2017年，Google發表了一篇名為《AttentionIsAllYouNeed》的論文，就像往AI圈扔了一顆原子彈——里面提出的Transformer模型，直接改寫了自然語言處理（NLP）的歷史，后來的GPT、BERT、LLaMA，全都是它的“子孫后代”。但你知道嗎？Transformer不是憑空蹦出來的，它是Google團隊在“舊路走不通”時，硬生生闖出來的新道。咱們今天就從底層邏輯聊聊，當時Google為啥非要搞這么個模型，以及它誕生背后的那些故事。一、2017年前的“...

編輯聽雨出品51CTO技術棧（微信號：blog51cto）如果不是這次訪談，你可能不知道：Linux之父LinusTorvalds，最近迷上了做吉他效果器，而且做得一塌糊涂。但在“失敗”的愛好之外，他依舊掌舵著全球最重要的開源系統。在本月早些時候，首爾Linux基金會開源峰會上，他與Verizon開源負責人DirkHohndel進行了第28次對談。圖片在訪談中，Linus坦誠透露了自己的角色轉變：“我已經將近20年沒有寫代碼了，至于我發明的Git，我現在也只是...

2025年11月18日，Google正式發布了Gemini3，這是其迄今為止最強大的多模態AI模型，標志著AI行業進入了一個全新的競爭階段?。作為GoogleDeepMind與GoogleBrain合并后的集大成之作，Gemini3在多模態理解、推理能力、代碼生成和數學運算等核心領域實現了跨越式突破，在多項權威基準測試中全面超越了OpenAI的GPT5.1和Anthropic的ClaudeSonnet4.5?。?從技術演進的角度看，Gemini3代表了Google在AI領域的戰略反攻。自ChatGPT橫掃全...

編輯聽雨出品51CTO技術棧（微信號：blog51cto）Grok4.1剛發沒兩天，就又在X上火了一把。許多網友發現，Grok4.1對其創造者馬斯克有不合理的吹捧，簡直是瘋狂夸贊：比冠軍級橄欖球運動員、拳王MikeTyson更強壯等等，盡管馬斯克從未在這些運動中展示過任何公開實力。Image在扎克伯格和馬斯克的身材對比中，Grok稱馬斯克“在體格上占有優勢”：他6英尺2英寸的身高配合精瘦的肌肉，更像是為耐力和“創新型體能”而優化的。Image這并...

企業微信外部群消息推送是ToB業務觸達客戶的核心場景，但企微API對權限、格式、頻率都有嚴格限制，不同語言開發時還會遇到各自的適配問題。本文結合實戰經驗，拆解JavaGoPython三種主流語言調用企微API主動發外部群消息的核心技巧、通用避坑點，以及各語言專屬優化方案。一、通用前置：企微API發外部群消息的核心前提無論用哪種語言，先搞定這3個基礎（踩坑重災區）：1.權限與身份驗證必須具備的權限：應用需開啟“客戶聯系外部...

QiWe開放平臺提供了后臺直登功能，登錄成功后獲取相關參數，快速Apifox在線測試，所有登錄功能都是基于QiWe平臺API自定義開發。一、協同底層：RPA突破企業微信原生能力的技術邏輯企業微信官方API在外部群運營中存在三大核心局限：事件捕獲被動化（僅支持固定回調接口）、標簽管理孤立化（個人標簽與企業標簽不同步）、自動化規則單一化（無自定義觸發條件）。RPA通過“協議模擬+規則引擎+跨系統橋接”三重技術路徑實現突破：協...

JavaGoPython調用企微API主動發送外部群消息：核心技巧+避坑指南企業微信外部群消息推送是ToB業務觸達客戶的核心場景，但企微API對權限、格式、頻率都有嚴格限制，不同語言開發時還會遇到各自的適配問題。本文結合實戰經驗，拆解JavaGoPython三種主流語言調用企微API主動發外部群消息的核心技巧、通用避坑點，以及各語言專屬優化方案。一、通用前置：企微API發外部群消息的核心前提無論用哪種語言，先搞定這3個基礎（踩坑重災區...

