

德国达姆施塔特大学UKP实验室和ATHENE网络安全研究中心合作的一篇论文《Capable but Careless: Do Computer-Use Agents Follow Contextual Integrity?》,首次将Contextual Integrity理论引入AI Agent评估领域,发现Computer-Use Agent在执行跨应用任务时存在严重的上下文泄露问题:高能力代理反而是最严重的隐私泄露者。

In AI, Security, 1 min read

一分钟读论文:《通过智能体轨迹解剖模型行为》

堪萨斯大学的一篇论文《Dissecting model behavior through agent trajectories》,首次将意图-执行差距(intent-execution gap)形式化为可测量的系统偏差。

In AI, Agent, 1 min read

一分钟读论文:《选择性验证还是延长预算》

如果你正在构建需要深度推理的 AI 系统,你可能已经发现一个令人困惑的现象:给模型更多的 Token 预算并不总是带来更好的结果。

In AI, ParadigmRadar, 3 mins read

Featured