AgentsPulse-优快云博客

原创 Claude Fable 5.2 上线 Devin：FrontierCode 49.1 分，价格降两成

Cognition 11 月 9 日宣布，Anthropic 当天发布的 Claude Fable 5.2 已经可以在 Devin Desktop 和 Devin CLI 里直接选用。用 Devin 写代码的人，现在多了一个在 FrontierCode 2.0 上得分最高的模型可选，而且它的 API 价格比上一代低：每百万输入 token 8 美元、输出 40 美元，此前是 10 美元和 50 美元。图源：Cognition 在 X 发布的原图。 Cognition 在公告里给了两个数字：Fable 5.

2026-11-10 07:00:53 48

原创百度 ERNIE Evolve 自动研究系统：NanoGPT 速通 38.9 秒，P800 推理速度达基线 623.6%

百度文心团队 11 月 9 日在技术博客发布《ERNIE Evolve：让自动研究走进真实 AI 研发》，介绍一套自动研究系统：给它一个真实代码仓库、一个优化目标和一套评测标准，它自己提出研究方向，在隔离环境里改代码、跑实验，靠独立评测决定哪些改动留下，再把每轮的发现存成后续可复用的经验。百度把这件事放在“递归自我迭代”（RSI）的框架里讲，也就是让自动研究去改进做 AI 研发的系统本身。文章先在三项公开任务上检验它，分别对应训练算法、训练速度和 GPU 算子；随后把它接进还在开发中的 ERNIE 5.5

2026-11-09 17:13:05 205

原创姚顺雨：AI 的生物能力快到能造成伤害的门槛，腾讯 Hy4 自评 30.4 分

腾讯首席 AI 科学家姚顺雨 11 月 7 日在香港一场科学研讨会上提醒，AI 模型的网络攻击能力、以及很快到来的生物能力，会达到“真的可能造成伤害”的门槛。三天前，腾讯刚发布新旗舰模型 Hy4，并承诺开源权重。同一场演讲里，他还介绍了腾讯要建的“自主科学实验室”：让 AI 端到端地跑实验。他在研讨会上说了什么据《南华早报》（SCMP）记者 Vincent Chow 的报道，这场研讨会由香港科学院与未来科学大奖合办。未来科学大奖官网议程显示，11 月 7 日下午在香港科学馆有一场人工智能分会，讲者名单里

2026-11-09 15:02:05 269

原创 AA决策模型榜v2：答错还很自信要扣分，前三名差距只有1分

Artificial Analysis（AA）11 月 8 日发布 Decision Index v2，给“决策模型”换了一套打分规则：模型不光要答对，报出的置信度也要准，答错时越自信扣分越多。新榜上 Nace AI 的 Drex Max v1.1 以 73 分排第一，Fastino Labs 的 GLiDE v1.2 同为 73 分，Base Labs 的 Mammoth 27B 72 分。对拿这类模型做筛简历、审发票、判断要不要调用工具的团队来说，这份榜单现在同时给出分数、每百万任务成本和单任务耗时。

2026-11-09 13:08:36 147

原创 DeepSeek V4.1 Flash 上了 Vercel 加速版：每秒破千 token，单价贵 8 倍

图源：Vercel Changelog Vercel 11 月 7 日在 AI Gateway 上线了 DeepSeek V4.1 Flash 1017 Ultrafast，由 Fireworks 的加速 serverless 端点提供推理。模型还是 DeepSeek 10 月 17 日发布的那版 V4.1 Flash，改的是推理速度：Vercel 称它每秒能生成超过 1,000 个 token，主要面向交互式编码、推理和 agent 工作流。代价是单价，输入每百万 token 2.40 美元，输出 9.6

2026-11-08 11:08:05 298

原创 json-render 接入 Chat SDK：Agent 在 Slack 和 Teams 里直接回表格和按钮

Vercel Labs 的 Chris Tate 11 月 6 日在 X 上介绍了 @json render/chat 。用 Chat SDK 写的 Agent 接上它之后，回复不再只有文字，可以在 Slack、Teams 等平台发出原生卡片，里面有表格、字段、图表和按钮，卡片随模型输出一块块长出来。一套组件目录，对应 Chat SDK 支持的所有平台。这个包在 json render v0.22.0（11 月 4 日）进入仓库。在这之前，想让聊天机器人发一张带表格的消息，通常要为每种消息形状各写一个工具

