搜索
香港大学罗晔教授团队发布S²-MAS框架及YN决策模型，以14张GPU在4小时内完成1200万户家庭仿真，YN-mini单卡吞吐量达3.7万token/s，消费金融基准准确率高于Jev 1.13。
清华大学和新加坡国立大学团队提出并开源VISTA，通过Meta-agent自主修改Harness代码且不更新模型权重，将LIBERO-Pro整体任务成功率从17.5%提升至95.0%。
深圳市大数据研究院与华为联合研发的ASP被NeurIPS 2026接收，该系统基于昇腾910B3和MindSpeed-RL，以队列感知调度优化多实例异步RL训练，生成吞吐最高提升222%、单轮迭代时间最多降低76%，并将电信百卡集群训练周期从3个多月缩短至约2个月。
Firefly 在 NeurIPS 2026 提出“先探索、后出题”的训练数据合成流程，利用真实 MCP Server 和可离线复现的检索增强模拟器生成5,144个可验证任务，使 Qwen3-4B-Thinking-2507 的 pass@1 从28.1%升至41.5%。
微软研究院等团队提出全开源的WildAWM，合成个人电脑环境、跨GUI/MCP/CLI任务及验证器，并训练Qwen3.6-35b-a3b和Qwen3.5-4b，两款模型在8个分布外基准上均获提升，相关环境、任务、模型与数据均已开源。
香港中文大学与微软团队提出EchoChat，将感知、心理状态推断与语音回复生成纳入统一优化框架，通过级联门控、SDCA步骤级信用分配和AAA声学注意力约束减少共情推理中的错误传播，相关成果发表于NeurIPS 2026，并发布EchoDialogue-400K数据集与EchoEval评测。
文章分析前沿模型文字难懂的原因，指出 Google 通过 LearnLM 将易读性、命题保真度、认知负荷管理和强化学习后训练融入 Gemini 2.5 Pro 与 Flash，并介绍 UIDPO 和修辞结构对齐两种认知对齐路径。
密歇根大学安娜堡分校团队提出并开源AI机器人协同设计智能体Auto-Robotist，相关工作获EMNLP'26主会录用，并在EvoGym七项任务的5×5冷启动实验中以持续更新的技能库复用试错经验，平均最终最优得分高于遗传算法。
国防科技大学与清华大学团队提出ICRPM（In-Context Risk Predictive Model），利用近期任务—风险记录预测策略更新后的风险，在无需额外rollout或环境交互的情况下提升大模型RLVR、Meta-RL及鲁棒控制中的任务排序与训练效果。
RAGFlow 1.0 以 Go 重写并公开知识编译层与 Retrieval Harness，将产品定位升级为 Agent Native 数据库，通过证据链等编译产物降低 Token 消耗并提升上下文可追溯性。
让视觉模型在图里找一样东西，它通常会给出一个框。可如果这样东西根本不在图里呢？
把大模型运行在手机上，已经有了不少探索。
METR 调查报告称，Anthropic 过去一年的基准能力进步约等于此前两年，其中约 80% 的 AI 研究加速来自 AI 辅助人类研发，但距离完整的递归自我改进仍有差距。
在RAG与Agent、法律以及电商等场景中，语义+关键词的混合检索已经成为越来越多搜索应用的常规配置。
走向物理 AI 时代，构建一个能真正统一语言与视觉的多模态基座模型是关键一步。然而，语言本质上是有序的 Token 序列，视觉则是连续的高维像素分布，两者在信息结构上存在天然的鸿沟。如何在一个模型内统一这两种截然不同的分布，一直是一个备受争论的话题。
2024 年 10 月，机器之心曾报道过清华团队的一项基模工作：RDT-1B。
近日，米哈游联合清华大学、香港大学、新加坡国立大学等学术机构，开源首个通用游戏模型 GameScaling 系列：覆盖 0.8B、2B、9B、27B 四档规模，共八个模型，权重与推理代码均以 Apache 2.0 协议发布。
前段时间，我们做了一个开源项目 Vector Graph RAG，尝试只用 Milvus 向量数据库实现知识图谱的多跳检索，省去额外部署图数据库的麻烦。
在 LLM/MLLM 领域，基于 verifier 奖励的强化微调（Reinforcement Fine-Tuning, RFT，如 GRPO）在激发复杂推理能力方面展现出显著优势。由于 On-policy 优化的特性，很多研究指出 RFT 相比传统的监督微调（SFT）天然具备更强的抗遗忘能力。
认出一个物体之后，换个角度还能认出来，进一步想象它转动后的样子，这些都涉及空间感知。人类需要在头脑中表示物体的形状与方向，理解不同视角之间的关系，并从二维投影中推断三维几何。
Sören Mindermann与Alan Chan牵头、包括Geoffrey Hinton在内的22位学者共同署名的RSI论文提出，在AI研发完全自动化等假设下，研发速度可能在约一年半内提高十倍，但这并非现实时间预测。
OpenAI 一个小升级，让大家表情包自由了。
周二，北坡的 NorthCUA 团队，突然带来了一套相当完整的电脑智能体开源成果。
如今Agent已经能熟练调用工具、修改文件、运行测试，但面对一个长期演进的大型软件系统，它能否从一份新需求出发，交付完整功能？
经过决策训练的语言模型，重新打开生成开关后，未必还能稳定地推理。在研究者的实验中，4B 模型在约 40% 的问题上几乎不生成推理；9B 模型则走向另一端，在约 70% 的问题上持续生成，直到触及长度上限。
日常生活里人类的直觉判断，放到机器人身上，往往会变成棘手难题。
大模型能看懂复杂的网页结构，也能理解各种游戏的通关规则。
超智能这场竞赛的胜负手不在后训练，而在谁先跑通 RSI 预训练。
上个月告诉助手「订机票选靠窗座位，优先上午的航班」，这次出差让它订票，它还记得吗？换一个对话、交给另一个执行任务的 Agent，这条要求还在吗？
代码写错了、命令报错了、环境配坏了，Code Agent 接下来会做什么？