编码智能体的关键不只是模型,而是如何设计 Harness
一项针对编码智能体 Harness 的实证研究表明,上下文管理、规划方式和工具接口的价值,会随模型能力与上下文预算发生变化。与其追求“一套通用配置”,不如按模型和任务特征进行组合设计。
阅读全文DeepSeek-V4.1-Flash:把长上下文成本压到 KV 缓存
DeepSeek-V4.1-Flash 面向长周期智能体工作负载,重点解决预填充计算昂贵、KV 缓存占用大以及存储带宽压力高等问题。论文称,该模型通过 CED、CSA2、FP4 KV 缓存和 SWA Bounded Replay,大幅缩减缓存 footprint,同时保持更强性能。
阅读全文When2Think:让推理模型学会判断何时该思考
微软研究团队提出 When2Think,通过实例难度感知控制,让混合推理模型在简单问题上快速作答、在复杂问题上保留更长推理。实验显示,该方法有望同时改善数学任务的准确率与计算效率。
阅读全文Manus独立运营17天,目标估值或升至40亿美元
据报道,Manus正推进约5亿美元新融资,目标估值约40亿美元。若交易落地,这家刚从Meta交易中恢复独立的Agent公司,估值较此前回购价格翻倍。
阅读全文GPT-Policy:让机器人在部署现场从上下文中学习
GPT-Policy 将视觉语言模型、上下文编译器与受约束控制器结合,让机器人能够参考示范和交互反馈,在不更新梯度或任务参数的情况下适应新任务。研究显示,人类视频示范可以提升任务完成度,而带有动作对齐信息的参考对接触敏感任务更有帮助。
阅读全文Edge0:用训练式预路由让35B MoE跑在SSD上
Edge0针对消费级设备运行大型MoE模型时的显存瓶颈,提出用每层预路由器提前预测下一层专家选择,并将预测结果直接用于执行。项目声称在24GB机器上以较低活动内存运行35B级MoE,但其评测细节仍值得进一步核验。
阅读全文LimiX-2:从预测目标转向理解结构化数据机制
LimiX-2提出上下文机制网络,将表格学习从“根据特征预测目标”扩展为对变量联合结构的建模。该模型在TabArena、TALENT和BCCO上取得领先表现,并尝试支持因果骨架恢复。
阅读全文Zing-0.5:让生成式世界模型真正变得可玩
Zing-0.5 是一个面向交互体验的 5B 自回归世界模型,支持键盘操作与在线文本指令的联合控制。它在 832×480 分辨率下实现 24 FPS 推理,并通过事件级训练提升连续生成的一致性。
阅读全文HypoEvolve:让多智能体像遗传算法一样迭代科学假设
HypoEvolve 将遗传算法引入多智能体大语言模型协作,让不同角色的科学智能体围绕假设群体进行提出、质疑、修订与筛选。研究以癌症药物再利用为场景,并借助 DepMap 与 Open Targets 的外部证据评估假设质量。
阅读全文Fathom:让每个查询按需读取KV缓存,降低长上下文解码开销
Fathom针对KV缓存卸载到主机内存后的扫描瓶颈,让每个查询动态决定读取各个通道多少比特。在百万级上下文下,它以更少的数据读取实现接近甚至匹配高精度稀疏扫描的效果。
阅读全文Crusoe获39亿美元融资,押注大型数据中心与模块化AI工厂
AI基础设施公司Crusoe完成39亿美元F轮融资,公司估值升至309亿美元。新资金将用于推进大型数据中心项目,并扩大可快速部署的模块化AI工厂业务。
阅读全文Google DeepMind成立新研究机构,试图把AGI争论带出“共识”框架
Google与Google DeepMind研究人员成立DeepMind Institute,希望公开呈现围绕通用人工智能的分歧与不确定性。首批文章聚焦模型透明度、前沿模型评测、经济冲击与人类福祉。
阅读全文FAA押注8.75亿美元AI系统,试图缓解空管压力
美国联邦航空管理局计划推出名为SMART的云端AI平台,帮助空管人员预测航班流量并提前识别潜在冲突。该项目预计在12年内花费8.75亿美元,首先于华盛顿特区都会区部署。
阅读全文小型AI模型如何让无人机在断网战场上自主识别目标
北约支持的Scaleout Systems正在把轻量级视觉模型部署到无人机、前线平板和指挥节点,使系统即使在通信受干扰时也能执行目标识别与任务更新。其参与的ALMA项目已展示无人机自主发现、定位并攻击指定目标的能力。
阅读全文Bend:用类型、证明与并行运行时约束 AI 写代码
Bend 试图把 AI 编程从“生成后测试”推进到“生成时证明”。这门新语言结合类似 Python 的语法、接近 C 的单核性能、CPU/GPU 并行执行,以及面向规则验证的类型系统。
阅读全文Google 推出家庭共享 AI 代理 CC:把全家事务交给一个助手
Google Labs 正测试家庭版 AI 代理 CC,最多支持六名家庭成员共享信息,用于整理日程、跟进任务和处理文档。它的核心不是让 AI 了解所有人,而是在明确授权后协助管理家庭事务。
阅读全文联合国携手谷歌,让全球统计数据真正面向AI代理
联合国与谷歌推出UN System Data Commons,试图把分散在各机构的官方统计数据变成AI系统可检索、可追溯的资源。此举也回应了一个现实问题:主流大模型回答全球发展指标时,准确性仍然有限。
阅读全文Claude Code重做Projects:云端多智能体开始走向协同工作
Anthropic重新设计Claude Code的Projects功能,让用户在同一项目中管理多个并行运行的编码智能体。共享记忆、目标和文件库负责统一上下文,协调器则负责拆分与组织任务。
阅读全文AI 水印不只是标记来源,也可能改变模型的安全边界
一项针对 SynthID-Text 的研究发现,文本水印可能改变大模型的拒答行为和工具调用结果。在对抗性提示下,部分模型反而更容易执行原本会拒绝的有害请求。
阅读全文