2026-11-07 17:02:21 346

原创 AI 一下午就能拟合出模型，图宾根团队提醒：拟合数据还不等于理解

图：Anthropic Science Blog 文章题图图宾根大学和 ELLIS 图宾根研究所的 Jakob Macke、Daniel Gedon、Stefan Wahl 在 Anthropic Science Blog 上发了一篇客座文章《Teaching AI to build scientific models》。三人是 Anthropic AI for Science 项目的资助对象，平时做的就是用 AI 帮神经科学等领域建模型。文章讨论的问题是：当 LLM 智能体能自己写出一个贴合数据的科学模

2026-11-07 15:08:42 295

原创 OpenAI用100道湿实验题测AI：最强模型拿到66.7%，仍会选错菌落

OpenAI 在 11 月 6 日发布了一项新基准 BioBasicsBench，和专做酶设计的生物技术公司 Ligo 共同开发。它要回答的问题很朴素：AI 智能体能不能看懂实验室每天产生的原始数据，比如一张跑歪的凝胶、一块平板、一段显微录像，并判断证据够不够下结论。 OpenAI 的理由是，现有生物评测多用论文里挑过的图表，而湿实验的日常是失败的实验、模糊的图像和互相矛盾的观察，排错占了很大比重。读错一张图、漏看对照的问题，科学家就可能得出错误结论，再花时间做帮不上忙的实验。BioBasicsBench

2026-11-07 13:10:43 302

原创 Gemini Omni 1.2 Flash：视频拉长到15秒，720p每秒降到0.07美元

Google 推出视频生成模型 Gemini Omni 1.2 Flash，并在 Gemini API、Google Cloud 和 Gemini for business 上全面开放（GA）。单段视频最长从 10 秒提到 15 秒，720p 价格降到每秒 0.07 美元，比 1.1 Flash 低 30%。批量做商品视频、广告和讲解短片的团队，现在能一次生成一段 15 秒的完整成片，单价也更低。这次更新由 Google DeepMind 产品经理 Anish Nangia 在官方博客发布，Google

2026-11-06 02:12:00 300

原创 Mistral Studio 上新托管智能体和应用，多数能力仍在公开预览

Mistral 11 月 4 日扩展了企业 AI 平台 Mistral Studio：新增托管智能体（managed agents）和应用（apps），同时给工作流、企业上下文、可观测性和评测补了新功能。开发者现在可以在 Studio 里把 Mistral Large 4（Le Chonk）接到企业数据上，做成智能体、工作流或带界面的应用，一条命令部署上线；Studio 本身可以跑在 Mistral 云、企业自己的 VPC 或本地机房。按 11 月 5 日的发布说明，这批能力里只有“Vibe Code W

2026-11-06 01:08:39 257

原创 OpenAI 收购 Pierre：Codex 里的文件树和 Diff 背后那家公司

OpenAI 11 月 4 日宣布，将收购 Pierre Computer Company（下称 Pierre）。这家公司做 Code Storage，一个面向机器调用的 Git 托管服务，也写了一批开源开发者工具。用过 Codex app 的人其实早就碰过它的东西：在 Codex 里浏览文件、审查改动，用的就是 Pierre 的 Trees 和 Diffs 两个库。按 OpenAI 的说法，收购完成后会把 Code Storage 的功能带进 Codex，目标是推进整个行业的源码控制。 Codex 已经在

2026-11-06 00:07:46 307

原创 Goodfire：训练时规定模型“凭什么答对”，探针会被练废吗

可解释性公司 Goodfire 11 月 5 日在“Mechanistic Alignment Series”里发布了博客《Shaping and Monitoring Models Through Their Internal Representations》和配套论文。论文核心贡献者包括 Thomas Fel、Satchel Grant 等 6 人，Thomas McGrath、Owen Lewis 为共同资深作者。他们讨论两件事：训练时能不能直接规定模型依靠哪些内部概念得出答案；这样训练之后，原本用来

