搜索
，MetaGPT & Mila 联合全球范围内 20 个顶尖研究机构的 47 位学者，共同撰写并发布了长篇综述《Advances and Challenges in Foundation Agents:
当大模型改变人类信息交互方式、算力成本不断降低，一个关键问题浮现在每一位企业决策者面前：如何让AI真正成为企业的“智慧大脑”，驱动业务决策全面升级？
近期，大模型智能体（Agent）的相关话题爆火 —— 不论是 Anthropic 抢先 MCP 范式的快速普及，还是 OpenAI 推出的 Agents SDK 以及谷歌最新发布的 A2A 协议，都预示了 AI Agent 的巨大潜力。
DeepWisdom完成亿元级融资，旗下智能体产品mgx.dev以零推广首月狂揽百万美元ARR，连续四周霸榜Product Hunt全球榜首。它让普通人也能一句话做出自己的APP。
大语言模型（LLM）近年来凭借训练时扩展（train-time scaling）取得了显著性能提升。然而，随着模型规模和数据量的瓶颈显现，测试时扩展（test-time scaling）成为进一步释放潜力的新方向。
pentagramdesign （五角设计公司）是全球知名的创意设计公司，最近该公司使用 AI工具Midjourney ，创作了1000个图标，引发了外网设计师群体的吐槽。
对于 LLM 从业者来说，让 LLM 落地应用并发挥作用需要手动构建并反复调试 Agentic Workflow，这无疑是个繁琐过程，一遍遍修改相似的代码，调试 prompt，手动执行测试并观察效果，并且换个 LLM 可能就会失效，有高昂的人力成本。许多公司甚至专职招聘 Prompt Engineer 来完成这一工作。
AI 智能体可以设计 AI 吗？
准确的统计数据、时效性强的信息，一直是大语言模型产生幻觉的重灾区。谷歌在近日推出了自己筹划已久的大型数据库Data Commons，以及在此基础上诞生的大模型DataGemma。
与 Text2SQL 或 RAG 不同，TAG 充分利用了数据库系统和 LLM 的功能。