Meta发布首款前沿模型Muse Wonder,押注长期记忆与智能体能力
Meta推出Muse Wonder和Muse Wonder Full,这是其Superintelligence Lab重组后首次发布前沿模型。新模型重点强化复杂任务处理与“主动记忆”,并将服务于Muse智能体。
阅读全文Claude API 中转站避坑指南、检测原理与大模型 API 实测经验
共 2320 篇文章
RSS 订阅Meta推出Muse Wonder和Muse Wonder Full,这是其Superintelligence Lab重组后首次发布前沿模型。新模型重点强化复杂任务处理与“主动记忆”,并将服务于Muse智能体。
阅读全文美国空军将采购WindBorne自主气象气球采集的大气数据,合同上限接近5000万美元,但目前已下单金额为170万美元。该交易显示,AI天气模型的竞争正从算法扩展到全球数据采集能力。
阅读全文微软总裁布拉德·史密斯呼吁尽快建立AI安全规则,并认为英国比美国和欧盟更有条件推动全球协调。与自愿承诺相比,他主张引入外部评估、强制通报和可暂停系统的法律机制。
阅读全文微软公布第三代自研 AI 芯片 Maia 300,目标是在 2027 年开始承担旗下产品和服务的主要推理任务。它通过芯粒架构和系统级设计提升能效,也显示微软正试图降低对 Nvidia、AMD GPU 的依赖。
阅读全文亚马逊已在仓库部署超过100万台机器人,但这并不意味着人类员工会迅速退出物流体系。真正的变化,是人与机器人将在更近距离内共同工作,而工作节奏、岗位技能与安全风险也会随之重塑。
阅读全文KlingAI Research 提出 DiffusionART,通过按提示词聚合奖励方向和自适应恢复机制,减少扩散模型在线强化学习中的样本与算力开销。在视频生成实验中,该方法以显著更少的 GPU 小时达到对比方法的后期平均奖励水平。
阅读全文ProgramGym 提出了一套面向长周期程序复现的训练框架,通过自动构建可验证环境和分工式智能体流程,提升 coding agent 从零开发软件的能力。
阅读全文华盛顿大学团队提出Reflex框架,让人形机器人从第一视角RGB-D视频中推断飞来箱子的运动状态,并协调全身完成接取。系统在仿真中取得85.7%的成功率,并在真实Unitree G1上完成了人类抛箱测试。
阅读全文上海交通大学团队提出 SoftwareGym,通过自动生成可运行的 GUI 应用并进行运行时验证,为计算机使用智能体提供更丰富、更可靠的训练环境。实验显示,基于这些环境采集的轨迹能够提升模型在域外 OSWorld 上的任务成功率。
阅读全文SoloQ 面向扩散语言模型提出一种无需校准数据的权重—激活量化方法,并兼顾全序列扩散与块扩散架构。论文显示,在 4-bit 量化和 NVFP4 场景下,该方法能够较好保持模型能力并降低推理资源开销。
阅读全文RSI-Anything 将预测式世界模型引入递归自我改进,让智能体根据反馈持续更新策略、工作流与模型。论文在代码修复、GUI 操作和科学实验规划等任务中展示了跨领域效果。
阅读全文PolyOCR-Venus 将文字识别、定位、文档解析、信息抽取与 OCR 推理纳入统一的指令跟随框架。其核心创新包括面向教师可靠性的训练策略,以及经过人工校验和任务对齐评分改进的 OCRBench v2.1。
阅读全文人大团队提出TIPS,用结果正确与否作为唯一奖励,训练模型生成并检查推理步骤。在仅使用3200条结果标注轨迹的情况下,模型在ProcessBench上取得85.2 F1。
阅读全文静态代码基准容易因数据泄漏和能力饱和而失效,SWE-Duel尝试把任务生成、测试和对抗过程放到评测现场。两个编程智能体轮流扮演出题者与修复者,让基准难度随参与者能力变化。
阅读全文斯坦福大学团队提出 Stateless Language Agents,通过把研究状态交给框架、让每次调用都从零开始,减少历史膨胀、重复试验和无效推理。
阅读全文TouchScale提供了一个统一采集的500小时人类视觉—触觉交互数据集,将第一视角视频与双手密集触觉信号同步起来。实验显示,扩大且保持一致的数据规模,有助于提升跨传感器触觉预测和真实机器人操作表现。
阅读全文CASE 将医疗 AI 从基于既定材料的问答,推进到自主检索、比较并整合临床记录与多时点 MRI 证据。研究同时提出面向紧凑型视觉语言模型的智能体训练框架。
阅读全文华为诺亚方舟实验室联合UCL等团队推出Memento 3,在ARC-AGI-3的25款游戏、183个关卡中取得满分。它不改动大模型参数,而是通过规则手册和可执行世界模型持续修正策略。
阅读全文自回归视频扩散模型生成长视频时,持续增长的KV缓存会迅速推高显存需求。CORAL-KV利用不同缓存层之间的相关性预测后续层的键和值,再对预测残差进行量化,在降低内存占用的同时保持更高的视频重建质量。
阅读全文SpireBench把完整商业游戏《杀戮尖塔》变成长期智能体评测场景。研究发现,前沿模型能接近普通玩家,却在连续决策、风险管理和跨局学习上明显落后于专家。
阅读全文Elastic Latent Recurrence(ELR)试图让同一个语言模型在不同推理预算下运行:一次循环接近普通模型的效果,增加循环次数则换取更低损失和更高准确率。该方法还兼顾了KV缓存与MoE推理成本。
阅读全文