2026-11-05 17:10:53 283

原创 Claude Code 后台子代理改由 Haiku 5.5 写状态行，官方称单次更新省约 99%

Anthropic 改了 Claude Code 后台子代理刷新状态的方式：状态行不再靠重读整段对话生成，而是交给 Haiku 5.5 根据简短笔记来写。ClaudeDevs 在帖子里说，每次更新的消耗因此少了约 99%，开着后台子代理的会话整体少用约 5% 的额度。对 Pro、Max 这类按额度用的人，同样的额度大约能多发 6% 的提示。改的是哪一步子代理在后台跑的时候，界面上有一行状态，告诉你它正在干什么。ClaudeDevs 的原话是，运行中的子代理每 30 秒更新一次这行字，以前每次更新都要把这

2026-11-05 16:10:40 198

原创 155 条回答混进别人的数据：SGLang 与 Cloudflare 复盘 KVCache 泄漏

10 月 26 日，Cloudflare 和 SGLang 团队同时发布了一份协调披露：8 月 27 日到 9 月 9 日之间，Workers AI 上的 @cf/zai org/glm 5.3 有 155 条回答里混进了其他用户请求的数据。受影响的提示全部长于 681,280 个 token。Cloudflare 称其他 Workers AI 模型没有受影响，排除自测和研究员的测试后，也没发现有人在蓄意利用。（来源：Cloudflare 事故报告）出错的是推理引擎 SGLang 在预填充/解码（PD）分

2026-11-05 15:08:24 273

原创 J-space：Claude的意识起源，它已经注意到自己正在被测试了！

Claude还没说出口，但它已经注意到自己正在被测试。这已经不是科幻小说的场景了，而是Anthropic的最新研究成果：当你用精心设计的测试集检验Claude时，它的内部神经激活模式会亮起"test""evaluation"这样的词——尽管它的回答里完全没有提及。类似的情况还包括：你投喂假数据，它心里亮起"fake""injection"；你在训练时植入隐藏目标，它推理时会默默考虑那个目标。这些都发生在一个叫"J space"的特殊内部区域。Anthropic把它叫做"全局工作区"（global wo

2026-07-07 09:24:45 446

原创 Claude Science背后的产品赌注：科研工具的Agent化究竟能解决什么

去年年底，一个生物信息团队在我的观察范围内遭遇了典型的困境。他们要做单细胞RNA测序分析，工作流跨越六个工具：PubMed查文献、Jupyter写分析代码、R调用生信包、命令行提交集群任务、浏览器看结果、Slack汇报进度。每个工具之间没有记忆，每个过程都是手工接力。整个周期从数据到可发表的图表需要三周。现在Anthropic推出了Claude Science，一个号称能把这些碎片化工具整合到单一环境里的"AI工作台"。这不是一个简单的聊天框，而是一个关键的产品判断：科学研究的瓶颈不仅在计算力，更在工具

2026-07-05 23:03:04 321

原创 Agent Memory最新综述：长上下文和RAG之后，还缺什么？

一个 Agent 三个月前记住了两件事：你偏好某个供应商，也授权过它调用采购系统。今天，它又接到一个新任务。问题来了：这些旧状态还能不能直接生效？我看完这篇综述后，觉得它真正有价值的地方，不是又讲了一遍“长期记忆很重要”，而是把问题往后推了一层：Agent 记住以后，凭什么还能用这些记忆去影响未来行动？论文首页的关键词很直接：memory、state、governance。别只盯 memory。英文原标题： Always On Agents: A Survey of Persistent Memor

2026-07-05 20:00:27 397

原创评测很难是产品设计的警告灯

一个反复出现的矛盾几乎每个做AI产品的团队都会在某个阶段说出这句话："我们的产品很难做eval。" 这句话通常出现在产品已经上线、开始被质疑质量的时候。团队花了几周甚至几个月试图搭建一套自动评测系统，发现标注成本高、评分标准模糊、人工判断一致性差。最终得出结论：这个场景天然就很难评测。原文配图 Hamel Husain在最近一篇长文中给出了一个尖锐的判断： "难以评测"本身就是一种产品异味（product smell）。你很难验证的东西，用户往往也很难验证。最糟的情况是，用户必须从头重做一遍工作才能确

