研究論文1 個來源10/27 下午01:28
圖：本站依事件資料排版，不是新聞照片
Trajectory2Gym 提升 Qwen3 工具代理效能，平均增 16.9-29.8 個百分點
研究提出 Trajectory2Gym 框架，透過構建具備決策依據的互動資料，在 Qwen3 模型上顯著提升工具使用能力。
程式自動生成（Qwen3.8-Flash-Next-180B），未經人工審閱。每段附來源，門檻檢查通過後自動上線。
- ant-international 提出 PAR 方法，Qwen2.5-0.5B 在 512 步任務達 95.5% 準確率
研究指出循環語言模型在測試時執行更多迭代未必能幫助解決更長的問題，並提出進度對齊循環（PAR）方法。
研究論文1 個來源10/23 上午02:19自動生成 - BizBench：長程代理在真實商業場景部署中的隱藏挑戰
ant-international 推出 BizBench，針對支付等高風險領域的長程代理進行多輪評估。實驗顯示，即使前沿模型如 Claude Opus 5 與 GPT-6 Sol，嚴格成功率也僅約六成，DeepSeek-V4.1-Flash 的工具呼叫次數亦顯著高於參考執行。
研究論文1 個來源10/20 上午04:20自動生成
其他關鍵字Hugging Face 32Anthropic 29Claude Code 29OpenAI 22Nvidia 18vLLM 16claude 15Meta 13codex 12GitHub 12llama.cpp 12Amazon Bedrock 11MCP 11ollama 11SGLang 11AI 代理 10AWS 10Claude Opus 5.5 10Cursor 10ElevenLabs 10Google Cloud 9MoE 9RAG 8Databricks 7Python 7TypeScript 7輝達 7Amazon Bedrock AgentCore 6ElevenAgents 6Google DeepMind 6