Mistral AI 推出企業級 AI 編碼助手 Mistral Code，開放私測
Mistral AI 推出 Mistral Code，將編碼模型、IDE 助手、部署選項及企業管理工具整合為面向企業的 AI 編碼助手。產品現已為 JetBrains IDEs 和 VSCode 開放私測，正式版計劃稍後推出，部署方式包括 serverless、雲端及自託管。
#Agent
#Agent
今日 5 條Mistral AIAI 評分5555
Hugging Face BlogAI 評分5757 H Company 發佈 Holo1 開源 VLM 系列及 WebClick UI 定位基準
H Company 發佈 Holo1 開源 VLM 系列及 WebClick UI 定位基準，後者收錄 1,639 項 UI 任務。Holo1 系列包括 Holo1-3B 和 Holo1-7B，後者在常見 UI 定位基準的平均準確率為 76.2%。Surfer-H 採用 Holo1 開放權重模型；H Company 稱，該智能體在真實網頁任務上的準確率為 92.2%，每項任務成本為 $0.13。
Mistral AI精選AI 評分7070 使用 Mistral Agents API 構建 AI 智能體
Mistral AI 發佈 Agents API，將內置連接器、跨對話記憶及智能體編排整合為構建 AI 智能體的框架。內置連接器涵蓋代碼執行、網絡搜索、圖像生成、Document Library 及 MCP 工具；啟用網絡搜索後，Mistral Large 和 Mistral Medium 在 SimpleQA 的分數分別由 23% 和 22.08% 升至 75% 和 82.32%。
推薦理由：Agents API 把內置連接器、跨對話記憶和多智能體編排納入同一框架，並以 SimpleQA 數據呈現網絡搜索前後的分數差異。
OpenAI NewsAI 評分4747 OpenAI o3 與 o4-mini 系統卡補充文件：Operator 改用 OpenAI o3
OpenAI 將 Operator 原有基於 GPT-4o 的模型，替換為基於 OpenAI o3 的版本。Operator 的 API 版本仍基於 4o。這項變更收錄於 OpenAI o3 與 o4-mini 系統卡補充文件。
Mistral AI精選AI 評分7373 Mistral AI 發佈面向軟件工程任務的 Devstral 智能體大語言模型
Mistral AI 發佈與 All Hands AI 合作打造的 Devstral，這款面向軟件工程任務的智能體大語言模型以 Apache 2.0 授權免費開源。
推薦理由：Devstral 在 SWE-Bench Verified 得分 46.8%，較此前開源 SoTA 高逾 6 個百分點，讓模型處理真實 GitHub issue 的基準表現有量化參照。
Mistral AI精選AI 評分6363 Mistral AI 推出由 Mistral Medium 3 驅動的 Le Chat Enterprise
Mistral AI 推出由 Mistral Medium 3 驅動的 Le Chat Enterprise，將企業搜索、知識整合及自訂 AI 智能體納入同一平台。
推薦理由：Le Chat Enterprise 將企業搜索、知識整合、無代碼智能體建構與多種部署方式整合於同一方案，並交代首批連接器和功能推出節奏。
OpenAI NewsAI 評分3737 BrowseComp：面向瀏覽智能體的基準測試
BrowseComp 是一項面向瀏覽智能體的基準測試。
OpenAI NewsAI 評分4242 PaperBench：評估 AI 智能體複現前沿 AI 研究的能力
OpenAI 推出 PaperBench，這項 benchmark 用於評估 AI 智能體複現前沿 AI 研究的能力。
OpenAI NewsAI 評分1414 ChatGPT for Business：2025 年 3 月新增內容
OpenAI 分享 ChatGPT for Business 2025 年 3 月的最新發布。內容指出，ChatGPT 正變得更具互動性，可按團隊工作方式度身訂製，並更具智能體特性。
Mistral AI精選AI 評分6969 Mistral OCR 推出文件理解 API，支援圖片與 PDF 解析
Mistral AI 推出 Mistral OCR 文件理解 API，可解析圖片與 PDF，並抽取文字、圖像、表格及公式。API mistral-ocr-latest 已在 la Plateforme 開放，每美元可處理 1000 頁，批次推理下每美元可處理頁數約增至兩倍；Mistral OCR 亦可在 le Chat 免費試用。
推薦理由：Mistral OCR 可解析 PDF、圖片中的表格與公式，並支援 JSON 輸出，展示文件接入 RAG 與 Agent 工作流的實際做法。
Mistral AIAI 評分4747 Mistral AI 以智能體工作流程提升產品開發效率