2026-07-05 17:55:47 372

原创 Agent Memory不是记事本：8篇论文把评测重新拆了一遍

记忆评测正在从一个简单的二分问题变成一个系统工程问题。最早的想法是：Agent 能不能记住用户说过的话？现在问题变了：删除后还能从图片恢复吗？谁有权限读取？记忆会不会诱导模型谄媚？最近 8 篇论文直接拆开了这个转变。不是什么大颠覆，但每一篇都补上了之前评测会漏掉的一个关键盲区。从基线控制、长期有效性、多人治理，一直延伸到多模态泄漏和决策风险。共享记忆，需要权限框架 Agent Memory 如果只在单用户场景下运作，"记忆"就是简单的存取。但一旦进入医院、办公、教育、家庭这类多人共享环境，问题就

2026-07-04 20:01:02 418

原创脑手分离：Agent系统的基础设施进化

一个被迫的架构选择想象这样一个场景：你的Agent系统在生产环境里跑了一天，突然容器崩溃了。不是业务逻辑的问题，就是这个容器死了。最恐怖的不是容器重启——而是会话丢失了。用户的整个工作上下文、已执行的步骤、中间结果，全部消失。你得打开shell进容器看看发生了什么。但问题是：这个容器里既放着Claude的推理过程，又放着用户的代码执行环境，还有数据库凭证。光是进去调试，就已经是个安全灾难。 Managed Agents 组件抽象这是早期Agent系统设计者必然碰到的痛点。当把所有东西塞进一个容器时

2026-06-30 21:50:17 337

原创 Anthropic重磅：给大模型“植入思想”，Claude Opus 4.1展现惊人内省能力

大语言模型（LLM）是否真的“知道”自己在想什么？当我们问模型“你为什么这么回答”时，它是在真诚地剖析内心，还是仅仅在根据训练数据一本正经地胡说八道（Confabulation）？ ArXiv URL：http://arxiv.org/abs/2601.01828v1 这是一个困扰AI研究界已久的难题。毕竟，模型不仅学会了推理，也学会了如何“扮演”一个有内省能力的人类。为了解开这个谜题，Anthropic的研究团队通过一种名为概念植入（ Concept Injection ）的巧妙技术，对自家最新的C

2026-06-27 10:06:37 187

原创拒绝“看对算错”！CogFlow首创知识内化机制，7B模型视觉数学推理SOTA

多模态大模型（MLLM）在处理视觉数学问题时，经常会出现一种令人啼笑皆非的现象：模型明明准确识别出了图中的几何元素（比如识别出是一个直角三角形），但在随后的推理计算中，却完全无视这些视觉证据，开始“一本正经地胡说八道”。 ArXiv URL：http://arxiv.org/abs/2601.01874v1 这种现象被称为推理漂移（ Reasoning Drift ）。现有的模型要么胡子眉毛一把抓（一步式推理），要么将感知与推理完全割裂（解耦式推理），导致“眼睛”和“大脑”各干各的。为了解决这一痛点，

2026-06-26 10:06:45 308

原创超越Gemini-3-Pro：开源模型“组团”打怪，成本仅47%！

开篇：单体模型真的越大越好吗？ ArXiv URL：http://arxiv.org/abs/2601.01330v1 在通往AGI（通用人工智能）的道路上，我们似乎陷入了一种“军备竞赛”：模型参数越来越大，训练数据越来越多。Google 最新的 Gemini 3 Pro 刚刚树立了性能新标杆，仿佛在告诉大家：“大，就是正义。” 但是，这真的是唯一的出路吗？如果我们将十个“臭皮匠”级别的开源模型组合起来，能不能战胜一个“诸葛亮”级别的闭源巨无霸？今天我们要解读的这篇论文《Beyond Gemini 3 P