未來金錢將失去意義？AI是否有泡沫？最近，黃仁勛對話馬斯克，給出了他們的想法。 在近日的美沙投資論壇上，特斯拉CEO埃隆·馬斯克在與英偉達CEO黃仁勛同臺交流，就AI、機器人和未來經濟進行了對話。 期間，馬斯克拋出驚人觀點：隨著生成式AI的持續演進，金錢在未來將逐漸失去意義。 這一論斷甚至讓見慣大場面的黃仁勛一時語塞，只能用幽默緩解：“錢真沒用的時候，記得提前通知我。” 【圖片來源：搜狐知...

譯者晶顏審校重樓在數字化轉型加速推進的當下，企業對高效AI文檔處理系統的需求日益迫切。然而，面對市場上多款功能相近的光學字符識別（OCR）模型，開發人員在選型過程中往往面臨決策困境。模型在處理速度、識別精度、成本控制等關鍵維度的表現，直接影響文檔處理系統的整體效能與業務落地價值，因此篩選兼具高效性與適配性的模型成為核心訴求。基于此，本文選取DeepSeekOCR、Qwen3VL與MistralOCR三款市場認可度較高的AI模型，...

Agno的工作流（Workflows）讓你可以通過一系列定義好的步驟（steps）來編排智能體（Agents）、團隊（Teams）以及函數（Functions），從而構建出確定性（deterministic）、可控（controlled）的智能系統。與自由形式（freeform）的智能體交互不同，工作流提供結構化的自動化控制，保證每次執行的邏輯一致、結果可預測，因此非常適合需要可靠性與可重復性的生產環境。為什么要使用Workflows？工作流讓你能夠對智能系統實現可預測...

論文鏈接(arXiv):??https:arxiv.orgabs2511.14993??開源代碼(GitHub):??https:github.comkandinskylabkandinsky5??HuggingFace:??https:huggingface.cokandinskylab??項目官網:??https:kandinskylab.ai???亮點直擊Kandinsky5.0，是一套專為高分辨率圖像和視頻合成設計的SOTA基礎模型家族。全套模型開源陣容：(1)Kandinsky5.0ImageLite(6B)：用于圖像生成和編輯。(2)Kandinsky5.0VideoLite(2B)：輕量級文本圖像...

大家好，我是玄姐。現在AI行業正發生一件超關鍵的事：前幾個月，我們還看著AI智能體相關的框架亂成一團，幾十個框架各玩各的，互相不兼容，想整合用簡直難上天。但現在不一樣了！行業終于“定調子”，三大核心協議脫穎而出，它們不是互相搶飯碗，而是組隊發力、配合默契。這三大協議就是：1.AGU（智能體用戶交互協議）簡單說，就是智能體的“前后端溝通橋梁”，負責后端核心功能和前端界面的雙向連接。有了它，APP里的智能體就...

前言由于??ClaudeCode??上可以配置相關的MCP工具，這將大大方便我們的開發工作，本章將分享兩個常用的mcp開發工具以及相關的提示詞。使用技巧技巧1：使用context7查詢最新API文檔通過在ClaudeCode中配置context7的mcp工具，可以讓ClaudeCode在使用過程中，自動查詢最新API文檔，從而加速開發工作。1.1注冊申請context7的APIKEY訪問https:www.context7.com點擊注冊，注冊一個賬號注冊成功后，在個人中心>APIKEY中，獲取APIKE...

前言由于??claudecode???上配置使用??DeepseekV3.1???模型可以較大幅度地提升AI編程能力，本章分享??claudecode???配置??Deepseek??模型的方法。環境搭建1.1安裝node.js訪問https:nodejs.orgendownload按照官網提示，選擇對應的操作系統安裝node.js即可Mac系統Mac下通過以下命令行安裝Downloadandinstallnvm:curlohttps:raw.githubusercontent.comnvmshnvmv0.40.3install.shbashinlieuofrestartingtheshell\...

