Clauday.

Salesforce AI Research 发了 DarwinX，把所有人都在绕的那个想法直接做成了种群。模型权重冻死。进化的是 harness：prompt、工具、skill、控制流。在脚手架上跑自然选择。 会被反复引用的结果是 WebArena-Infinity 从 43.5% 到 93.0%，且审计干净。Terminal-Bench 2.1 在同级…

这是一个说得很直白的好想法。能不能不动一个参数，把大模型的能力转移给小模型？能，在推理阶段做，让强模型去搭弱模型运行其中的那个 harness。论文叫 AI4AI at Test-Time，HuggingFace 92 赞，来自 UIUC 和 Salesforce Research。 做法是：一个 builder 模型用 5% 的验证数据，分几轮迭代打磨给…

DeepSeek 把自己的 agent harness 开源了，MIT 协议，很多人 README 还没读完，star 已经冲到 3.8 万。项目叫 dsh，TypeScript 写的，距离 V4 Pro 正式版上线只隔了一天。宣传语就四个字：一切皆插件。 这不是营销话术。模型、工具、skill、会话、沙箱、存储、agent 循环本身、调度、UI，全都是插…

挂在 Hugging Face 每日论文靠前位置、107 个赞：Co-Evolution in Agentic Systems，作者是 Qing Zong、Jiayu Liu、Junhao Shen 等十几人，包括 Yangqiu Song。这是一篇综述，通常意味着可以跳过，这篇值得读，是因为把这个领域一次性铺开之后呈现出的样子。 它的组织方式是一个三层分…

一个 coding agent 改自己的源代码，让 diff 走一遍 review，commit 掉，然后接着干活。这就是 Ouroboros，arXiv 2608.08311，8 月 8 日放出来，现在 Hugging Face Daily Papers 上一千多票，今年 agent 类论文里最高的一次。 真正让人没法糊弄过去的是数字。Terminal-…

一个叫 loopx 的仓库（github.com/huangruiteng/loopx）今天涨了 327 星，总数过了两千。它的自我定位是给长时间运行的 AI agent 团队做"loop engineering 状态内核"。把术语剥掉，这就是多日 agent 工作缺失的那层运维——MIT 协议，Python，v0.4，早期但能用。 设计上，它在人类判断和…

英伟达 NeMo 团队今天放出了 Molt，直接冲上 Hugging Face 论文榜第一，647 个赞。它是一个 PyTorch 原生的、面向 agentic 强化学习的训练框架，整套设计哲学就是冲着这类技术栈越做越臃肿去的。它的 RL 内核大约九千行代码，能训练到 7000 亿参数的模型。这个数字才是重点：小到一个研究员能把整个算法装进脑子里，也小到一个…

7 月 24 日，Anthropic 放出了一份针对 Claude 5 这一代模型（Opus 5、Fable 5）的新指南，最扎眼的一个数字很直接：他们把 Claude Code 的系统提示词砍掉了 80% 以上，效果没有任何下降。那些过去用来约束模型的、字斟句酌的规则和示例，现在被证明全是累赘。 老一套是这样的：给模型明确的规则，把所有上下文一次性塞满，…

Harness Handbook 在 HuggingFace papers 上拿了 163 个赞，腾讯混元出的。它盯的是一个没人写论文的问题，因为听起来太像杂活了：你想改 agent 的某个行为，到底该去代码库的哪个位置？ 先接住论文开头那个前提。agent 的能力不只来自模型，还来自它外面那层壳——管 prompt、管状态、管工具、管执行的那个东西。这一…

PalmClaw 在 HuggingFace papers 上拿了 1120 个赞，一篇 agent 框架论文能有这个数是很离谱的。想法一句话说得清：别让手机 agent 去点按钮了。 你见过的所有手机 agent 都是这么干活的：截屏，判断按钮在哪，点下去。人就是这么用手机的，所以看起来天经地义。但这玩意儿又慢又脆，因为你在用一个为眼睛和拇指设计的界面去…