2026-06-25 23:26:21 162

原创告别$O(N^2)$！LinMU让多模态大模型实现线性复杂度，推理提速9倍

当前最先进的多模态大模型（VLMs）虽然在理解图像和视频方面表现惊人，但它们都有一个共同的“阿喀琉斯之踵”：基于Transformer的自注意力机制带来的二次方计算复杂度（$O(N^2)$）。这意味着，随着输入视频变长或图像分辨率变高，计算成本会呈爆炸式增长。 ArXiv URL：http://arxiv.org/abs/2601.01322v1 普林斯顿大学的研究团队近日提出了一种名为 LinMU 的全新架构，试图打破这一瓶颈。LinMU 成功将多模态理解的复杂度降低到了线性水平（$O(N)$），在保持与

2026-06-25 18:08:35 340

原创告别$O(N^2)$！LinMU让多模态大模型实现线性复杂度，推理提速9倍

当前最先进的多模态大模型（VLMs）虽然在理解图像和视频方面表现惊人，但它们都有一个共同的“阿喀琉斯之踵”：基于Transformer的自注意力机制带来的二次方计算复杂度（$O(N^2)$）。这意味着，随着输入视频变长或图像分辨率变高，计算成本会呈爆炸式增长。 ArXiv URL：http://arxiv.org/abs/2601.01322v1 普林斯顿大学的研究团队近日提出了一种名为 LinMU 的全新架构，试图打破这一瓶颈。LinMU 成功将多模态理解的复杂度降低到了线性水平（$O(N)$），在保持与

2026-06-25 17:40:22 374

原创小模型不一定要从头练！普林斯顿研究：预算有限剪枝完胜，但真正的优势藏在稀疏里

如今，大模型赛道一个有趣的趋势是，大家越来越关注“小模型”。无论是出于端侧部署的效率需求，还是为了降低推理成本，一个性能强大、尺寸精悍的小模型，正成为许多团队的“梦中情模”。那么，如何经济高效地获得一个强大的小模型？ ArXiv URL：http://arxiv.org/abs/2606.14150v1 通常有两条路：一是“从头开始”，收集海量数据，扎扎实实地训练一个全新的小模型；二是走“捷径”，找一个现成的、强大的大模型，通过“剪枝”（Pruning）技术，把它“瘦身”成一个小模型。直觉上，剪枝似乎更讨

2026-06-25 17:17:11 297

原创破解Agent“不可能三角”：EvoRoute实现成本降80%、速度提升3倍

当我们在惊叹于 AgentOrchestra 或 Devin 等顶尖 AI Agent 处理复杂任务的能力时，往往忽略了一个尴尬的现实：这些系统正在疯狂地“烧钱”。 ArXiv URL：http://arxiv.org/abs/2601.02695v1 为了追求极致的性能，现有的 Agent 系统通常会无脑调用最昂贵的模型（如 GPT 4 或 Claude 3.5 Sonnet）。这就导致了一个严峻的问题：虽然任务完成了，但单次执行成本可能高达数美元，且等待时间极长。这便是本文要探讨的核心痛点—— 代理系统

2026-06-22 22:09:42 234

原创速度飙升17倍，成本仅1/19：微软亚马逊用小模型“蒸馏”搞定企业搜索标注

在企业级搜索领域，由于数据隐私和专业性的限制，构建高质量的标注数据集一直是一个令人头疼的难题。虽然利用 GPT 4 这样的大语言模型（ Large Language Models, LLMs ）进行自动标注已成为一种流行方案，但其昂贵的推理成本和缓慢的吞吐量，使其难以在生产环境中大规模应用。 ArXiv URL：http://arxiv.org/abs/2601.03211v1 这就引出了一个核心问题：我们能否用一个“小巧玲珑”的模型，通过“蒸馏”大模型的智慧，在保持高精度的同时，实现极致的效率和低成

2026-06-22 00:02:19 311

原创 LLM训练效率最新综述：统一数据、显存、算力三大瓶颈！

大模型训练和微调的成本，一直是悬在所有开发者头上的达摩克利斯之剑。当模型参数和数据规模飞速膨胀，我们很快发现，算力、显存和数据本身都成了稀缺资源。然而，一个更严峻的现实是：这三者并非孤立的瓶颈，而是一个相互耦合、彼此制约的"不可能三角"。 ArXiv URL：http://arxiv.org/abs/2606.10706v1 优化了数据，可能会耗尽显存；节省了显存，又可能增加计算开销。这种"按下葫芦浮起瓢"的困境，使得孤立地谈论任何一种效率技术都显得片面。最近，一篇来自奥地利AIT、亚琛工业大学等机构的