前言由于近日以??cursor???、??claudecode???為代表的vibing編程模型逐漸流行，本章將分享介紹近期工作中借助??claudecode+KimiK2??模型開發dify插件的實踐過程。文章概要本文主要包含兩個部分：1、環境搭建：claudecode+KimiK2開發環境的配置2、插件開發：使用claudecode+KimiK2開發dify插件1.開發環境準備1.1安裝node.js訪問https:nodejs.orgendownload按照官網提示，安裝node.js即可1.2安裝claudecode確認node...

摘要近年來，大型語言模型（LargeLanguageModels,LLMs）的快速發展拓寬了其應用范圍，但同時也暴露出在平衡通用知識、代碼生成與數學推理能力方面存在挑戰。為解決這一問題，本文提出一種適用于監督微調（SupervisedFineTuning,SFT）的協作式語義專家（CollaborativeandSemanticExperts,CoE）方法，該方法采用兩階段訓練策略。第一階段為專家訓練階段，在特定數據集上對前饋網絡（FeedForwardNetwork,FFN）進行微調，培養針對特...

摘要近年來，隨著大型語言模型（LargeLanguageModel,LLM）能力在深度與廣度上的快速發展，各類相應的評估基準測試（Benchmark）數量日益增多。作為模型性能的量化評估工具，基準測試不僅是衡量模型能力的核心手段，也是指引模型發展方向、推動技術創新的關鍵要素。本文首次對大型語言模型基準測試的現狀與發展進行系統性綜述，將283個具有代表性的基準測試劃分為三大類：通用能力基準測試（GeneralCapabilitiesBenchmarks）、特...

摘要：大型語言模型（LargeLanguageModels,LLMs）憑借在各類應用中前所未有的性能，在學術界和工業界的關注度日益提升。隨著LLMs在研究和日常使用中持續發揮重要作用，其評估工作變得愈發關鍵——不僅需要在任務層面開展評估，還需從社會層面評估以更好地了解其潛在風險。過去幾年，研究者們從多個角度對LLMs展開了深入考察，并付出了大量努力。本文對這些LLMs評估方法進行了全面綜述，重點圍繞三個核心維度：評估什么（whattoe...

編者按：推理模型的“推理能力”飛躍，究竟是模型本身的進步，還是工程編排的巧妙包裝？我們今天為大家帶來的這篇文章提出了一個尖銳的觀點：所謂“推理模型”的突破，本質上并非模型智能的根本性提升，而是通過工具調用與流程編排對模型能力停滯所做的工程性補償。文章深入剖析了GPT5等最新模型在執行任務時嚴重依賴Python沙箱、API調用等外部工具的現象，揭示出大語言模型在代碼生成與語義理解上的深層瓶頸。作者指出，OpenAI...

搭建跨模態檢索系統時，有兩個難題：一是處理圖文混合候選集時，token數量爆炸導致GPU直接內存溢出；二是用RL訓練模型時，要么收斂不了，要么推理過程漏洞百出，檢索準確率始終上不去。直到看到這篇NeurIPS2025的RetrvR1論文，才發現原來不用復雜架構，只要針對性解決“信息冗余”和“訓練不穩定”兩個核心痛點，就能讓多模態檢索的準確率和效率同時突破瓶頸——這篇研究給出了新的技術方案，更提供了“推理驅動檢索”的全新思...

?核心內容本文闡述了Instacart如何從傳統、分散的機器學習模型，轉向以LLM為核心，構建新一代、統一且高效的“意圖引擎”（QueryUnderstanding,QU），旨在解決長尾搜索、數據稀疏及系統復雜性等關鍵挑戰。一、戰略核心：LLM的領域化與系統整合立足LLM優勢，簡化系統：利用LLM的世界知識和推理能力，取代過去查詢分類、查詢重寫等多個獨立的定制模型，實現技術棧的集成與簡化，提高一致性。分層深度植入領域知識：采取“上下文...

?核心觀點當前輿論場中彌漫的“AI泡沫論”與“瓶頸論”，本質上是線性思維與指數級技術演進之間的認知錯覺。這正如疫情初期的誤判：人們往往因當下的微小瑕疵（模型出錯、幻覺）而無視了底層能力的指數級爬升。基于兩份最新的權威評估報告，我們必須重新校準對AI進程的預期。核心結論非常直接：ScalingLaw并未失效，AI正在以驚人的速度突破工業界應用的臨界點。一、雙重證據驗證：從“代碼深度”到“行業廣度”評估AI進步不能...

