Web Access：一个Skill，拉满Agent联网和浏览器能力
Web Access：一个Skill，拉满Agent联网和浏览器能力这个 Skill，能让你的 Agent 联网能力提升到最离谱的一集。
来自主题: AI技术研报
6565 点击 2026-03-23 14:14
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
这个 Skill，能让你的 Agent 联网能力提升到最离谱的一集。
开源多模态生成领域，迎来架构级的底层突破。
AI 编程这么火，想训练个 SWE Agent 却没有资源怎么办？
苦于AI单字拼凑没行气，或是排版秒变“鬼画符”？
AI 驱动的自动化科研正从概念走向真实系统。近期受到广泛关注的 FARS，以及 Karpathy 开源的 autoresearch，都在不同程度上展示了 AI Scientist 自动进行 AI 领域研究的可行性。
在 AIGC 领域，基于参考图像的图像修复（Reference-based Inpainting）一直是一项备受关注的核心任务，它旨在利用参考图像引导修复过程，生成视觉一致的内容。这一技术在广告营销和电商领域有着巨大的应用潜力，例如让 AI 自动生成 “真人手持或穿戴商品” 的展示图。
一张蓝锥嘴雀的图片，你能认出它是“鸟”，但能认出它是“鸟纲-雀形目-唐纳雀科-锥嘴雀属-蓝锥嘴雀”吗？
这两年，扩散语言模型（Diffusion LLM）一直是个很有讨论度的方向。
多模态大模型，到底有多“嘴硬”？ 浙江大学联合阿里巴巴、香港城市大
一边的人，每次跟 Agent 说话都像重新 onboarding：得再讲一遍背景、偏好和上下文。另一边的人，Agent 已经知道自己是谁、该怎么说话、用户讨厌什么，也记得上次积累下来的东西。这条分界线，叫 workspace。
目前，该论文已录用至 CVPR 2026，相关数据集和模型训练训练和推理代码将逐步开源：究其原因，一个好故事并非一堆漂亮镜头的简单拼接，而是一个有结构、有逻辑的叙事整体。
现在的AI agent往往把长交互历史直接存起来，但很难高效复用。最朴素的方法直接从「原始记忆」里检索，但常常把模型淹没在冗长、低价值的上下文里。PlugMem把经验转化为结构化、可复用的知识，并提出一个任务无关（task-agnostic）的统一记忆模块，在多种Agent基准上提升性能，同时消耗更少。
在此背景下，浙江大学研究团队提出了 EasySteer——一个基于 vLLM 构建的高性能、可扩展 LLM Steering 统一框架。该框架通过与 vLLM 推理引擎的深度集成，相比现有 Steering 框架实现了 10.8-22.3 倍的推理加速，同时提供更细粒度的干预控制，并为八大应用场景提供了预计算 Steering 向量与完整复现示例，方便研究者快速上手和对照复现。
OpenClaw-RL的核心价值在于：它能让您的OpenClaw🦞仅仅通过与你日常对话产生的自然反馈（如你的纠正、补充说明或环境报错），就能在后台实时自动更新权重，变得越来越符合您的个性化偏好，并在实际任务中不再犯同样的错误。
2026年开年以来，Harness工程一词热度渐高，OpenAI在2月发布的一篇详细的内部实验报告标题中使用了此词，ThoughtWorks 首席科学家 Martin Fowler 在 X上也表示Harness工程是AI赋能软件开发的关键部分。
传统的 AI 购物助手更像是一个任务完成机器：接到指令，搜索，下单。他们或许能跑通流程，却完全无法理解用户为何在最后一刻因为一条关于 “夹耳朵” 的差评而放弃支付。简而言之，传统的电商 Agent 只是任务导向的（task-oriented），而不是模拟导向的（simulation-oriented）。为此，来自亚马逊（Amazon）的研究团队提出了名为 Shop-R1 的训练框架 。
如今，一场由 AI 智能体驱动的变革正在发生。近日，来自香港科技大学、西北工业大学、清华大学等多家高校及研究机构的学者联合发布了遥感 AI 智能体领域系统综述。全文逾万字，首次为「遥感智能体」给出了严格定义，系统梳理了其架构、应用、数据集与未来方向。
养了这么久龙虾，是时候开始构建自己的 Skills 了。这时候，一篇来自 Anthropic 团队的 Skills 秘籍在外网广为流传，为想要构建 Skills 的开发者和智能体用户提供了绝佳的参考资料。
EmoStyle 由深圳大学可视计算研究中心黄惠教授课题组独立完成，第一作者为杨景媛助理教授，第二作者为研二硕士生柏梓桓。深圳大学可视计算研究中心（VCC）以计算机图形学、计算机视觉、人机交互、机器学习、具身智能、可视化和可视分析为学科基础，致力前沿探索与跨学科创新。
当人们谈到“世界模型”（World Models）时，很多人会首先想到近年来迅速发展的生成式视频模型。
在机器人领域，扩散策略（Diffusion Policy）已经成为了标准模仿学习策略和 VLA 动作生成范式，但其「从随机噪声中迭代解噪」的机制带来了不容忽视的推理延迟。如果机器人不再从随机高斯噪声开始「盲猜」，是否可以基于「刚刚做了什么」来预测「下一步做什么」呢？
AI Agent世界的npm来了！
Transformer不保？今天，CMU普林斯顿原班人马杀回，新一代开源架构Mamba-3震撼降临。15亿参数战力爆表，性能比Transformer飙升4%。
人的智能能力主要由推理能力和长期记忆能力构成。近年来，大模型的推理能力一直处于快速发展过程，但大模型的长期记忆能力一直受限于上下文长度，无法取得突破。在历史上，曾经有多种路线进行尝试，但都无法突破扩展性（Scalability）、精度（Precision）和效率（Efficiency）的不可能三角。
MLRA通过拆分KV缓存为四个并行分支，显著降低显存占用并实现4路张量并行。推理速度比MLA最高快2.8倍，支持百万级上下文，且模型质量更优。无需牺牲性能，即可高效扩展长文本处理能力。
本文是北京大学彭宇新教授团队在文本生成视频领域的最新研究成果，相关论文已被 CVPR 2026 接收。
上周，除了 OpenClaw，AI 圈还有个词越来越火🔥。
在大模型时代，Tool-Use已经成为智能体能力的核心组成部分。
过去两年，世界模型（World Model）正在成为大模型演进的重要方向。
谁能料到，OpenClaw 的热度从年初延续到了今天。除了专业工程师，很多普通人也在 FOMO（错失恐惧）情绪驱动下，开始了对「养龙虾」的追捧。