elvis 称 Agora-2 可让最多 20 名人类与智能体共享同一个实时模拟世界
elvis 称，被描述为新型世界模型的 Agora-2 现可让最多 20 名人类和智能体实时共享同一个模拟世界。
elvis 称，这个共享世界可用于共同训练机器人、自动驾驶汽车和网络防御智能体，一方进步时其他各方也会随之提升。elvis 还将其描述为在共谋触及真实系统之前研究智能体共谋的安全场所。
相关AI快讯
BRIDGE ASR 2.0 测试 23 个语音识别模型在长篇多语言对话中的表现
elvis 表示，humynlabs 构建了 BRIDGE ASR 2.0，用于评估语音识别在真实双人对话中的表现。这些对话时长为 10 至 15 分钟，涵盖 18 种印度语言，以及西班牙语、葡萄牙语和越南语。
Taste-Bench 最佳模型选出更优方向的比例为 59.7%
微软及合作者的一篇论文报告，在长周期工程与研究任务中选择更优开放方向时，最佳模型正确回答 59.7% 的 Taste-Bench 问题。由后续证据决定的分叉难度高得多，增加推理预算并不能提高准确率，而将教师模型对结果的判断蒸馏到学生模型后，可提高留出集 SWE-bench Pro 任务的成功率。
Harness-Zero 在去掉专用 harness 后将宏观任务成功率提高到 44.3%
Google 与合作者的一篇论文介绍了 Harness-Zero：优化后的 agent harness 只在训练阶段使用。去掉该 harness 后，宏观任务成功率从 23.3% 升至 44.3%，高于基座模型挂上该 harness 时达到的 41.7%。
Wiki Foundation Model 从相互链接的 Markdown wiki 中检索智能体记忆
WFM 将 LLM wiki 转为图，并用以查询为条件的消息传递进行检索，使页面文本与页面之间的链接共同影响结果。该团队称，一种 GPU 到 GPU 的训练方案训练速度快 10.5 倍，并在五项智能体记忆与多跳推理基准上报告了较强结果。
Question's Gambit 改变深度研究智能体的第一步检索
这一一次性方法把问题拆成线索，执行互补检索，并在智能体循环开始前对汇总结果重新排序。在 BrowseComp-Plus 上，使用相同检索器和智能体循环时，GPT-5.5 的准确率从 83.1% 升至 90.5%。