结构化扩展拿下Agent工具检索新SOTA，精准找到API｜ICLR'26
结构化扩展拿下Agent工具检索新SOTA，精准找到API｜ICLR'26在大模型时代，Tool-Use已经成为智能体能力的核心组成部分。
来自主题: AI技术研报
7406 点击 2026-03-19 15:17
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
在大模型时代，Tool-Use已经成为智能体能力的核心组成部分。
打破多模态视觉+语言拼接套路！
多模态模型代码写得像老司机，却在数手指、量柱子时频频翻车？UniPat AI用五百行代码打造的SWE-Vision，让模型「掏出Python尺子」自我验证，一举拿下五大视觉相关基准SOTA。
多模态大模型在代码能力上进步惊人，但在基础视觉任务上却频繁失误。UniPat AI 构建了一个极简的视觉智能体框架 ——SWE-Vision，让模型可以编写并执行 Python 代码来处理和验证自己的视觉判断。在五个主流视觉基准测试中，SWE-Vision 均达到了当前最优水平。
谷歌发布首个原生全模态 Embedding 模型 Gemini Embedding 2！它将文本、图、音视频及 PDF 无损融于统一向量空间，实现跨越五大模态的直接检索。这极大降低了架构成本，赋予了 AI 真正连贯的「记忆」，是重塑 AI 基建的里程碑。
生物研发进步提速长期受制于海量人工试错。恩和首发全球生物制造物理 AI 平台 SAION，打破 AI 仅限虚拟辅助的痛点。最大惊喜是它「长出了手脚」，能自主设计并直接调度设备执行真实实验，实现闭环进化！其生物科研表现全面超越 GPT 与斯坦福 Biomni，实现 SOTA。AI 科学家终于下场干活了！
港科大团队提出音频生成统一模型AudioX，只需一个模型，就能从文本、视频、图像等任意模态生成高质量音效和音乐，在多项基准上超越专家模型。团队同时开源了700万样本的细粒度标注数据集IF-caps与可控T2A评测基准T2A-bench，并在该基准上大幅领先现有方法。论文已被ICLR 2026接收。
导读：近日，位于中关村的深度机智全球首次使用全新范式——人类学习，在多个国际 Benchmark 上取得 SOTA，史无前例地使用全新架构（仅使用人类第一视角数据、零真机数据）击败 Physical Intelligence 和英伟达等头部巨头二十多个百分点，并在两会开幕首日被央视报道。
如果科研中的文献阅读、代码演进、实验验证都可以由智能体自主完成，科学发现的方式会被重新定义吗？自主科研智能体（Autonomous Research Agent）的兴起，正在把这一设想带入现实：科学家有望回归科学品味和探索源头，智能体承担科研全链路的繁琐工作，两者在人机协同的闭环中共探新的重大科研突破。
来自东南大学、微软亚洲研究院等机构的研究团队提出了一种全新的解决方案——Re-TRAC（REcursive TRAjectory Compression），这个框架让 AI 智能体能够「记住」每次探索的经验，在多个探索轨迹之间传递经验，实现渐进式的智能搜索。