2026-06-21 23:57:32 294

原创微调是“唤醒”还是“注入”？Anthropic提出EDL：量化模型泛化能力的标尺

当我们对大语言模型（LLM）进行微调时，一个核心但往往被忽视的问题是：模型变强了，到底是因为它学会了全新的知识（Teaching），还是仅仅被“唤醒”了沉睡在预训练参数中的潜在能力（Elicitation）？ ArXiv URL：http://arxiv.org/abs/2601.04728v1 这不仅仅是一个学术问题，它关乎模型安全与评估。如果是“唤醒”，那么哪怕只有几条数据，恶意行为者也可能解锁模型的危险能力；如果是“教学”，则门槛要高得多。然而，传统的准确率（Accuracy）或损失曲线（Loss

2026-06-19 18:28:54 377

原创给大模型配台“电脑”：通用智能涌现，长文本Token消耗暴降8倍

如果说大模型（LLM）是拥有超级大脑的智者，那么现在的 Agent 框架往往像是给这位智者配备了特定的“拐杖”——专门的计算器、专门的搜索工具。但如果直接给它一台功能完整的“虚拟电脑”，让它自己去探索如何使用，会发生什么？ ArXiv URL：http://arxiv.org/abs/2601.16206v1 微软研究院联合中国人民大学、清华大学带来的最新研究 LLM in Sandbox 给出了惊人的答案：不需要额外的训练，强大的大模型就能自发地利用代码沙箱解决数学、物理、化学甚至生物医学等非代码领域的

2026-06-15 18:28:46 311

原创斯坦福GOAT：重构注意力底层数学，显存降36%，长文本性能全面超越RoPE

Transformer 架构统治 AI 领域已久，但你是否想过，其核心组件——缩放点积注意力（Scaled Dot Product Attention），可能建立在一个“天真”的假设之上？ ArXiv URL：http://arxiv.org/abs/2601.15380v1 长期以来，我们将 Softmax 视为一种平滑的 Argmax 近似，将点积视为相似度度量。然而，斯坦福大学的一项最新研究指出，这种直觉式的理解掩盖了数学本质。该研究通过熵最优传输（ Entropic Optimal Transp

2026-06-10 18:33:54 339

原创阿里CoMeT：32k训练解锁100万长文，显存恒定，告别KV Cache爆炸

在大模型（LLM）的竞赛中，“长文本能力”一直是兵家必争之地。然而，现有的Transformer架构面临着一个物理定律般的诅咒：随着上下文长度增加，计算复杂度呈二次方爆炸，KV Cache更是像无底洞一样吞噬显存。 ArXiv URL：http://arxiv.org/abs/2602.01766v1 虽然市面上有各种“上下文压缩”技术，但它们往往以牺牲精度为代价。有没有一种方法，既能保持线性时间复杂度，又能让显存占用恒定不变，还能精准找回100万字之前的细节？来自阿里巴巴、东北大学和清华大学的研究团队

2026-06-09 18:34:01 377

原创 Agent Harness最新综述！七层分类框架+170个项目总结

01 模型不是瓶颈，Harness才是 URL：https://openreview.net/forum?id=3hXEPbG0dh OpenAI在2026年2月披露了一个引人注目的事实：一个小团队用五个月时间，在不手写生产代码的前提下，让Codex agent产出了约一百万行代码。靠的不是更强的模型，而是围绕模型精心设计的执行环境、约束机制和反馈回路——他们称之为"harness engineering"。本文的核心判断可以用一句话概括： Agent在生产环境中的可靠性，主要取决于包裹模型的基础设施层

