Agent与工具

Agent Seer: Synthesizing Scenarios from Specification Understanding

Evaluating AI agents that use external tools requires realistic test scenarios that capture how practitioners compose tools and iterate across conversation turns. Constructing such

AI 工程师笔记本：在 Colab 上免费、无需框架即可使用 RAG/智能体/评估工具

一套可运行的 Colab 笔记本，面向 AI 工程师与 FDE 技能栈，用原始 API 而非框架构建基于基础模型的系统，覆盖提示词、RAG、评估、智能体、微调与服务化。全部在免费 Groq API 上运行，无需信用卡；LoRA 微调和自托管服务提供概念讲解及可选的 Colab-GPU 附录。包含三个端到端案例研究，且全程兼容 OpenAI API，模式可直接

Warp 如何让 Agent 自我进化

Warp 用人类反馈持续改进 Skill，为 Agent 建立了一套低摩擦的自我进化循环。

How Anthropic employees use Claude Tag

GLM-5.3 开源权重，智能体编码与网防最强

GLM-5.3 现已开放权重。 我们最强大的智能体编码与网络防御模型，现已可供下载、运行和定制。 权重：https://huggingface.co/zai-org/GLM-5.3 技术博客：https://z.ai/blog/glm-5.3 🔗 阅读原文 via AIHOT · https://aihot.virxact.com/items/cmtd32q

Terminal-Bench-Science 0.1：评估科研工作流中的 AI 智能体

斯坦福大学研究人员领衔发布 Terminal-Bench-Science 0.1，用来自生命、物理、地球、数学和工程科学的 70 个专家精选任务评估 AI 智能体的科研能力。 🔗 阅读原文 via AIHOT · https://aihot.virxact.com/items/cmtcxdp3f07l3roq5uk6om1aw

Terminal-Bench-Science 0.1：评估科研工作流中的 AI 智能体

斯坦福大学研究人员领衔发布 Terminal-Bench-Science 0.1，用来自生命、物理、地球、数学和工程科学的 70 个专家精选任务评估 AI 智能体的科研能力。