agentic-models

TerminalTraj是一个可扩展的流水线，利用Docker化环境生成高质量的终端智能体轨迹，在终端任务基准上使用TerminalTraj-32B等模型实现了高达20%的性能提升。

本文以会议论文数据集抽取为测试平台，研究反思与记忆等智能体机制是否能在学术PDF信息抽取中，相对于固定LLM工作流带来可控的改进。

TACO提出了一种针对代码工具智能体的新型信用优化方法，该方法使用差分奖励探针和结果门控优势路由来区分有用、冗余或误导性的工具调用，从而提升多模态智能体的性能。

本文介绍了OpenThoughts-Agent，一个开源的用于训练智能体语言模型的数据整理流程，在七项基准测试中取得了44.8%的平均准确率，并通过系统性实验超越了先前的开源数据集。

OpenBioRQ 是一个包含12,553个未解决生物医学研究问题的新基准，用于测试智能体模型验证来源和避免虚假引用的能力。该基准揭示，当前模型经常链接到错误的论文，并在难题上出现智能体崩溃。

Nex-N2-Pro是NexEcosystem新推出的开源LLM，据报道在基准测试中优于Kimi-K2.6和DeepSeek-V4-Pro等领先模型，具有自适应和连贯思维的特点。

Magma 是微软研究院推出的一个开源仓库，用于构建整合视觉、语言和行动的多模态 AI 智能体，提供模型链接、推理示例、训练说明和演示。

微软推出了Fara1.5系列小型浏览器代理（4B、9B、27B），在计算机使用基准测试中取得了最先进的性能，在Online-Mind2Web上得分63%，并超越了Operator和Gemini等更大规模的模型。

Andrej Karpathy讨论了OpenClaw时刻之所以引起广泛共鸣，是因为非技术受众首次接触到了超越ChatGPT消费级产品的先进agentic AI模型。