算法论文8

AgentAuditor：让智能体安全评估达人类水平

机器之心2025-06-27

AI 摘要

纽约大学等研究者推出AgentAuditor框架和ASSEBench基准。前者解决评估器精准度难题，让LLM评估达人类水平；后者填补智能体安全评估基准空白，为构建可靠智能体提供支撑。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

Redis之父质疑Jev狂热：多数开发者不需要

本文报道Redis之父Salvatore Sanfilippo公开质疑AI新模型Jev的过度炒作，梳理了Jev的产品定位与能力边界，整理社区多方观点，探讨开发者是否真的需要Jev。

本文是腾讯混元团队针对大模型强化学习规模化训练的研究，聚焦万卡级算力下Batch Size优化问题，拆分样本效率与系统效率的影响，给出可落地的调优框架，实测可缩短29%训练时间。

本文作者实测对比同日发布的Grok 4.7与小米MiMo V2.6两大模型，认为MiMo V2.6在性能、价格、速度上满足大模型"不可能三角"，体验超预期且全面开源，对AI从业者实用性极强。

本文拆解硅谷近期爆火的JEV模型，讲解其作为Agent专属高速决策模型的定位、核心原理、实际调用案例，分析其优势与现存不足，帮助开发者快速了解这款新兴工具。