Mistral 发布 Agentic Search，提升复杂文档检索的准确率与效率
Mistral 发布 Agentic Search，通过多步检索循环让 AI 系统在复杂文档和多数据源中查找、浏览并核验信息，现已通过 Mistral Search Toolkit 及 Studio、Vibe 中的 Libraries 提供。
推荐理由：多步检索与文档内导航被纳入同一套默认工具栈，两项基准呈现了相对单次 RAG 的准确率、token 和延迟变化。
技术方向
Agent 智能体 最新动态
让模型自主规划、调用工具、完成多步任务的技术方向——从 Claude Code、Manus 到各家 Agent 框架与评测基准的全部动态。
43 条精选近 30 天 40 条共收录 148 条
更新
精选归档 · 第 3 页
Mistral AI精选AI 评分7676
Berkeley AI Research精选AI 评分6565 智能近乎免费之后怎么办？为智能体服务、承载智能体并由智能体构建的数据系统
Berkeley AI Research 作者认为，随着推理成本趋近于零，数据系统需要围绕智能体负载、智能体群体运行和智能体合成系统重新设计。GPT-4 级能力每百万 token 的成本已从 2023 年初约 $30 降至如今不足 $1，部分供应商低于 $0.10；不同基准上的推理价格每年下降 9x 至 900x，中位数接近 50x。
推荐理由：文章把推理成本持续下降与数据系统演进联系起来，提出智能体负载、群体运行底座和系统合成三条研究主线。
Hugging Face Blog精选AI 评分6363 Hugging Face 解析 AI 智能体中的 Harness、Scaffold 与关键术语
Hugging Face 梳理 AI 智能体领域的易混术语，将 Scaffold 定义为模型周围决定行为的层，将 Harness 定义为调用模型、处理工具调用并决定何时停止的执行层。文章还区分了模型、智能体、上下文工程、Policy、工具、技能与子智能体，并解释了 RL 训练中的环境、Trainer、Rollout 和 Reward。
推荐理由：文章以模型、Scaffold 与 Harness 的分层关系厘清易混术语，并串联上下文工程和强化学习训练环节，便于跨框架沟通。