ACL 2025 | 指令遵循不能仅靠常识？GuideBench 揭示大模型如何“踩雷”领域指南规则

这篇ACL 2025主会论文聚焦提升智能体指南规则遵循能力。提出评估基准GuideBench，涵盖7类1272个任务。实验显示多数主流大模型指令遵循能力不佳，尤其数学推理挑战大，为模型迭代提供评估基准。

ICRA 2025｜通用多机器人长时任务规划框架破解任务分配难题，成功率+105%、效率+36%

2025年5月，美两校联合团队在ICRA 2025发布LaMMA - P。它融合大模型与PDDL规划器，解决异构多机器人长时任务分配难题，在新基准数据集上，相比SMART - LLM，任务成功率提高105%，执行效率提升36%。

2025年4月17日消息，OpenAI 连发o3和o4 mini，o3为强大推理模型，o4-mini专为高效推理优化。它们能调用ChatGPT工具，可基于图像思考。OpenAI还开源本地代码智能体Codex CLI，兼容所有模型。

浙大开源HugAgentOS：三引擎一体自进化，每步可归因/回放/回滚

过去一年，Agent任务执行能力提升，但不会自主积累与进化。浙大开源的HugAgentOS把Harness拆成三个可自我成长的引擎，设归因和本体两道关卡，解决经验成能力等问题，还覆盖智能体完整链路。

一篇Loop+Harness的自进化Agent最新综述

本文分享清华关于经验时代，已部署的 Agent 如何将交互轨迹转化为持久能力，从自我进化到元进化的论文。介绍了 Harness、技能、记忆、环境等方面，还提及 RL 与持续学习、元进化智能体等内容。

全球第一，13个SOTA！我们找到了龙虾界掌管GUI的神

明略科技推出自研 GUI-VLA 智能体模型 Mano-P 1.0，不依赖 API 对接与浏览器场景，可操作桌面软件与网页界面。它在 13 个多模态基准榜单达 SOTA，支持本地运行，数据零上云，采用分阶段开源策略。

暴瘦30磅险丧命，61岁硅谷极客用AI重读11页病历，揪出罕见血癌

61岁硅谷极客Steve患罕见血癌，曾被误诊近一年。他构建AI医疗智能体确诊病情，后用AI定制治疗方案，病情好转。他还开发AI医疗平台CureWise，同时指出AI在医疗中有边界，应辅助决策。

一行命令，让任何软件秒变AI神器！这个GitHub项目杀疯了

AI智能体推理强但使用专业软件能力差，现有解决方案不佳。CLI - Anything自动化框架打破困境，能让AI通过命令行控制软件，为13款软件生成CLI，有7阶段流水线，多场景适用，介绍了使用方法和项目地址。

把20亿参数装进胸针？高通补齐了个人AI生态的最后一块拼图

在MWC巴塞罗那展会上，人们渴望专属AI智能体。高通认为AI须进驻微型载体，推出骁龙可穿戴平台至尊版，将AI运算能力延伸到微型设备，其还构建以用户为中心的生态，让私人助理融入生活。

Cursor：AI编程「第三时代」来了

近日，Cursor CEO Michael Truell 称 AI 编程迈入「第三时代」，特征是 Agent 能在少人工干预下完成大规模任务。Cursor 核心转变，内部超 1/3 代码提交由云端智能体创建，团队预计多数开发工作将由其完成。