elvis 表示，Agora-2 可讓最多 20 名人類與智能體共用同一個即時模擬世界
elvis 表示，被形容為全新世界模型的 Agora-2，現可讓最多 20 名人類與智能體即時共用同一個模擬世界。
elvis 表示，這個共用世界可用來一同訓練機械人、自動駕駛汽車與網絡防禦智能體，各方會隨其他方進步而提升。elvis 亦形容，這是在智能體串謀進入真實系統之前，研究相關行為的安全場所。
相關AI快訊
BRIDGE ASR 2.0 測試 23 個語音識別模型處理長篇多語對話
elvis 表示，humynlabs 建立 BRIDGE ASR 2.0，用以評估語音識別在真實雙人對話上的表現。對話長 10 至 15 分鐘，涵蓋 18 種印度語系語言，以及西班牙語、葡萄牙語和越南語。
最佳 Taste-Bench 模型有 59.7% 時間選出較佳方向
微軟與合作者的論文指出，在長程工程與研究任務中選擇較佳的開放方向時，最佳模型答對 59.7% 的 Taste-Bench 問題。由較後證據決定的分岔難度高得多，加大推理預算不會提高準確率；把教師對結果的判斷蒸餾到學生模型，則能提升在留出的 SWE-bench Pro 上的成功率。
Harness-Zero 在移除專用 harness 後，將宏觀任務成功率提升至 44.3%
Google 與合作者的論文介紹 Harness-Zero：優化後的 agent harness 只在訓練期間使用。移除該 harness 後，宏觀任務成功率由 23.3% 升至 44.3%，高於基礎模型在掛上 harness 時達到的 41.7%。
Wiki Foundation Model 從互相連結的 Markdown wiki 檢索智能體記憶
WFM 把 LLM wiki 轉成圖，並以受查詢條件化的訊息傳遞進行檢索，讓頁面文字與頁面之間的連結共同影響結果。團隊表示，一套 GPU 對 GPU 訓練協議的訓練速度快 10.5 倍，並在五項涵蓋智能體記憶與多跳推理的基準測試中取得強勁結果。
Question's Gambit 改變深度研究代理的第一步檢索
這個一次性方法會把問題拆成線索、進行互補搜尋，並在代理迴圈開始前對彙集結果重新排序。在 BrowseComp-Plus 上，使用相同檢索器與代理迴圈時，GPT-5.5 的準確率由 83.1% 升至 90.5%。