Mistral 发布全新 le Chat 助手，上线 iOS 与 Android 并推出 Pro、Team 订阅
Mistral 发布全新 le Chat AI 助手，同步上线 iOS 和 Android，并推出 Pro 与 Team 订阅层级，Enterprise 版进入私有预览。
推荐理由：官方一次性给出 le Chat 的移动端、Pro/Team 定价与 Flash Answers 等能力清单，可据此判断其与现有助手的差异。
#Agent
#Agent
今日 12 条Mistral AI精选AI 评分6666
Hugging Face BlogAI 评分3838 Adyen 与 Hugging Face 发布 DABstep：多步推理数据智能体基准
Adyen 与 Hugging Face 联合发布 DABstep，一个面向多步推理的数据智能体基准，包含 450+ 个源自 Adyen 真实业务的数据分析任务。最强推理型智能体在该基准上仅取得 16% 准确率，凸显当前模型在复杂数据分析上的差距。任务结合结构化与非结构化数据，采用二元事实性评测，仅需代码执行环境即可运行并提交排行榜。
Hugging Face Blog精选AI 评分7171 Hugging Face 开源 DeepResearch 框架，GAIA 验证集达 55.15%
Hugging Face 在 24 小时复现冲刺中开源了 DeepResearch 所需的智能体框架，在 GAIA 验证集上达到 55.15%，高于此前开源框架 Magentic-One 的约 46%。
推荐理由：Hugging Face 用 24 小时复现 OpenAI Deep Research，给出开源框架与 GAIA 实测对比，可看代码智能体相对 JSON 智能体的差距。
OpenAI News精选AI 评分7575 OpenAI 发布 deep research 智能体
OpenAI 发布 deep research 智能体，可利用推理综合大量在线信息并完成多步研究任务。该功能今日面向 Pro 用户开放，Plus 和 Team 用户随后可用。
推荐理由：OpenAI 官方发布 deep research 智能体，读者可了解其多步研究能力与分阶段开放节奏。
Hugging Face Blog精选AI 评分6262 smolagents 新增视觉语言模型支持
Hugging Face 为 smolagents 加入视觉支持，可在智能体流程中原生使用视觉语言模型。图片既可在 run 方法中一次性传入并存入 TaskStep 的 task_images，也可通过 step_callbacks 在每步把截图写入 ActionStep 的 observation_images。
推荐理由：官方给出在 smolagents 中接入视觉语言模型的两条路径，读者可据此判断浏览器类智能体的实现方式。
OpenAI News精选AI 评分6262 OpenAI 发布 Operator 系统卡
OpenAI 发布 Operator 系统卡，说明其基于既有安全框架采用多层防护方案。文档涵盖针对提示词工程与越狱的模型和产品缓解措施、隐私与安全保护，并披露外部红队测试、安全评估以及持续完善这些防护的后续工作。
推荐理由：OpenAI 公开 Operator 的系统卡，说明其在提示词攻击、隐私与红队测试上的多层防护设计。
Hugging Face BlogAI 评分2222 Hugging Face 发文《AI Agents Are Here. What Now?》：建议不要开发完全自主的 AI 智能体
Hugging Face 发布文章《AI Agents Are Here. What Now?》，指出 AI 智能体基于 LLM 构建，能自主拆解目标并执行子任务，其自主性可按从"模型不影响程序流程"到"模型自行编写并执行代码"分为多个等级。文章认为系统自主性越高、用户让渡的控制权越多，安全、隐私等风险越大，因此建议不要开发完全自主的 AI 智能体，而半自主智能体在风险与收益之间可能更可取。
Hugging Face Blog精选AI 评分6262 Hugging Face 发布 smolagents：用代码写动作的轻量智能体库
Hugging Face 发布 smolagents，一个让语言模型具备智能体能力的轻量库，核心是 CodeAgent，即让智能体用代码而非 JSON 编写动作，并支持通过 E2B 在沙箱中执行。
推荐理由：Hugging Face 官方开源轻量智能体库，用代码而非 JSON 表达动作，并给出可复用的工具构建方式。
Hugging Face BlogAI 评分2222 LLM 修复自身错误的能力如何？基于 Keras 和 TPU 的聊天机器人竞技场实验
Hugging Face 用 Keras、JAX 和 TPU 搭建了一个聊天机器人竞技场，测试 LLM 能否根据用户的自然语言反馈修正自己生成的代码。实验在 TPU v5e 2x4 上同时加载了 5 个约 8B 参数模型和 3 个约 2B 参数模型，共 7 个 LLM，以 bfloat16 格式运行，通过 Gradio 界面并行对话并随时切换模型。