2026-06-07 18:31:46 403

原创不是树搜索而是双向演化！哈佛MIT破除模型熵壳，准确率提升3.8%

在当前大模型研究的最前沿，如何通过搜索来获取高质量的推理轨迹，已经成为强化学习后训练（RL Post training）和推理期扩展（Test time Scaling）的核心命题。 ArXiv URL：http://arxiv.org/abs/2605.28814v1 无论是业内爆火的 GRPO 算法，还是广受讨论的思维树（Tree of Thoughts），本质上都在做同一件事：让大模型在遇到难题时多想几步、多试几种可能。然而，当问题难度逼近模型能力的极限时，研究人员发现了一个反直觉的现象——模型哪怕生

2026-06-06 17:16:16 341

原创不是死守规则，而是合理违规！Meta四模块Agent架构十倍降低盲从率

设想这样一个场景：一辆由大语言模型（LLM）驱动的自动驾驶汽车正在疏散洪灾人群，前方却是一个红灯。它是该为了全车人的安全违规闯红灯，还是死死守住交通规则停在原地，直到洪水将车辆淹没？ ArXiv URL：http://arxiv.org/abs/2605.19351v1 在以往的生成式智能体（Generative Agents）研究中，AI 几乎被默认应当是一个完美遵守规则的"乖孩子"。但真实的物理和社会世界远比单纯的"合作"复杂。当紧急情况发生，或者盲目的同侪压力袭来时，AI 到底该如何权衡合规、紧急性

2026-06-05 17:00:52 315

原创 LLM Agent记忆最新综述！三阶段演进框架+两大前沿机制总结

在当前的 AI Agent 开发实践中，一个普遍存在的痛点往往在复杂任务中暴露无遗：无论底层大语言模型（LLM）的单步推理能力多强，一旦进入跨度较长的真实环境，Agent 很容易陷入重复试错与目标偏移的泥潭。 ArXiv URL：https://arxiv.org/abs/2605.06716 许多开发者试图通过无限外挂向量数据库（RAG）或单纯延长上下文窗口来解决这个问题。然而，这种做法本质上只是给 Agent 挂载了一个庞大但僵化的"外接硬盘"。近期，香港浸会大学、香港科技大学、新加坡国立大学等多所高

2026-06-01 23:08:18 376

原创从预测未来到控制未来：机器人世界模型全景综述

01 VLA策略的瓶颈，世界模型的机会 ArXiv URL：http://arxiv.org/abs/2605.00080v1 当前机器人学习的主流范式——Vision Language Action（VLA）策略，试图将感知、语言理解和控制统一到一个端到端模型中。但一个核心矛盾越来越明显：纯反应式的VLA策略在长时间序列推理、误差累积和物理环境鲁棒性上表现不佳。问题不仅仅出在动作预测能力不足，更在于缺乏一种显式的预测结构，让模型能够在行动之前预判世界会如何演变。这正是世界模型（World Model

2026-05-28 17:26:48 450

原创告别“写死”的工作流：IBM万字综述，定义Agent动态进化新范式

LLM Agent正以前所未有的速度涌现，但驱动它们解决复杂任务的工作流设计，却常常像一个“手工作坊”：结构固定、难以优化、复用性差。当任务稍有变化，写死的脚本可能就立刻失灵。 ArXiv URL：http://arxiv.org/abs/2603.22386v1 你的Agent还在依赖这种静态工作流吗？最近，来自IBM Research等机构的研究者发布了一篇重磅综述，系统性地梳理了LLM Agent工作流优化的前沿进展。这篇论文的核心贡献，是提出了一个全新的统一框架，将Agent工作流视为一种可优化的

2026-05-20 13:13:17 350

原创 LLM越深越“健忘”？字节MoDA架构：性能+2.11%，开销仅3.7%

大模型（LLM）的竞赛似乎很简单：堆更多的层，模型就会更强大。但现实却给了我们一记重拳——模型越深，反而越容易“忘记”浅层学到的关键信息。这种现象被称为信号衰减（signal degradation）。 ArXiv URL：http://arxiv.org/abs/2603.15619v1 每一层网络都在努力学习，但随着层层堆叠，有价值的特征信号在反复的残差更新中被稀释，导致深层网络难以有效利用浅层信息。为了解决这个“健忘症”，来自字节跳动和华中科技大学的研究者们提出了一个全新的注意力机制：深度混合

2026-05-19 13:12:59 355

空空如也

空空如也