Mistral AI 的 TranscriptToPRDTicket 智能體工作流程可將會議逐字稿自動轉成產品需求文件（PRD）及開發工單。其中 PRDAgent 與 TicketCreationAgent 均由 Mistral Large 2 驅動，並可在 Linear 或 Jira 建立工單。完整實作已提供於 Google Colab notebook，供使用者開始部署及按需自訂。
Mistral AI精選AI 評分7575 Mistral AI 推出全新 le Chat，面向生活與工作場景
Mistral AI 推出全新 le Chat AI 助手，面向生活與工作場景，並開始提供 iOS、Android 版本及 Pro、Team 方案。它支援網頁搜尋、文件上傳與摘要、圖像生成及沙盒程式碼執行；Flash Answers 預覽版向所有用户開放，速度最高可達 ~1000 words / sec。
推薦理由：le Chat 整合文件分析、Code interpreter、圖像生成與日常助理用途，並以免費、Pro、Team及企業私有部署方案覆蓋不同場景。
Hugging Face BlogAI 評分5353 DABstep：面向多步推理的數據智能體基準
Hugging Face 與 Adyen 聯合推出 DABstep，這項基準以450多項數據分析任務評估 AI 智能體的多步推理能力。任務源自 Adyen 的實際工作負載，但資料與商業背景為人工生成；基準涵蓋結構化資料和非結構化文件，並提供資料集、任務、評測、即時排行榜及基線。
OpenAI News精選AI 評分7676 OpenAI 推出 deep research 研究智能體
OpenAI 推出 deep research，這個智能體會運用推理整合大量網上資訊，並替用户完成多步驟研究任務。功能現時向 Pro 用户開放，Plus 和 Team 用户隨後可用。
推薦理由：公告交代 deep research 如何處理網上資訊整合與多步驟研究任務，並列出 Pro、Plus、Team 的開放次序，方便了解其適用工作場景。
Hugging Face Blog精選AI 評分6262 Hugging Face 為 smolagents 加入視覺語言模型支援
Hugging Face 為 smolagents 加入視覺支援，使視覺語言模型可原生用於智能體流程。圖片可以在 agent.run() 時一次傳入，也可透過 step callback 動態加入 ActionStep；文章並以 helium 示範視覺網頁瀏覽智能體。
推薦理由：文章整理了 smolagents 接收初始圖片與逐步加入截圖的兩種方式，並以網頁瀏覽智能體示範如何用 callback 更新執行記憶。
OpenAI NewsAI 評分3030 OpenAI Operator 系統卡
OpenAI 的 Operator 系統卡説明其多層安全方案，以及已實施的模型與產品緩解措施，用以防範提示詞工程和越獄，並保護私隱與安全。文件亦詳述外部紅隊測試、安全評估，以及持續完善相關防護措施的工作。
Hugging Face BlogAI 評分5151 AI 智能體已經到來，Hugging Face 探討其風險與未來方向
Hugging Face 從倫理角度分析 AI 智能體，指出自主性愈高、人類交出的控制愈多，相關風險也隨之增加，並建議不要開發完全自主的智能體。文章認為，半自主智能體的效益與風險取決於自主程度、可執行任務及人類控制方式，並梳理準確性、私隱、安全和信任等面向的取捨。作者建議建立嚴謹評估、追蹤社會影響並加強透明披露，也認為開源有助擴大參與和問責。
Hugging Face Blog精選AI 評分7070 Hugging Face 推出 smolagents 智能體程式庫，支援以程式碼編寫動作
Hugging Face 推出 smolagents，讓語言模型智能體可用程式碼編寫動作。它提供以程式碼運作的 CodeAgent，也支援以 JSON/text 編寫動作的 ToolCallingAgent，並可透過 E2B 在沙盒環境執行。
推薦理由：文章説明程式碼表達動作在組合與重用上的優勢，並展示 smolagents 仍支援 JSON/text 工具調用。
Hugging Face BlogAI 評分4141 BAAI FlagEval Debate：首個多語言 LLM 辯論賽讓大型模型同場辯論
BAAI 的 FlagEval Debate 平台讓大型模型透過多語言辯論賽互相比試，以評估其推理與語言能力。平台支援中文、英文、韓文和阿拉伯文，讓模型直接交鋒，供評估者比較觀點、邏輯推理及論證策略。評估結合辯論專家評審和用户投票，並允許模型團隊調整參數、策略與對話風格。
Mistral AI精選AI 評分7676 Mistral AI 為 le Chat 推出多項免費 beta 功能
Mistral AI 為 le Chat 推出多項免費 beta 更新，新增網頁搜尋、Canvas、文件與圖像理解、圖像生成及智能體功能。文件與圖像理解由 Pixtral Large 與一款實驗模型支援，圖像生成則採用 Black Forest Labs 的 Flux Pro。新功能將於未來數週逐步推出。