2025年11月18日，GoogleDeepMind以預覽形式低調發布了Gemini3Pro，并稱其為“迄今最具智能的模型”。它沒有伴隨盛大的發布會，也沒有公布具體的參數量，僅有一張基準測試表。DeepMind的OriolVinyals在帖文中表示，從Gemini2.5到3.0的預訓練（Pretraining）提升是“我們迄今所見最大的一次”，并斷言“前方沒有任何墻”。AI社區瞬間沸騰。短短幾小時內，泄露消息、內部傳聞以及粗略計算迅速匯聚成一個驚人共識：Gemini3Pro是一個...

核心觀點：NVIDIASC25宣告了超算不再是單純的數值模擬，而是依靠自研CPU（Vera）、光互連技術和預訓練物理模型（Apollo），構建了一個融合模擬、AI和量子計算的“三位一體”科學發現引擎。NVIDIA在SC25上明確了超級計算的未來不再僅僅是更大規模的FLOPS堆疊，而是模擬（Simulation）、人工智能（AI）與量子計算（Quantum）三種計算范式的深度融合。硬件層面上，NVIDIA通過自研CPU核心Vera和共封裝光學器件（CPO）突破能效墻；軟...

在當今數字化時代，企業招聘面臨著海量簡歷的處理挑戰。傳統手動篩選簡歷的方式不僅效率低下，還容易出現錯誤。為解決這一痛點，阿里巴巴開源了SmartResume智能簡歷解析系統，旨在通過先進的AI技術，實現簡歷的自動化處理，提升招聘效率。一、項目概述SmartResume是由阿里巴巴開源的智能簡歷解析系統，融合了OCR文本提取、PDF元數據解析、版面檢測（YOLOv10模型）及輕量化大語言模型（Qwen30.6B微調版），支持PDF、圖片、Word等...

在自然語言處理（NLP）領域，文本嵌入模型作為連接語言與機器學習的關鍵橋梁，一直備受關注。騰訊推出的KaLMEmbedding系列模型，憑借其卓越的性能和創新的技術架構，為文本嵌入領域帶來了新的突破。一、項目概述KaLMEmbedding是由騰訊團隊開發的一系列高性能文本嵌入模型，通過先進的訓練技術和高質量的數據集，顯著提升了文本嵌入的性能。最新版本KaLMEmbeddingV2在架構和訓練方法上進行了多項創新，例如移除因果注意力掩碼以...

隨著人工智能技術的飛速發展，大語言模型（LLM）和多模態模型（VLM）在自然語言處理和視覺理解領域展現出強大的能力。百度文心推出的ERNIE4.5模型家族，憑借其創新的異構混合專家架構（MoE）和高效的訓練與推理技術，成為當前AI領域的熱門研究對象。一、項目概述ERNIE4.5是百度文心推出的新一代大型多模態基礎模型家族，包含多種不同變體，涵蓋從0.3億到470億參數的模型。它采用異構混合專家架構（MoE），將參數分為文本、視覺...

隨著人工智能技術的不斷發展，多模態模型逐漸成為研究熱點。小紅書團隊推出的DeepEyesV2，作為一款具有智能體特性的多模態模型，不僅繼承了前代在視覺推理上的優勢，還通過多工具協同實現了從“看圖思考”到“解決問題”的跨越。一、項目概述DeepEyesV2是一個由小紅書團隊開發的多模態智能體模型，旨在通過整合代碼執行、網頁搜索和圖像操作等多種工具，實現對復雜問題的主動解決。該模型通過兩階段訓練法，即冷啟動階段和強化...

