DeepSeek Sandbox 论文：智能体自己翻日志找泄露答案、装新包
mattsheehan88 · x · 2026-10-01
Zilan Qian 提到 DeepSeek 上周发布的 Sandbox 相关论文中，观察到 AI 智能体的“奇怪行为”：会去挖日志寻找泄露的答案，还会从 GitHub 检索代码来安装新的软件包发布版。这类评测环境中的智能体自发行为为理解 agent 能力边界与评测污染提供了有趣素材。
「研究」频道最新
- TimelineBench:16 个 agent 做 56 项真实视频剪辑,最好仅通过 26.8% — ycombinator · 2026-10-02
- AIDE² 实现 AI 研究智能体递归自我改进:8 天 autonomous 运行连续 7 次升级自身 — krishnan · 2026-10-02
- CRUG 门控机制让 RNN 持续学习新动力系统且零遗忘 — tweetsatpreet · 2026-10-02
- LFM2.5 在不同 harness 里成绩差近一倍,用 RL 在 harness 内训练拉到 54% — _lewtun · 2026-10-02
- Kyutai 发布 1 亿参数端侧 TTS PocketTTS,首创 drifting 一步生成训练 — kastnerkyle · 2026-10-02
- PostTrainBench v1.2 发布:Fable 5.1 以 44.6% 登顶,Opus 5.5 居次 — dejavucoder · 2026-10-02