Hugging Face BlogAI 评分5858 Hugging Face 与 Atla 推出 Judge Arena，用投票评测 LLM 评审模型
Hugging Face 博客发布 Judge Arena，一个让用户对两个 LLM 评审模型的评分和理由进行投票对比的平台，结果汇总为按 Elo 分数每小时更新的公开榜单。
Mistral AI精选AI 评分7272 Mistral AI 为 le Chat 加入联网搜索、Canvas 与图像生成等测试功能
Mistral AI 为免费生成式 AI 工作助手 le Chat 推出多项 beta 功能：带引用的联网搜索、用于构思与就地编辑和导出的 Canvas、由新多模态模型 Pixtral Large 支持的文档与图像理解、由 Black Forest Labs Flux Pro 支持的图像生成，以及可复用提示词并分享给同事的智能体。
推荐理由：官方列出 le Chat 新增的联网搜索、Canvas、文档图像理解与智能体，并给出与主流助手的逐项对比。
OpenAI NewsAI 评分3131 OpenAI 发布 MLE-bench：评估 AI 智能体的机器学习工程能力
OpenAI 推出 MLE-bench，用于衡量 AI 智能体在机器学习工程任务上的表现。该基准测试评估智能体完成机器学习工程工作的能力。
OpenAI NewsAI 评分2222 Altera 用 GPT-4o 打造智能体与人类协作新场景
Altera 借助 GPT-4o 构建智能体与人类协作的新领域。该方向聚焦 agent 与人的协同交互，具体产品形态与可用性尚未披露。
Mistral AIAI 评分5050 Mistral AI 推出模型定制、Agents 预览版与 mistralai 1.0 SDK
Mistral AI 宣布在 La Plateforme 上支持对 Mistral Large 2 和 Codestral 等旗舰及专用模型进行定制，可通过基础提示词、few-shot 提示或微调实现，并支持自带数据集。
Hugging Face Blog精选AI 评分8888 Llama 3.1 发布：405B、70B 与 8B，支持多语言和长上下文
Meta 发布 Llama 3.1，包含 8B、70B、405B 三个尺寸的 base 与 instruct 版本共六个开放权重模型，全部支持 128K token 上下文和 8 种语言，并新增 Llama Guard 3 与 Prompt Guard 两个安全模型。
推荐理由：Hugging Face 官方给出 Llama 3.1 三个尺寸的显存需求、量化方案与工具调用格式，便于评估部署成本。
Hugging Face Blog精选AI 评分6262 Hugging Face 的 Transformers Code Agent 登顶 GAIA 基准
Hugging Face 用基于 transformers.agents 构建的 ReactCodeAgent 在 GAIA 基准验证集上取得 44.2%，排名第一，比第二名高 4 个百分点；测试集得分 33.3%，排名第二，并在 Level 3 难题上取得最佳平均分。
推荐理由：Hugging Face 公开了用 Code Agent 登顶 GAIA 的完整实现细节，包括工具设计、安全解释器与规划策略，可迁移到自建智能体系统。
Hugging Face BlogAI 评分4040 Hugging Face 推出 NPC-Playground：可与 LLM 驱动的 NPC 互动的 3D 演示
Hugging Face 发布 NPC-Playground，一个可在浏览器中与 LLM 驱动的 NPC 互动的 3D 演示，由 Cubzh 与 Gigax 联合打造。
OpenAI NewsAI 评分2222 MavenAGI 基于 GPT-4 推出 AI 客服智能体
MavenAGI 推出基于 GPT-4 的 AI 客服智能体，Tripadvisor、Clickup 和 Rho 等公司已在使用，以节省时间并更好地服务客户。
Hugging Face BlogAI 评分4040 Hugging Face 开源通用智能体 JAT：一个 Transformer 玩转 Atari、机器人控制与导航
Hugging Face 发布通用智能体项目 Jack of All Trades（JAT），基于 GPT-Neo 的 Transformer 架构，用单一网络在 Atari 57。
OpenAI NewsAI 评分4242 Klarna 的 AI 助手完成 700 名全职客服的工作
Klarna 的 AI 助手承担了相当于 700 名全职客服的工作量。该 AI 助手被用于革新个性化购物、客户服务和员工生产力。
Hugging Face BlogAI 评分4040 Hugging Face 与 Lighthouz AI 推出 Chatbot Guardrails Arena，压力测试 LLM 隐私护栏
Hugging Face 与 Lighthouz AI 联合推出 Chatbot Guardrails Arena，让用户与两个匿名 LLM 聊天，尝试诱导其泄露虚构银行 XYZ001 客户的敏感信息，并投票选出隐私保护更强的模型。
