iFeeling Daily
每天精选值得关注的 AI 动态
主动Agent评测新框架：用有限状态机模拟真实用户行为
只想让Agent听懂指令？那是上个阶段了。下一个挑战是让Agent学会主动找活干，但没个像样的测试环境根本没法训练。Pare把App建模成有限状态机，让用户模拟器能像真人一样在不同界面间导航，这才有了真正评测主动Agent的可能。143个任务覆盖邮件、日历、沟通App，重点测Agent的观察、推理、时机和编排能力。
Spotify 推出 ChatGPT 式音乐助手，Premium 用户可用自然语言点播歌曲
Spotify没重新造大模型，而是用混合AI策略解决了“你想用人话指挥音乐，但应用只懂点击”这个痛点。核心是把LLM当大脑，理解模糊意图后精准查询曲库，并且能保持对话上下文，让你跟音乐应用的交互从“检索”变成了真正的“对话”。
Nous Research以15亿美元估值融资，Hermes Agent瞄准开源商业化
开源Agent怎么赚钱？Nous Research用Hermes给出了答案：内置即用技能+自动学习进化，让GitHub上21万星标的Agent直接变成现金流。15亿美元估值的背后，是真正产品化了AI Agent。
AI记忆问题：长上下文为何不够——Engram CEO Dan Biderman
Dan Biderman 解释了为什么长上下文和 RAG 解决不了 AI 记忆问题，他分享了 Engram 如何通过知识压缩和持续学习让 AI 真正记住你，并讨论了 Token 效率与智能的关系。
AI 应该帮你谋杀配偶吗？
AI该不该像枪一样完全服从用户？当你的AI愿意帮你策划谋杀配偶时，自由和安全的边界在哪？本文通过Hotz的极端观点，撕开了AI对齐领域最核心的价值观冲突。
行为隐私泄露：用随机策略堵住智能体谈判中的推断攻击
谈判智能体在保险、采购等场景中的隐私漏洞，不在加密协议里，而在让步速度和出价节奏中。作者设计了一个随机谈判策略，将对手推断用户底线的准确率降低近一半，同时保证90%以上的成交率。用动作模式混淆替代静态加密，是AI系统安全的新方向。
评估Agent性能：从打分到测绘
别再问Agent“及格了吗”，要问“问题模糊到什么程度它会崩溃”。Google团队用信息论里的“惊异度”把评估从定性打分变成了定量测绘，能精准定位Agent能力的悬崖和最佳甜蜜点。更狠的是，他们发现很多公开基准的ground truth本身就是错的。
UST 把 Claude 带入物理 AI：让 AI 嵌入芯片验证与工业流程
UST把Claude嵌入芯片验证流水线，让AI直接读原理图、写回归测试脚本、比对数字孪生数据，把四天验证周期压缩到48小时。他们同时让2万名工程师上手学Claude。这不是单纯买模型，而是把AI重新训练成看得懂硬件图纸的工程搭档。
OpenAI关闭Atlas，但AI浏览器野心仍在增长
OpenAI放弃独立AI浏览器Atlas，把智能浏览能力做成Chrome扩展和桌面端内嵌浏览器。这步棋说明，AI不应该挑战Chrome的用户习惯，而是成为它的一部分。对做AI产品的团队，这是一个值得参考的策略转向。