摸
博客
推荐
咖啡
关于
English
摸鱼天尊
想
代码
,喝
咖啡
,写
博客
。
太平洋时间
—
此刻
—
写
62 篇 · 最近 06.29
读
374 篇 · 最近 10.15
冲
还没开张
写
最近写的
8 / 62
全部 →
26.06.29
垂类系统的agent如何设计
Agent · 思考
26.06.05
每日github项目解析:(二)20260605 github robot和agent soul
Agent · 源码 · 每日 GitHub 解析 · 二
26.06.04
每日github项目解析:(一)20260604
Agent · 源码 · 每日 GitHub 解析 · 一
26.05.19
agent eval:(一)deepeval
Agent · 源码 · agent eval · 一
26.05.04
vibe coding系列:(三)一边vibe一边read
AI 编程 · 教程 · vibe coding 系列 · 三
26.04.22
agent系列(五):agent架构的落地思考
Agent · 思考 · agent 系列 · 五
26.04.14
vibe coding系列:(二)GET SHIT DONE
AI 编程 · 教程 · vibe coding 系列 · 二
26.03.14
agent系列:(四)session管理和agent架构
Agent · 思考 · agent 系列 · 四
读
10.15 读的
5 篇 · 按分数排
推荐 →
12:47
Compressed Memory:分别判断依赖、效用与内容收益
压缩记忆被删除后模型会降分,但这不能说明训练这种记忆比训练无记忆系统更有用;忽略绝对表现还可能把较差的系统判为改进。
82.5
02:49
AgentSuite:先审计评测组件,再解释分数与排名
Agent基准的用户要求、工具环境、参考轨迹和评分规则可能相互矛盾,使正确行为被判错、错误行为被放行;只看总分无法区分模型失败与基准缺陷。
82.5
12:47
SkillGrain:把反馈拆成规则,再判断是否长期保留
个性化助手的用户反馈同时含有长期偏好和只修当前答案的要求;整段固化会把一次性事实带到未来请求,而整份技能得分又不能指出哪条要求该留下。
75
08:50
Structural Baselines:先扣除结构捷径,再解释失败归因与检测分数
失败归因评测把最后一步或约定的放弃点标为责任步骤时,不读取轨迹的规则也可能获得高分,掩盖方法是否真正识别了失败证据。
75
04:46
LangSmith AI Search:把重复轨迹变成有预算的行为检索输入
Agent轨迹反复携带对话历史且大部分是工具输出,单个向量或字段过滤难以区分表面相似的行为,逐条读完整轨迹又使临时排查成本过高。
75