Mistral AI精选AI 评分8080 Mistral AI 发布旗舰模型 Mistral Large 与 Mistral Small
Mistral AI 发布最新旗舰文本生成模型 Mistral Large，可通过 la Plateforme 使用，并首次通过 Azure 分发。官方称其在常用基准上表现强劲，是继 GPT-4 之后第二个可通过 API 获得的顶级模型，具备 32K token 上下文窗口、原生函数调用与 JSON 格式输出，原生支持英语、法语、西班牙语、德语和意大利语。
推荐理由：官方给出 Mistral Large 的基准对比、32K 上下文与函数调用能力，可据此判断其与 GPT-4 的定位差异。
Mistral AI精选AI 评分6262 Mistral AI 发布对话助手 Le Chat 及企业版
Mistral AI 发布对话助手 Le Chat，作为与 Mistral 各模型交互的对话入口，底层可调用 Mistral Large、Mistral Small 或原型模型 Mistral Next。同时推出面向企业的 Le Chat Enterprise，支持自部署和细粒度审核机制。Le Chat 目前无法访问互联网，可能给出不准确或过时的信息，现以 beta 形式开放注册。
推荐理由：Mistral 官方发布对话助手 Le Chat 及企业版，读者可了解其模型接入方式与自部署能力。
OpenAI News精选AI 评分7474 OpenAI 为 ChatGPT 测试记忆功能并加入新控制项
OpenAI 正在测试让 ChatGPT 记住用户讨论过的内容，以便让后续对话更有帮助。用户对 ChatGPT 的记忆拥有控制权。
推荐理由：OpenAI 官方说明 ChatGPT 记忆功能的测试范围与用户控制方式，可据此了解该能力如何改变多轮对话体验。
Hugging Face BlogAI 评分5858 Hugging Face 为 TGI 和 Inference Endpoints 推出兼容 OpenAI 的 Messages API
Hugging Face 为 Text Generation Inference（TGI）和 Inference Endpoints 推出 Messages API，从 TGI 1.4.0 起提供与 OpenAI Chat Completion API 兼容的接口，可直接使用 OpenAI 客户端库或 LangChain、LlamaIndex 等第三方工具。
Hugging Face Blog精选AI 评分6262 开源 LLM 作为 LangChain 智能体：ReAct 原理、搭建与基准对比
Hugging Face 发布博客，介绍如何用新集成的 ChatHuggingFace 在 LangChain 中把开源模型搭建成 ReAct 智能体，并给出完整代码示例。
推荐理由：原文给出 ReAct 智能体的完整搭建代码与开源模型对比基准，读者可据此判断哪些模型适合驱动智能体工作流。
Mistral AI精选AI 评分8080 Mistral AI 开放首个平台服务 La Plateforme 测试版
Mistral AI 开放首个平台服务 La Plateforme 的 beta 访问，提供三个 chat 端点和一 个 embedding 端点，各有不同的性能与价格取舍。
推荐理由：Mistral 首次开放平台 API，给出三个 chat 端点与 embedding 端点的性能价格取舍，可据此判断其服务化路线。
OpenAI News精选AI 评分9292 OpenAI 在 DevDay 发布 GPT-4 Turbo 等新模型与开发者产品
OpenAI 在 DevDay 上发布 GPT-4 Turbo，支持 128K 上下文并下调价格，同时推出 Assistants API、GPT-4 Turbo with Vision 和 DALL·E 3 API 等开发者产品。
推荐理由：OpenAI 在 DevDay 一次性公布 GPT-4 Turbo、Assistants API 等多项更新，可据此了解其模型与开发者产品的整体走向。
OpenAI News精选AI 评分8585 OpenAI 发布 GPTs，可创建自定义版 ChatGPT
OpenAI 发布 GPTs，用户现在可以创建自定义版本的 ChatGPT，将指令、额外知识和任意技能组合在一起。该功能由 OpenAI 官方推出，具体开放范围与使用细节原文未进一步说明。
推荐理由：OpenAI 官方发布 GPTs，读者可了解自定义 ChatGPT 的构成方式与开放范围。
Hugging Face Blog精选AI 评分6262 Hugging Face 发布 Agents.js：用 JavaScript 为 LLM 提供工具调用
Hugging Face 在 huggingface.js 下发布 Agents.js，一个可在浏览器或服务端为 LLM 提供工具访问的 JavaScript 库，通过 npm install @huggingface/agents 安装。
