新课程：构建具有工具执行能力的编码代理，由@tereza_tizkova和@FraZuppichini来自@e2b教授。 大多数AI代理仅限于预定义的函数调用。这个短课程教你构建能够编写和执行代码以完成任务的代理，访问整个编程语言生态系统，而不是被限制在固定的工具集内。 你将学习如何在沙箱云环境中安全地运行代理生成的代码，保护你的系统免受有害操作的影响。 你将获得的技能： - 构建能够编写和执行代码、管理文件并通过反馈循环自主处理错误的代理 - 在E2B云沙箱中安全地运行代理代码，并理解本地、容器化和云执行之间的权衡 - 创建一个数据分析代理，使用Pandas探索和可视化数据 - 创建一个全栈代理，构建完整的Next.js web应用程序 加入我们，构建能够通过复杂任务编码的代理：

NeurIPS今年收到了21,575份论文提交。我们上周发布的Agentic Reviewer，提交和审阅的论文数量刚刚超过了这个数字。显然，代理论文审阅将会持续存在并产生影响！

发布一个新的“代理审稿人”用于研究论文。我开始将其作为周末项目进行编码，而@jyx_su让它变得更好。 我受到了一位学生的启发，他的论文在3年内被拒绝了6次。他们的反馈循环——每次等待约6个月的反馈——是痛苦的缓慢。我们想看看代理工作流程是否能帮助研究人员更快地迭代。 当我们在ICLR 2025的评审上训练系统并在测试集上测量斯皮尔曼相关性（越高越好）时： - 两位人类审稿人之间的相关性：0.41 - AI与人类审稿人之间的相关性：0.42 这表明代理审稿正在接近人类水平的表现。 该代理通过搜索arXiv来为其反馈提供依据，因此在像AI这样的领域中效果最佳，因为研究在这里是自由发布的。这是一个实验工具，但我希望它能帮助你进行研究。 在这里查看：