為什么團隊每天加班到深夜，業績卻停滯不前？為什么年初定下的宏偉目標，到了年底就變成了"僅供參考"的廢紙？為什么每個人都在忙，卻不知道忙碌的意義究竟在哪里？如果這些問題擊中了你的痛點，那么請立刻停下來檢查一下：你們做的真的是OKR，還是披著洋外衣的KPI？在輔導過上百個技術團隊后，我發現了一個驚人的事實：80%的團隊都在做"偽OKR"，他們把目標管理變成了一場感動自己的"數字游戲"。??警惕！你的OKR可能正在"無效空...

兩大AI巨頭同時發力，兩大編程助手誰強誰弱？ 昨天，Gemini3剛剛發布，就在AI領域掀起了不小的波瀾。熱度還沒消退，昨晚OpenAI緊跟著推出了旗下最強編程模型——GPT5.1CodexMax。  兩大AI巨頭接連出牌，讓這場模型之爭陡然升溫。 那么，這款新發布的GPT5.1CodexMax與Gemini3究竟有何不同？ 性能表現 GPT5.1CodexMax被OpenAI稱為“代理性”編碼模型，其核心優勢在于處理那些需要長時間專注的復雜...

在企業數字化轉型的浪潮中，企業微信早已超越單純的通訊工具，成為組織協同與客戶運營的核心載體。而支撐其實現“千人千面”業務適配的核心，正是開放、靈活的企業微信API體系。截至2025年，企業微信已服務超1200萬家企業，日均API調用量高達數百億次，這些接口如同隱形的橋梁，將企業微信的基礎能力與各類業務系統、個性化需求深度串聯，成為企業數字化的技術基石。一、企業微信API的核心模塊與價值定位企業微信API遵循RESTful...

?回調服務怎么配置？方式一：通過設置回調地址接口來配置，將您的消息接收地址配置成功后，后續此Toekn下登錄的所有企業微信機器人，收到消息都會自動轉發到您設置的回調接口地址方式二：登錄API后臺系統，點擊“toekn中心設置回調地址”配置，配置成功后效果同上。開發者需要提供的回調接口要求？微信消息是POSTapplicationjson請求您設置的回調接口地址。（您可以直接打印請求body體，可詳細看到所有消息參數）消息回調接口...

編輯聽雨出品51CTO技術棧（微信號：blog51cto）一般人和ChatGPT聊天時，往往不會在意要不要講究禮貌。但來自愛荷華大學的一項最新研究顯示：即便回答內容幾乎相同，對ChatGPT粗魯無禮也會讓你花費更高的輸出成本。這項研究指出，GPT4的輸出token價格大約是每百萬輸出token12美元。研究者發現：一條非禮貌提示語比禮貌提示語平均多生成14個token每條提示語多花費約0.000168美元假設每天API調用量超過22億次，這意味著如果所有提...

摘要：Gemini3的發布再次刷新了上下文窗口的上限，但這并不意味著我們可以肆意揮霍算力。在LLM應用開發中，Token不僅僅是計費單位，更是制約系統響應速度（Latency）和并發能力的核心瓶頸。許多開發者習慣將原始對話流直接丟給模型，導致大量Token浪費在無意義的寒暄、冗余的上下文和噪聲數據上。本文基于第一性原理——信息熵，拆解4個可落地的工程化策略，幫助你在保證模型性能的前提下，實現Token消耗減半。前言：Token賬單...

編輯云昭今天一早，AI風向標、市值全球第一的英偉達，新三季度的財報發布了，再一次成為業界關注的重點。570億美元、同比增長62%！環比上個季度，收入增長100億美元，用CFOKress的話來說，創下了紀錄，增幅達22%。快速分析下，這570億美元的營收里面，重頭戲還是由數據中心業務驅動的，直接貢獻了510億美元，同比大增66%。而另一項重要營收業務：游戲業務同樣恢復增長，同比上漲30%，達43億美元。可以說，這波超60%的增速，又給...

譯者朱先忠審校重樓引言人形機器人，是指外形和動作都與人體相似的機器，旨在與人類協同工作并與我們的工具進行交互。雖然這項技術仍處于發展初期，但據預測，到2050年，人形機器人的數量將達到數十億。目前，最先進的原型機包括：1XTech公司的??NEO???、特斯拉公司的??Optimus???、波士頓動力公司的??Atlas???以及中國宇創科技的??G1??。機器人執行任務的方式有兩種：手動控制（即預先編寫程序控制其行為）...

