A new OpenAI research paper shows how AI agents are transforming work, enabling longer, more complex tasks and expanding productivity across roles.
这条 研究论文 信号说明，来自 OpenAI Blog 的信息已经不只是单点新闻，而是值得放进产品、研究和行业判断里的趋势线索。
OpenAI Blog 发布了这条关于 研究论文 的更新：A new OpenAI research paper shows how AI agents are transforming work, enabling longer, more complex tasks and expanding productivity across roles.
这条动态属于 research_papers，值得关注其对 AI 产品、研发或产业应用的影响。
研究员、模型团队和技术战略负责人 应该重点关注这条信号，尤其是正在跟踪 research、papers、agents 的团队。
接下来观察这条信号是否出现开发者采用、竞品回应、研究复现、企业部署或政策/平台层面的后续动作。
RIFT-Bench是一种基于图表示的新方法，针对自主决策的AI系统（由大型语言模型驱动），提供统一的安全评估框架。其分为发现系统结构和扫描自适应攻击两个自动化阶段，能够跨45个不同架构和实现的系统进行效果验证，并支持评估防御策略。该方法解决了传统安全评估局限于特定实现或领域的问题，实现了对异构自主AI系统的全面动态安全检测。
本文提出Neuro-Symbolic Drive，一种结合经典基于规则规划器推理轨迹与视觉语言代理（VLA）的驾驶框架。该方法利用规则规划器的执行轨迹和决策痕迹作为结构化监督，微调Qwen3.5-4B模型，使推理过程与运动规划因果连接。实验表明，该方法显著降低了平均距离误差和目标漏检率，提升了多摄像头感知下的驾驶性能。
本文探讨了“代理”及其构成，特别是在大型语言模型（LLM）兴起、被称为“编码代理”“AI共同科学家”等工具背景下的代理定义。文章梳理了AI代理的现状，从目标、身份、决策、自我调节和学习五个维度分析代理架构，强调真正的代理性需要这些结构内化于系统自身，而非依赖外部组成。区分了“代理性”系统（依赖外部工程流程）与“代理化”系统（内生能力包括社会交互），界定了自动化与自主性的边界。基于此，提出了通用代理模型——目标-身份-配置器（GIC）架构，融合分层目标分解、身份演进、基于世界模型的模拟推理、自我调节与自主学习。并讨论了拥有更大自主性的系统在审计、控制和安全方面的见解。