推荐理由：原文给出库的安装方式、代码示例和自定义工具接口，读者可据此判断如何在 JS 项目中接入工具调用。
Hugging Face Blog精选AI 评分6262 用 StarCoder 打造编码助手 StarChat
Hugging Face 团队基于 BigCode 的 16B 参数 StarCoder 模型，用 OpenAssistant 对话数据集微调出编码助手 StarChat，并公开了代码、数据集与模型。
推荐理由：原文完整给出了用对话数据微调 StarCoder 的流程与代码，读者可据此复现一个开源编码助手。
OpenAI News精选AI 评分8282 OpenAI 为 ChatGPT 推出插件支持
OpenAI 宣布为 ChatGPT 实现插件的初步支持。插件是专为语言模型设计的工具，以安全为核心原则，可帮助 ChatGPT 获取最新信息、执行计算或使用第三方服务。
推荐理由：OpenAI 官方给出 ChatGPT 插件的最初支持范围，读者可据此了解模型接入外部工具与实时信息的早期形态。
Hugging Face BlogAI 评分2222 用 AI 为游戏开发生成故事：ChatGPT 实战与局限
Hugging Face 博客"AI for Game Development"系列第 5 篇演示了如何用 ChatGPT 为农场游戏生成故事，包括故事梗概、游戏内文本和商店物品描述。
Hugging Face BlogAI 评分3838 Hugging Face 推出 AI vs. AI：深度强化学习多智能体竞赛系统
Hugging Face 发布开源工具 AI vs. AI，用于在深度强化学习多智能体场景中对模型进行相对排名。该工具由 Space 匹配算法、Dataset 结果存储和展示 ELO 评分的 Leaderboard 三部分组成，模型上传至 Hub 后即自动参与对战评估，初始 ELO 为 1200。
Hugging Face BlogAI 评分5252 Hugging Face 解读：什么让对话智能体真正有用
Hugging Face 博客梳理了让对话智能体有用的关键技术，包括指令微调（IFT）、监督微调（SFT）、思维链（CoT）和基于人类反馈的强化学习（RLHF），并对比了 LaMDA、BlenderBot 3、Sparrow、ChatGPT/InstructGPT 和 Anthropic Assistant 在访问方式、模型规模、训练数据和评测标准上的差异。
OpenAI News精选AI 评分7474 OpenAI 用视频预训练让神经网络学会玩 Minecraft
OpenAI 提出 Video PreTraining（VPT）方法，在大量无标注的人类玩 Minecraft 视频上训练神经网络，仅使用少量承包商标注数据。经微调后，模型能学会制作钻石工具，这一任务通常需要熟练人类花费 20 多分钟、约 24000 次操作。模型直接使用键盘按键和鼠标移动这类原生人类交互接口，具有较强通用性，是迈向通用计算机使用智能体的一步。
推荐理由：OpenAI 用少量标注数据加海量无标注视频训练出能玩 Minecraft 的模型，可了解视频预训练在通用计算机智能体上的早期尝试。
Hugging Face BlogAI 评分3838 Hugging Face 在 transformers 库中集成 Decision Transformer
Hugging Face 将离线强化学习方法 Decision Transformer 集成进 transformers 库和 Hugging Face Hub，并发布 9 个 Gym 环境连续控制任务的预训练 checkpoint，覆盖 Hopper、Walker2D 和 Halfcheetah，Atari 环境 checkpoint 即将推出。
Hugging Face BlogAI 评分2222 Hugging Face 推出首个 ML-Agents 环境 Snowball Fight
Hugging Face 发布首个自研深度强化学习环境 Snowball Fight 1vs1，基于 Unity ML-Agents 构建，玩家可与深度强化学习智能体对战扔雪球，游戏已托管在 Hugging Face Spaces 并可在线游玩。训练环境已在 Hugging Face Hub 开源，后续将推出 2vs2 版本，使用 MA-POCA 算法训练智能体团队协作。
OpenAI News精选AI 评分6262 OpenAI 发布 Dota 2 大规模深度强化学习研究
OpenAI 发布关于 Dota 2 大规模深度强化学习的研究，标题为 Dota 2 with large scale deep reinforcement learning，正文内容未能获取。
OpenAI NewsAI 评分4040 OpenAI 发布 Safety Gym：衡量强化学习智能体安全约束遵守情况的环境与工具套件
OpenAI 发布 Safety Gym，一套用于衡量强化学习智能体在训练中遵守安全约束进展的环境与工具。该套件面向在训练过程中尊重安全约束的强化学习智能体，提供相应的环境和工具来度量其进展。