智能体三连击:故障评测、材料开源、训练简化
AI技术

智能体三连击:故障评测、材料开源、训练简化

工具挂了还能把活干完,才算本事。arXiv上的AgentFaultBench专测这项能力:在隔离的GitLab环境里给LangGraph和CrewAI的智能体注入工具故障,看它们能不能靠恢复建议完成任务。评测不只看最终输出,还会校验中间状态,防止智能体蒙对答案。结论不太乐观——不少智能体一遇到工具报错就卡住。恢复建议有用,但作用有限。

垂类方向也有新进展。材料科学智能体MatOS宣布开源。筛材料、找配方、开发新模型,这些原本靠人海加试错的活,它都能接手,团队称它在多项科研任务上明显提高了成功率。对材料研发来说,智能体的用处是把实验设计和数据筛选的循环压到小时级。

训练门槛也在降低。杜克大学、字节跳动、马里兰大学帕克分校和纽约州立大学布法罗分校联合推出Axion 1.0,主打“训练一个强大智能体没那么复杂”。训练流程被大幅简化,团队不用从零搭基础设施,也能训出能打的后训练智能体。

三件事指向同一个方向:智能体正从演示走向工程化。评测开始盯故障恢复能力,垂直领域跑出了开源的专用智能体,训练成本一步步降下来。下一轮比拼的是谁的智能体在真实工具链里更抗造。