最近，来自Google Research、Google DeepMind和MIT的研究者们联合发表了一项重磅研究。结果显示：盲目增加智能体数量，在很多时候不仅没用，反而会让系统变笨、变慢、变贵。
前几天，AI 推理服务供应商 OpenRouter 发布了一份报告《State of AI》，基于平台上 60 多家提供商的 300 多个模型，100 万亿个 token 的交互数据，对 LLM 的实际应用情况进行了分析。报告中，提到了一个「灰姑娘水晶鞋效应」，特别有意思。研究者在分析用户留用数据时发现一个现象：AI 模型发布第一个月进来的用户，往往比后来进来的用户留存率更高。
昨夜，OpenAI用专家级GPT-5.2复仇Gemini 3成功！而在GPT-5.2发布前一个多小时，谷歌就率先推出全新版Gemini Deep Research Agent。谷歌对Gemini深度研究进行了重新构想，使其比以往任何时候都更加强大。
我们以为语言是语法、规则、结构。但最新的Nature研究却撕开了这层幻觉。GPT的层级结构与竟与人大脑里的「时间印记」一模一样。当浅层、中层、深层在脑中依次点亮，我们第一次看见：理解语言，也许从来不是解析，而是预测。
白铂 博士，华为 2012 实验室理论研究部主任 信息论首席科学家
今日凌晨，比OpenAI早一个小时，谷歌甩出了3个Agent大招：Deep Research Agent功能更新，并首次向开发者开放；开源新网络研究Agent基准DeepSearchQA，旨在测试Agent在网络研究任务中的全面性；推出新交互API（Interactions API）。
如果说大模型的预训练（Pre-training）是一场拼算力、拼数据的「军备竞赛」，那么测试时扩展（Test-time scaling, TTS）更像是一场在推理阶段进行的「即时战略游戏」。
有关大语言模型的理论基础，可能要出现一些改变了。
近日，师从新晋诺贝尔化学奖得主奥马尔·亚吉（Omar M. Yaghi）、目前在美国加州大学伯克利分校读博的荣自超，带领一个跨国际的研究团队，打造出名为AIRES （algorithmic iterative reticular synthesis）的机器学习指导的高通量实验平台，
宾夕法尼亚大学沃顿商学院（The Wharton School）今年发布了一系列名为《Prompting Science Reports》的重磅研究报告。他们选取了2024-2025最常用的模型（如GPT-4o, Claude 3.5 Sonnet, Gemini Pro/Flash等），在极高难度的博士级基准测试（GPQA Diamond）上进行了数万次的严谨测试。
