大型语言模型 (LLM) 的发展日新月异，但实时「内化」与时俱进的知识仍然是一项挑战。如何让模型在面对复杂的知识密集型问题时，能够自主决策获取外部知识的策略？
随着大型语言模型（LLM）技术的不断发展，Chain-of-Thought（CoT） 等推理增强方法被提出，以期提升模型在数学题解、逻辑问答等复杂任务中的表现，并通过引导模型逐步思考，有效提高了模型准确率。
数据公司收购热潮在周一持续升温，云数据平台Snowflake 宣布收购Postgres 数据库合作伙伴Crunchy Data。知情人士透露此次交易估值约为 2.5 亿美元。
Agent 能力边界正在快速演进，未来随着更强的规划和推理能力的不断提升，Agent 们将参与到社会经济运作中。在这一趋势下，将可能诞生类似 Visa 或 Stripe 级别的商业基础设施的机会。
差不多一个半月前，是我第一次使用 Fellou，也是我第一次使用这类 Agent 形式的浏览器。
如果你正在开发Agent产品，一定听过或用过Mixture-of-Agents（MoA）架构。这个让多个AI模型协作解决复杂问题的框架，理论上能够集众家之长，实际使用中却让人又爱又恨：
当前最强多模态Agent连验证码都解不了？
上个月 21 号，Google I/O 2025 开发者大会可说是吸睛无数，各种 AI 模型、技术、工具、服务、应用让人目不暇接。在这其中，Gemini Diffusion 绝对算是最让人兴奋的进步之一。从名字看得出来，这是一个采用了扩散模型的 AI 模型，而这个模型却并非我们通常看到的扩散式视觉生成模型，而是一个地地道道的语言模型！
首先，cursor 0.51对UI设计界面做了重大更新：各个配置条目更为合理，看上去不再是草台班子的感觉。官方0.51changelog暂未发布，先体验一下BETA的Memories能力。
之前我们探讨过公司AI能力的评判方式：
