搜索
在做 Agent Memory 工程化探索的这几个月里，我经常有种被概念淹没的窒息。图结构记忆、AutoMemory、做梦机制、各种层出不穷的 Memory 框架……整个技术社区似乎陷入了一种每遇到一个新场景就要发明一套新词汇的群体焦虑中。
随着大语言模型逐步从「单轮问答」走向「真实环境中的持续交互」，LLM agents 正在被用于越来越复杂的 agentic applications：deep research、coding、computer use、customer service、medical inquiry、troubleshooting 等等。
Mirage（原 Captions）宣布获得 7500 万美元 融资，由 General Catalyst 旗下 Customer Value Fund（CVF）提供。这类资金的逻辑，与传统 VC 明显不同，它更关注已经被验证的增长模型与单位经济，而不是单纯押注未来。
几天前，AI 驱动的演示工具 Tome 宣布，将在四月底前关闭 Tome Slides 功能，并转型至销售领域（「搞定交易，而非幻灯片」：面向销售的 AI 助手）。
Decagon 专注于 AI for Customer Support 领域，致力于用 AI Agent 彻底改变客户服务体验。他们打造的不是简单的聊天机器人，而是能不断进化的 AI Agent 引擎，能够真正理解客户的需求并高效地解决问题。
来自复旦大学视觉与学习实验室的研究者们提出了一种新型的面向视频模型的对抗攻击方法 - 基于扩散模型的视频非限制迁移攻击（ReToMe-VA）。该方法采用逐时间步对抗隐变量优化策略，以实现生成对抗样本的空间不可感知性；同时，在生成对抗帧的去噪过程中引入了递归 token 合并策略，通过匹配及合并视频帧之间的自注意力 token，显著提升了对抗视频的迁移性和时序一致性。