浏览器 Agent 每次都从零开始，Browserbase 怎么让它自己修出一份 Skill
浏览器 Agent 每次遇到同一网站，都可能重新探索并重复犯错。
生产轨迹
31 篇文章
全部文章
模型拿到答案以后，为什么还花几天时间欺骗评分者？
模型为什么拿到评测答案后，还花几天设法欺骗评分者？
Agent 怎样改进自己：Langfuse 把生产 Trace、评测和 PR 接成一条循环
Agent 的输出事实正确，用户仍可能不断修改；Langfuse 的更新日志工具就把内部术语直接写给了客户。
Warp 的任务约 35 分钟开出 PR，第一次人工评审却要等 3.5 小时
Warp 的 Agent 约 35 分钟就能把任务推进到 PR，首次人工评审却要等约 3.5 小时。
12 次 GPU 实验跑完，最好结果从 5.831 变成 5.833：为什么 ARIA 没有创造新纪录
研究 Agent 能自动启动多次 GPU 实验，但运行次数增加不代表研究结果一定改善。
Anthropic Managed Agents 实操：长时 Agent 先解决一个人的短命任务
一项工作只需要持续几周，却每天重复，还要访问多个系统并做判断，通常不值得先立一个长期软件项目。
Ankur Goyal：AI 写代码越来越快，工程师更该先把“怎样算对”写清楚
Agent 可以长时间并行试算法，但如果成功标准含糊，它只会更快执行错误目标。