搜索
DeepSeek Harness 团队发表技术文章，介绍由 Router 统筹、Worker 执行的 Super-agent 架构，支持跨会话并行、主动响应外部事件和长期在线，并已用于内部研发协作，相关原型 dsh-superagent-prototype 已开源但尚非正式产品。
ScienceVision基于真实三维数据构建250道跨学科科学3D评测题，GPT-6-Astra搭配Codex最高仅得0.53分，12个前沿模型均未在五科同时领先，显示AI科学三维观察与推理能力仍有限。
无问芯穹（Infinigence AI）以国产Agentic Infra让GPU算子优化Agent登顶NVIDIA Research的SOL-ExecBench四项赛道，并通过Skills、共享Memory和隔离评测形成自我迭代闭环，揭示资源调度与工作流设计对RSI效率的影响。
清华大学研究团队提出动作级在线蒸馏ActionOPD，在学生实际访问状态下以语义动作监督策略优化，使轻量Agent学习教师决策而非模仿Token，并支持黑盒接口、跨家族蒸馏及Self-ActionOPD自蒸馏。
多机构团队提出OpenDS任务范式并构建含200道任务的OpenDS-World评测基准，GPT-6 Astra以39.0%准确率居首，显示AI Agent在真实网络长程搜索与证据整合方面仍面临重大挑战。
清华大学、智元与无问芯穹提出群体经验学习（Collective Experience Learning，CEL），在96台机器人上验证FERT与FATS，使五项任务总体成功率达97.5%，手机包装任务成功率从86.7%升至98.3%。
Value as Memory（VaM）将近期价值预测作为任务进度记忆并结合离线到在线真机强化学习，使机器人在纸盒装配中连续自主运行4小时、成功率超过95%，最终任务成功率较无价值缓存版本提升29.4%。
Genspark的视频Agent工作台，Genspark Media Studio，正式发布了！
5600亿总参数，主攻个人智能体与复杂工作流。
来自新加坡国立大学、可灵 AI 和香港科技大学的研究团队提出了 DiffusionART，一种面向图像和视频生成的在线 Diffusion RL 算法。该方法支持采用 ODE 采样，不要求奖励模型可微，也无需额外调参，可自然适配标量奖励、二值偏好奖励等多种奖励形式，具有极高的样本效率。
设想这样一个场景：给机器人下达一句自然语言指令，让它穿过走廊、接连转弯，最终走进指定房间。视觉语言导航（VLN），需要让机器人结合沿途看到的画面，把人类的语言指令转化为一连串连续行动。
一个充电器，一根缠成一团的线。
DeepSeek-R1等模型让人们看到了强化学习的潜力。但已有研究发现，模型答得更准，未必意味着能解出的题目更多。
想象一下，你向几个 AI 倾诉最近的压力。
AI 的下一次突破将从何而来？业界大佬们一两年前就已给出判断。
什么时候是具身智能的ChatGPT时刻？
随着多模态大模型越来越强，OCR的短板反而逐渐明显。
每个做 AI 系统的人都经历过这个阶段：效果上不去，又不知道往哪使劲——读轨迹、改 prompt、调配置，靠人一轮轮试，一试就是好几天。
一张高清照片中，远处的手提包是什么颜色？一页票据里，某项费用到底是多少？面对这些问题，多模态大模型常常需要先找到相关区域，再放大查看。但如果第一步就框错了位置，后面的推理也可能跟着出错。视觉思维链让模型能够边看边想、调用工具寻找证据。不过，许多方法仍然像生成句子一样，把边界框坐标逐个写成文本 token。连续的空间位置，为什么要通过离散文字来表达？
一颗梨在液体中快速旋转，周围的液体应该随之流动、飞溅；一个物体撞向水面，液体也应该产生与碰撞相对应的响应。
人类说一句「我不是狼」，多模态大模型既能看到表情，也能听见声音。但它真的知道这句话是真是假吗？
近期，Meta 的 Muse、OpenAI 的 Dot 等产品相继推出，让 Personal Agent（个人智能体）再次成为大模型领域的关注焦点。相比传统的对话助手，这类 Agent 不再局限于回答问题，而是能够结合用户的个人背景、历史记忆与应用上下文，主动执行任务并持续推进长期目标。一个更具主动性、能够长期陪伴用户的 AI 助手，正在逐渐成为现实。
「朋友马上来家里做客，帮我准备一下。」
计算复杂性理论要变天了。
Personal Agent 目前已经能够独立完成许多复杂操作，但在决策时仍面临一个问题：什么时候应该直接推断，什么时候需要向用户追问。
大模型训练已经跑到万卡集群规模，显存始终是那道隐形的门槛。
家庭不需要万能机器人。
近两年，视频世界模型（video world model）成为生成式 AI 最受关注的方向之一。只需给定一张参考图和一段场景描述，模型就能根据用户输入的相机位姿或控制指令，逐帧生成出一个可以自由漫游的虚拟世界。
传统抗体发现通常依赖动物免疫，或从大规模抗体文库中“地毯式搜索”。
大模型Agent正在从简单问答，快速走向搜索、代码生成、网页操作和多轮工具调用。