移动GUI自动化智能体V-Droid采用「验证器驱动」架构，通过离散化动作空间并利用LLM评估候选动作，实现了高效决策。在AndroidWorld等多个基准测试中任务成功率分别达到59.5%、38.3%和49%，决策延迟仅0.7秒，接近实时响应。
人和智能体共享奖励参数，这才是强化学习正确的方向？
发现了一个很炫酷、完成度很高的用户洞察 agent，叫 atypica.ai
AI Agent 领域也存在 scaling law，甚至还在加速。
在现实世界中，如何让智能体理解并挖掘 3D 场景中可交互的部位（Affordance）对于机器人操作与人机交互至关重要。所谓 3D Affordance Learning，就是希望模型能够根据视觉和语言线索，自动推理出物体可供哪些操作、以及可交互区域的空间位置，从而为机器人或人工智能系统提供对物体潜在操作方式的理解。
昨天晚上，Google发了一个关于Agent的新开放协议。
AI大模型在咖啡店怎么落地？
谷歌重磅发布第七代TPU Ironwood，专为推理设计，性能较从初代飙升3600倍，可与英伟达B200一较高下。不仅如此，谷歌还带来了Veo 2等多款模型全新升级，就连「谷歌版」MCP协议也公布了。
LLM Agent 火了两年了，但业界仍然存在许多非共识。智能体数量卷上去了，概念炒上去了，但质量参差不齐，娱乐向的不好玩，提效向的不好用，具体企业落地更是各种大小问题不断。
浏览器的使用者正在逐渐从人类用户转移到 AI Agent，Agent 与互联网环境互动的底层设施也因此正在变得越来越重要。传统浏览器无法满足 AI Agent 自动化抓取、交互和实时数据处理的需求。Browserbase 的创始人 Paul Klein 早在 23 年底就敏锐地洞察到 AI Agent 亟需一个全新的交互载体——一个“为 AI 而生”的云端浏览器。
