arXiv cs.AI·6 小时前★ 3
EvoX：Rust 多模型智能体运行时，成功率超同类 3 个百分点
原文标题：EvoX: Rethinking the Agent Harness as a Runtime Policy
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
AI 智能摘要
论文提出 EvoX，一个基于 Rust 的多模型 LLM 智能体运行时，把 harness 视为补充模型语义策略的「运行策略」，通过动作实现、执行连续性与结果落地三种机制做确定性控制。在 5 个基准、6 个基础模型、6 个 harness 的 691 组任务上取得 56.2% 最高成功率，比其余五个 harness 平均高约 3 个百分点，在 GLM-5.3 与 Kimi K3 上优势更大。
所属主题智能体65
阅读原文 +0
AI 处理过程展开/收起
原始标题：EvoX: Rethinking the Agent Harness as a Runtime Policy
AI 中文标题：EvoX：Rust 多模型智能体运行时，成功率超同类 3 个百分点
来源：arXiv cs.AI · 发布于 6 小时前
分类：应用产品 · AI 重要度：★ 3（3）
标签：智能体 / 运行时 / 工具调用 / 基准评测
关键词：AI 智能体 / Agent 运行时 / 工具调用 / EvoX / 智能体框架
AI 处理：2026/11/13 18:02:17 · 模型 deepseek-chat · 规则版本 2026-10-21.1
相关推荐
Hacker News – AI·55 天前★ 5
AI分析40万条Reddit帖子发现Ozempic隐藏副作用
AI 摘要研究利用AI分析约40万条Reddit帖子，发现Ozempic等GLP-1药物此前未被充分记录的副作用。该成果展示AI在药物警戒与真实世界证据挖掘中的潜力，可补充传统临床试验与不良反应报告的盲区。
#应用产品
The Verge AI·65 天前★ 5
谷歌AlphaGenome Atlas绘制人类基因组图谱
AI 摘要谷歌DeepMind推出AlphaGenome Atlas，包含人类基因组中每个可能的DNA字母变化的预测图谱，有望加速科学研究并推动疾病治疗。该工具将改变我们对生物学的理解。
#应用产品
快公司·2 天前★ 4
亚马逊封杀 Meta 助手 Muse 购物，智能手机替代战开打
AI 摘要文章讨论后智能手机时代的入口之争：亚马逊已阻止 Meta 的 AI 助手 Muse 在其电商平台购物，OpenAI 的奥特曼也质疑智能手机对 AI 的适配性。智能眼镜、AirPods 与 Meta 的 Muse Charm 设备被视为潜在挑战者。
#应用产品
InfoQ AI·1 天前★ 4
Anthropic 的 Claude 进军办公软件：可参会、做表格、生成 PPT
AI 摘要Anthropic 将 Claude 的能力扩展到办公场景，支持自动参加会议、制作电子表格和生成演示文稿，直接切入微软 Office 与 Copilot 的核心腹地。此举意味着 AI 助手从对话工具向办公生产力平台演进，办公软件市场竞争加剧。
#应用产品
内容有误或摘要不准？告诉我们