推薦理由：網頁搜尋、Canvas、文件與圖像理解、圖像生成及可分享智能體同列免費 beta，呈現 le Chat 將對話延伸至知識工作多個環節的產品方向。
Mistral AI精選AI 評分6565 Mistral AI 發佈 Ministral 3B 和 Ministral 8B 邊緣模型
Mistral AI 發佈 Ministral 3B 和 Ministral 8B，面向裝置端運算及邊緣場景。兩款模型支援最高 128k 上下文長度（vLLM 目前為 32k），Ministral 8B 採用交錯式滑動窗口注意力模式。
推薦理由：文章以多個評測類別對照 Ministral 3B、8B 與 Gemma 2、Llama 3.2、Llama 3.1、Mistral 7B 等模型，涵蓋預訓練及 Instruct 版本，便於參照各模型表現。
OpenAI NewsAI 評分4040 MLE-bench：評估 AI 智能體的機器學習工程能力
OpenAI 推出 MLE-bench，作為衡量 AI 智能體執行機器學習工程工作的基準，聚焦其在該領域的表現。
Hugging Face Blog精選AI 評分6767 HuggingChat 推出 Community Tools，支援將 Hugging Face Spaces 轉為工具
HuggingChat 推出 Community Tools，讓使用者可把 Hugging Face 上的公開 Space 轉成模型可直接調用的工具。這些工具可用於理解圖片、生成影片或文字轉語音，也可建立文件 RAG 工具。建立助手時最多可選 3 個工具；該功能目前仍屬實驗階段。
推薦理由：文章展示如何把公開 Space、自建 Gradio 工具和文件 RAG 接入 HuggingChat，並在助手中組合最多 3 個工具，提供從建立到配置的實操路徑。
Mistral AI精選AI 評分6565 Mistral AI 公佈模型自訂、Agents 早期版本及 mistralai 1.0 SDK
Mistral AI 宣佈在 La Plateforme 開放旗下旗艦及專用模型自訂，並推出 Agents 早期版本及 mistralai 1.0 客户端 SDK。
推薦理由：這次發布把模型自訂、Agents 工作流程與客户端 SDK 更新並列，呈現 Mistral AI 如何涵蓋應用構建中的模型調整、流程編排和程式接入環節。
Hugging Face Blog精選AI 評分8787 Meta 發佈 Llama 3.1，推出 8B、70B、405B 模型並支援多語言與 128K tokens 上下文
Meta 發佈 Llama 3.1，提供 8B、70B、405B 三種規模的 base 與 instruct 模型，均支援 128K tokens 上下文和 8 種語言。Instruct 版本加入工具調用能力，並支援自訂 JSON 函數；授權亦允許以模型輸出改進其他 LLM。Hugging Face 同時列出 Transformers、TGI 等整合，以及各型號在推理和微調時的記憶體需求。
推薦理由：文章將 8B、70B、405B 的部署定位、128K tokens 上下文及記憶體需求一併列出，可比較不同規模模型的使用取捨。
Hugging Face BlogAI 評分5050 Cubzh 與 Gigax 推出 NPC-Playground，讓玩家與 LLM 驅動的 NPC 互動
Cubzh 與 Gigax 推出 NPC-Playground，讓玩家在瀏覽器的 3D 場景中與 LLM 驅動的 NPC 互動，並用 Lua 腳本教授新技能。Gigax 已開源推理堆疊；示範所用模型託管於雲端，微調版 Phi-3 和 Mistral-7B 可從 🤗 Hub 下載。
OpenAI NewsAI 評分2626 MavenAGI 自動化客户支援智能體
面向 AI 時代的新軟件公司 MavenAGI 推出一款以 GPT-4 的靈活性為基礎打造的 AI 客户服務智能體。Tripadvisor、Clickup 和 Rho 等公司已使用該智能體節省時間，並更好地服務客户。
Hugging Face Blog精選AI 評分7070 Hugging Face 發佈 Transformers Agents 2.0，新增兩種可迭代的智能體
Hugging Face 發佈 Transformers Agents 2.0，新增 ReactCodeAgent 和 ReactJsonAgent，能根據過往觀察迭代。框架以簡潔、模組化，以及工具和提示詞透明為設計目標。使用 Llama-3-70B-Instruct 的智能體在完整 GAIA 基準中排名第 4，超越多個基於 GPT-4 的智能體。
推薦理由：文中比較 Code 與 JSON 智能體在不同模型上的表現，並展示 Llama-3-70B-Instruct 智能體於 GAIA 的名次，可作為評估 Agent 架構與模型搭配的具體參照。
OpenAI NewsAI 評分2626 Klarna 的 AI 助理承擔 700 名全職客服專員的工作
Klarna 的 AI 助理承擔相當於 700 名全職客服專員的工作。Klarna 正運用 AI 革新個人購物、客户服務及員工生產力。
