NVIDIA AVO 在 ARC-AGI-3 達成 100%
NVIDIA 表示，其 AVO 代理架構在 ARC-AGI-3 上達成 100% 分數。這項更新凸顯了環繞語言模型的代理 harness 如何改善上下文處理、工具使用、狀態管理、回饋處理與長期任務執行能力。
Search
直接匹配不多，已補上最新動態。
Tag: #long-horizon-agents4 results
MESA 讓代理記憶具備查詢自適應能力
MESA 會針對每個長期代理查詢，動態選擇並融合互補的記憶結構，而不是讀取所有記憶或只依賴單一結構。在 AMA-Bench 上，MESA 比最強基準提升 8.5%，並比使用全部結構減少 41% 的證據 Token。
環境地圖加倍代理成功率
環境地圖提供持久的結構化圖形表示，將螢幕錄影和執行追蹤彙整，以減輕長視野代理的錯誤。框架包含情境、動作、工作流程和隱性知識。在 WebArena 基準測試中，成功率達 28.2%，幾乎是基準的兩倍。
結構化驗證拆解代理漂移故障
這篇 arXiv 論文提出一套用於長期代理的自我驗證工具，由確定性的 Executive 控制所有信念，LLM 僅能提交具型別的提案。實驗顯示，移除承諾機制會導致目標放棄，但不會增加綁定錯誤；同時，系統在 ARC-AGI-3 上的實際任務完成率仍為零。
Cloudflare Agent Tracing 新增 Payload 控制功能
Cloudflare 推出 Agent Tracing，支援設定 Payload 截斷限制。不同支援的 Agent 框架在 Payload 預設記錄策略上有所差異，因此開發者在設定可觀測性時需要檢查各框架的個別設定。
⚙️
AI 熱潮揭示磷化銦供應缺口
AI 資料中心擴張正大幅推升磷化銦衍底的需求，這類材料用於高速光晶片。全球供應高度集中於三家海外供應商，而中國國內產能仍然有限，且正處於擴產爬坡階段。
🤖
SHADOW-250M：僅 60 MB 的長上下文 LLM
一名獨立開發者表示，他以 300 億個 FineWeb tokens 訓練 SHADOW-250M，這個 2.5 億參數 LLM 經量化後低於 2 bits。據稱模型可在筆電 CPU 上以每秒約 400 tokens 運行，並透過磁碟上的 1-bit 壓縮機制，從最長 1 億 tokens 的歷史內容中進行檢索。
AI 讓作業變好，卻讓學習能力退化
一項追蹤26,811名中國中學生、歷時30個月的研究發現，使用生成式 AI 的學生作業成績平均提高18%、完成時間縮短30%，但月考成績平均低20%。研究指出，長期使用者更容易將作業完全外包給 AI，使原本應透過草稿、試錯與推演建立的能力逐步流失。
日本收緊 AI 硬體供應鏈
日本將阻焊劑、GaN 基板、永磁體、鈣鈦礦電池與閃爍體五類技術，納入技術轉移前的申報與審查框架。這項措施涵蓋海外子公司、合資企業、公司、大學與研究機構，可能影響半導體、機器人、AI 伺服器及感測器供應鏈。
ChatGPT 威脅通報促成逮捕
一名前 Goldman Sachs 分析師因在 ChatGPT 中留下針對前女友的具體威脅，遭 OpenAI 標記並移交執法機關後被捕。這起案件凸顯 AI 聊天記錄可能成為司法證據，也引發對隱私、威脅偵測標準與平台通報義務的討論。