METR 发布首份公开报告：评测语言模型智能体在真实自主任务上的表现
METR 的 ARC Evals 团队发布首份公开报告，提出评估 LLM 智能体“自主复制与适应”（ARA）能力的方法。研究设计了 12 个难度递增的真实任务，如搜索文件、用 Twilio 打电话、部署 GPT-J、微调 LLaMA-7B 扩展上下文等，并构建 4 个基于 GPT-4 和 Claude 的脚手架智能体进行测试。
#Agent
METR：ResearchAI 评分5656
LangChain：BlogAI 评分5656 LangChain 分享自动化网络研究的构建思路：从 agent 探索到轻量 retriever
LangChain 团队尝试构建自动化网络研究的 agent，迭代搜索表现不佳后，改为并行搜索、抓取页面并用 LLM 从每页提取最相关内容，最终将其演化为一个新的 LangChain retriever，提供文档和配置示例。
LlamaIndex：产品、工程与评测AI 评分5353 LlamaIndex 数据智能体集成 Zapier NLA，5 行代码调用 5000+ 应用
LlamaIndex 与 Zapier NLA 团队联合宣布 LlamaIndex 数据智能体接入 Zapier NLA。用 ZapierToolSpec 和 OpenAIAgent 约 5 行代码即可访问 Zapier 上的 5000+ 第三方应用和 30000+ 动作，示例展示了总结未读邮件并发送到 Slack。提供免费与付费方案。
LlamaIndex：产品、工程与评测精选AI 评分6161 LlamaIndex 工程师分享构建 LLM Agent 工具的实用技巧
LlamaIndex 工程师在发布 LlamaHub Tools（含 Gmail、Google Calendar、Wolfram Alpha 等 15 个工具）后，总结编写 LLM Agent 工具的技巧。
推荐理由：作者结合 LlamaHub Tools 的开发实践，总结出输入容错、错误自恢复、日期函数等可直接套用的 Agent 工具编写方法。
LlamaIndex：产品、工程与评测精选AI 评分7070 LlamaIndex 发布 Data Agents 与 LlamaHub 工具仓库
LlamaIndex 发布 Data Agents，LLM 驱动的知识工作者可对非结构化、半结构化和结构化数据执行读取与写入任务。
推荐理由：发布方亲自讲解 Data Agents 的推理循环与工具抽象设计，并给出可直接复用的代码示例，适合想在自己的数据上搭建智能体的开发者参考。
LlamaIndex：产品、工程与评测AI 评分4949 LlamaIndex 更新：知识图谱 RAG、引用溯源与 OpenAIAgent 等新功能
LlamaIndex 发布新博客系列 LlamaIndex Update，并推出多项功能更新：支持 NebulaGraph 的知识图谱 RAG、可内联引用来源的 CitationQueryEngine、集成 Microsoft Guidance 实现结构化输出，以及支持顺序工具调用和异步回调的 OpenAIAgent。
LangChain：BlogAI 评分5858 LangChain 发布 data-driven-characters 仓库，用任意语料生成角色聊天机器人
Michael Chang 在 LangChain 博客发布 data-driven-characters 开源仓库，可上传语料、命名角色即可生成角色聊天机器人，支持导出到 character.ai、命令行和 Streamlit 三种交互方式。
LlamaIndex：产品、工程与评测AI 评分5555 LlamaIndex 结合 Transformers Agents 打造 Text2Image 提示词助手工具
LlamaIndex 团队为 Transformers Agents 实现了一个 Text2Image Prompt Assistant 工具，通过索引 10K 条 DiffusionDB 提示词，让 LLM 参考示例改写提示词后再生成图像。
LlamaIndex：产品、工程与评测AI 评分5858 LlamaIndex 实验：较弱的 LLM Agent 需要更多约束和更强的工具
LlamaIndex 在三份 Uber 2022 年 10-Q 财报上比较了复杂无约束的 ReAct agent 与简单路由 agent 的查询效果。
LangChain：Blog精选AI 评分6464 LangChain 推出 Plan-and-Execute 智能体执行器
LangChain 发布名为 Plan-and-Execute 的新型智能体执行器，先由 planner 规划步骤，再由执行器逐步完成，与此前基于 ReAct 的 Action Agent 形成对比。该设计将规划与执行分离以提升可靠性，代价是更多 LLM 调用，灵感来自 BabyAGI 和 Plan-and-Solve 论文，首版放在实验模块，提供 Python 和 JS/TS 文档。
推荐理由：原文解释了 Plan-and-Execute 与传统 Action Agent 的算法差异和代价，读者可以据此判断它适合的复杂任务场景。
LlamaIndex：产品、工程与评测AI 评分4343 LlamaIndex 播客精华：用 LlamaIndex 蒸馏 TWIML AI 访谈
LlamaIndex 作者 Jerry 在 TWIML AI 播客中回顾了项目起源：2022 年 11 月为做销售机器人而尝试把 Notion、Slack、Salesforce 等私有数据接入 GPT-3，由此催生这一连接语言模型与数据的工具包。
LangChain：Blog精选AI 评分6464 LangChain 解析 AutoGPT、BabyAGI、CAMEL、Generative Agents 四个 Agent 项目
LangChain 发布技术博客，对比近两周流行的 AutoGPT、BabyAGI、CAMEL 和 Generative Agents 四个 Agent 项目，将其分为自主智能体与智能体模拟两类。
推荐理由：原文对比 AutoGPT、BabyAGI、CAMEL 等项目的新颖点，并说明 LangChain 已复刻哪些部分，读者可据此了解各框架差异与可复用实现。
OpenAI：官网动态精选AI 评分6262 OpenAI 用 Video PreTraining 训练神经网络玩 Minecraft 并合成钻石工具
OpenAI 通过 Video PreTraining（VPT）在大量无标注人类 Minecraft 游玩视频上训练神经网络，仅使用少量承包商标注数据，微调后模型可合成钻石工具，这一任务熟练人类通常需要超过 20 分钟、约 24,000 个操作。模型使用键盘和鼠标的原生人类接口，是迈向通用计算机操作智能体的一步。
推荐理由：原文说明 VPT 用少量标注数据配合海量无标注视频训练模型，读者可了解这种半监督路线对训练通用智能体的参考价值。
OpenAI：官网动态精选AI 评分6262 OpenAI 在多智能体躲猫猫游戏中观察到自发工具使用
OpenAI 报告在新构建的模拟躲猫猫环境中，智能体通过多智能体对抗训练自发学会逐步复杂的工具使用。智能体形成了六种不同的策略与反策略，其中一些是团队事先不知道环境支持的。作者认为这种自监督涌现的复杂性表明，多智能体共同适应未来可能产生极复杂且智能的行为。
推荐理由：原文记录了多智能体在躲猫猫环境中自发形成的六种策略与反策略，可帮助读者理解多智能体协同如何催生复杂行为。
OpenAI：官网动态AI 评分5050 OpenAI 发布 CoinRun：量化强化学习中的泛化能力
OpenAI 发布训练环境 CoinRun，用于衡量智能体将经验迁移到新情境的能力，并已帮助厘清强化学习领域一个长期存在的难题。CoinRun 在复杂度上取得平衡：比《刺猬索尼克》等传统平台游戏更简单，但仍对当前最先进算法构成值得挑战的泛化测试。