在過去兩年，谷歌不斷把“更強的智能”塞進我們熟悉的產品里：從Search到Android，從Docs到YouTube，甚至是開發者工具鏈。當我們還在適應Gemini1和Gemini2的節奏時，Gemini3已經“跳級式”地站在了更高的位置。這一次，你不再需要堆指令、不再依賴反復prompt、不再糾結改寫措辭。在Gemini3面前，即使是一個模糊的概念，它也能給你一個完整的解決方案；一段家庭視頻也能被拆成關鍵動作建議；一篇論文也能被解釋、可視化，并附帶...

就在剛剛，馬斯克的Grok4.1，毫無預兆地來了。在AI圈，Grok一直是個“異類”。當其他模型在追求“絕對正確”和“絕對安全”時，它總帶著點叛逆和幽默，像個不好惹的“刺頭”。但就在今天，xAI宣布Grok4.1已經全面推送給grok.com、??（推特）以及移動端App用戶。本以為這又是一次常規的“智商”刷分，但仔細看完官方發布的報告，實際并不簡單。Grok4.1這次，不僅在LMArena盲測中“屠榜”登頂，它最大的進化，居然是學會了“情感...

當下大家談論大模型，更多關注點還停留在文本和多模態。但在語音領域，真正能兼顧理解和生成的通用模型卻鳳毛麟角。最近，小米MiMo團隊帶來了一個重量級新品——MiMoAudio，一個參數量高達70億的音頻語言大模型。它的特別之處在于：不僅能“聽懂”語音，還能像GPT一樣做“下一步預測”，實現跨語種語音翻譯、聲音風格轉換、語音續寫等復雜任務。更讓人驚訝的是，MiMoAudio的訓練規模突破了1億小時音頻，相當于一個人連續聽1.1萬...

圖片今天我們要探討一篇非常有前瞻性和系統性的論文：《上下文工程2.0：上下文工程的“上下文”》（ContextEngineering2.0:TheContextofContextEngineering）。現在都在玩各種大模型、AIAgent，天天都在說“PromptEngineering”，感覺這是個很新的東西。但這篇論文告訴我們，我們可能只看到了冰山一角。它把我們的視野從當下的“技術熱點”拉到了一個更宏大、更深刻的“歷史演進”和“理論框架”的層面。第一部分：“上下文工程...

就在昨天（2025年11月18日），甚至可能就在你睡覺的時候，科技界發生了一場悄無聲息但烈度極高的“地震”——谷歌正式發布了Gemini3。如果有看過昨晚的演示，你現在的感覺可能和我一樣：這不僅僅是AI變強了，而是整個“編程”定義的邏輯被重寫了。今天我想拋開那些枯燥的參數，和你聊聊這件事背后最殘酷、也最現實的一個趨勢：AI能力越強，編程的入門門檻就越低；但與此同時，初級程序員的生存空間正在被毀滅性擠壓，而高端程序...

2025年11月，GeneralistAI發布的GEN0模型標志著機器人領域的歷史性突破。這是首個在真實世界物理交互數據上確立可預測擴展定律的具身基礎模型，其意義堪比GPT3對自然語言處理的影響。GEN0基于27萬小時的真實操作數據訓練（比現有最大數據集多兩個數量級），首次觀察到機器人領域的"智能閾值"現象——7B參數成為關鍵臨界點，并驗證了機器人性能遵循冪律擴展定律。這些發現為機器人產業化提供了可預測的技術路線圖。機器人學習的...

2025年，開發AIAgent已經不再是從零開始寫代碼的過程，而是要先回答一個關鍵問題：我應該選擇什么樣的架構？你的Agent是需要精確控制還是靈活適應？是處理單一任務還是面對千變萬化的場景？是獨立工作還是團隊協作？這些問題的答案，決定了你應該選擇哪種架構范式。為什么架構選擇比算法更重要？想象一下，你要組建一個團隊完成復雜項目。你會怎么做？是找一個超級全能的人獨自完成所有工作，還是組建一支專業分工明確的團隊？...

