#LLM agents

一篇 10 月 22 日发布的博客文章公开描述了针对 Nintendo Switch 2 的越狱，并介绍了为自动化漏洞研究搭建的硬件与 LLM 代理环境。文章称使用 JetKVM 通过 USB 向主机发送手柄输入、通过 HDMI 获取视频输出，让 Codex 参与研究流程，并在主机崩溃时用蓝牙开关装置按压电源键重启。材料未提供原文内容，也未给出所利用漏洞、适用固件版本或独立复现结果，因此这些说法目前只能视为博客作者的自述。

Idiap 研究院与 Logitech 的作者发布了 DialFork，一个衡量对话式 LLM 智能体“流程幻觉”的基准：这类智能体每轮表达流畅、工具调用也正确，却偏离了规定的对话流程。基准从 24 个任务、12 个领域出发，通过重放对话并在选定轮次注入漂移指令，构造出逾 3.6 万段对话，并由 30 名人工标注者和一个经这些标注校准的 LLM 评判器核验。作者表示，据其所知，这是首个针对该维度的基准；数据、代码、论文以及三个任务在 Hugging Face 上的公开排行榜均已开放。

一篇 arXiv 论文提出“混合推理智能体”（Hybrid Reasoning Agents）：模型在潜空间（latent space）中完成推理，再通过文本动作与外部环境交互，从而把内部思考与可观测的输出动作分开。作者同时放出配套资源：GitHub 上的 togethercomputer/HybridAgent 代码库、HuggingFace 上的模型与数据集合，以及论文第 5 节的评测结果。这属于论文加开源代码、模型的发布，而非已交付的产品能力；实际效果需以论文评测和第三方复现为准。

Google Research 开源了 Harness²，一个通过两层递归在不更新模型权重的前提下优化 LLM 智能体表现的框架。据项目方说法，该框架在 WorkBuddy-Bench 等测试中最高带来 11.5 分提升，并支持并行与顺序两种递归模式，已集成多款基准测试，以 Apache 2.0 协议发布。上述分数为项目方自述，目前来源仅为一条简报，尚无独立复现或实现细节披露。