Hugging Face BlogAI 評分5555 Hugging Face 與 Lighthouz AI 推出 Chatbot Guardrails Arena，測試聊天機械人私隱防護
Lighthouz AI 與 Hugging Face 推出 Chatbot Guardrails Arena，讓社羣以對抗式對話測試聊天機械人防止敏感資料外洩的能力。
Hugging Face BlogAI 評分4646 ChatGPT 生成遊戲故事：AI 遊戲開發第 5 篇
《AI for Game Development》第 5 篇示範以 ChatGPT 為農場遊戲生成故事摘要、遊戲內故事及商店物品描述，並透過多輪對話修訂內容。初稿與 Stardew Valley 的故事極為相似，長篇生成亦出現質素下降和重複。文章提醒直接採用生成內容可能帶來法律、倫理及商業風險，建議以 AI 協助構思，並由人手撰寫定稿。
Hugging Face BlogAI 評分5252 Hugging Face 推出 AI vs. AI 深度強化學習多智能體競賽系統
Hugging Face 推出開源工具 AI vs. AI，透過多智能體對戰和 ELO 排名評估強化學習模型的相對實力。
Hugging Face Blog精選AI 評分6060 甚麼令對話智能體有用？
Hugging Face Blog 梳理對話智能體的訓練方法，涵蓋 IFT、SFT、RLHF 和 CoT。文中指出，IFT 所需指令數據僅為數百例量級，SFT 以人工標註改善有用性和安全性，RLHF 則根據人類偏好訓練獎勵模型，再用強化學習訓練對話智能體。
推薦理由：文章把 IFT、SFT、RLHF 與 CoT 放在對話智能體訓練脈絡中梳理，並比較多個系統的訓練資料和評估方向，呈現各方法的分工。
Hugging Face BlogAI 評分4949 優勢 Actor-Critic（A2C）
Hugging Face 深度強化學習課程第 7 單元講解 Advantage Actor Critic（A2C），以 Actor 和 Critic 結合政策式與價值式方法，降低 Reinforce 策略梯度估計的方差並穩定訓練。課程使用 Stable-Baselines3，在 PyBullet 機械人模擬環境訓練雙足步行者和蜘蛛智能體。
OpenAI News精選AI 評分6464 OpenAI 以 Video PreTraining 訓練神經網絡玩 Minecraft
OpenAI 透過 Video PreTraining（VPT），使用大量未標註的人類 Minecraft 遊玩影片，配合少量已標註的承包商數據訓練神經網絡玩 Minecraft。經微調後，模型可學會製作鑽石工具；熟練玩家完成這項任務通常需要超過 20 分鐘（24,000 次操作）。模型使用按鍵輸入和滑鼠移動這種原生人類操作介面，研究將其視為邁向通用電腦操作智能體的一步。
推薦理由：這項研究展示如何利用大量未標註的人類遊玩影片，配合少量標註數據訓練可透過鍵盤和滑鼠操作遊戲的模型。
Hugging Face BlogAI 評分5353 Deep Q-Learning 教程：以 Space Invaders 為例
Hugging Face 深度強化學習課程第 3 單元介紹 Deep Q-Learning，並以 Space Invaders 説明神經網絡如何取代 Q-table，估算各動作的 Q 值。
Hugging Face BlogAI 評分5050 Q-Learning 入門（2/2）：演算法原理與 Frozen Lake v1、的士環境實作
Hugging Face 的 Deep Reinforcement Learning Class 第二部分講解 Q-Learning，並帶領學員從零實作強化學習智能體。
Hugging Face BlogAI 評分5959 Hugging Face 深度強化學習課程第一章：Deep Reinforcement Learning 入門
Hugging Face 的 Deep Reinforcement Learning Class 第一章介紹深度強化學習的基本框架，説明智能體如何透過與環境互動、採取行動並接收獎勵來學習。
Hugging Face BlogAI 評分4545 Hugging Face 引入 Decision Transformer，整合至 Transformers 函式庫及 Hub
Hugging Face 將 Decision Transformer 這種離線強化學習方法整合至 🤗 Transformers 函式庫及 Hugging Face Hub。
Hugging Face BlogAI 評分5050 Hugging Face Hub 整合 Stable-Baselines3
Hugging Face 將 Stable-Baselines3 整合至 Hugging Face Hub，讓使用者可託管已儲存的模型，並載入社羣模型。Stable-Baselines3 是 PyTorch 深度強化學習程式庫，整合支援透過 `load_from_hub` 載入模型，並以 `push_to_hub` 上傳分享。