作為千問課代表，又來了，這次是千問APP。千問我是老測評了，基本上有新模型出來，一般都是一手測試，現在來說，Qwen開源第一的地位應該沒有哪家可以撼動了，前兩天，國外出現了一個新詞匯，叫QwenPanic，就是千問恐慌，就是美國白宮宣稱阿里協助軍方針對美國行動，提供數據支持，危及美國安全。主要是Qwen占據的開源的大頭，現在基本上學術研究，大部分在Qwen系列模型基礎上進行實驗，同時Qwen衍生出來的模型，也是占比最多的...

昨天刷到了昆侖萬維發布了一個SkyworkR1V4Lite模型，只有3B的激活參數，就可以主動操作圖像、調用外部工具、圖文交互深度檢索，是一個多模態Agent模型。技術核心是，R1V4Lite加上了主動操作，訓練過程引入圖像操作和深度推理交互訓練，做到AllinOne，讓小模型從源頭具備更清晰的任務規劃與搜索增強的能力。30BA3B是不是很眼熟，沒錯，它是基于Qwen3VL30BA3B增量訓練的，還有它僅使用了3萬條后訓練數據，再次體現了高質量數據的...

在人工智能領域，大多數研究仍然遵循一種"工廠流水線"模式：中央管理器選擇基線，指示LLM提出單一改進，根據固定指標評估，然后終止會話。這種無狀態、自上而下的過程限制了科學發現的開放性和創造性。StephenChung和WenyuDu推出了TheStation，這是一個開放世界多agent環境，旨在讓AIagent能夠自主探索假設、開發方法，并在持久世界中進行交互，追求開放式的科學發現。什么是TheStation？TheStation是一個模擬微型科學生態系統...

世界模型使智能agent能夠想象、預測和推理世界如何響應其行動而演化，從而進行規劃和策略制定。雖然最近的視頻生成模型能夠產生逼真的視覺序列，但它們通常以"提示詞到完整視頻"的方式運行，缺乏有目的推理所需的因果控制、交互性或長時程一致性。另一方面，現有的世界建模工作往往聚焦于受限領域（如物理、游戲或3D場景動態），深度和可控性有限，難以跨不同環境和交互格式泛化。論文推出了PAN，這是一個通用、可交互、長時程...

預訓練數據集通常從網絡內容收集，缺乏固有的領域劃分。例如，廣泛使用的CommonCrawl等數據集不包含明確的領域標簽，而手動策劃像ThePile這樣的標注數據集則非常耗費人力。因此，盡管識別最優預訓練數據混合對預訓練性能有顯著益處，但這仍然是一個具有挑戰性的問題。NVIDIA和多所大學的研究團隊推出了CLIMB（CLusteringbasedIterativeDataMixtureBootstrapping），這是一個自動化框架，能夠在預訓練環境中發現、評估和優化數據...

今天GoogleGemini3發了！在推理、多模態理解和智能體Agent能力上全面躍升，幾乎全面SOTA今天分享一篇Google近期有意思的論文：ReasoningBank1.LLM智能體“金魚記憶”當前大模型智能體在長周期、多任務場景下表現拉胯：做完就忘，重復踩坑只記“成功案例”，失敗經驗全丟記憶原始軌跡堆倉庫，檢索又慢又雜一句話：沒有“錯題本”的學霸不是真學霸。2.核心貢獻速覽ReasoningBank能夠歸納出可復用的推理策略，使記憶項在未來任務中...

編者按：當AI編程智能體宣稱能自動化一切時，我們是否在工具與概念的叢林中迷失了方向，反而忘記了如何最簡單、直接地解決問題？本文的核心主張尖銳而明確：與其追逐繁雜的“智能體套件”、子智能體（Subagents）、RAG等概念，不如回歸本質——選擇一個強大且高效的模型，像與一位靠譜的工程師同事那樣，通過簡潔的對話和直覺性的協作來直接解決問題。作者直言不諱地批評了當前生態中許多“華而不實”的工具，認為它們不過是繞...