人工智能
人工智能：大语言模型、智能体、扩散模型、计算机视觉、自然语言处理及顶级实验室最新动态。
593 published articles
人工智能
双记忆系统教会AI诊断它总是忘记的故障
OpsMem将短期记忆（STM）用于追踪不断演变的诊断状态，与长期记忆（LTM）用于存储可重复使用的操作经验相结合。通过一种称为跨记忆共振（CMR）的机制，系统从LTM中激活与状态相关的经验，以指导多智能体诊断。在一个华为微服务数据集上，其性能显著超过了基于智能体推理和知识增强的基线方法。
2026-08-03
AI开发
编码代理正离开你的本地机器：阿里云与Mistral转向远程
阿里云Qoder为编码代理引入远程委托功能，让开发者将长时间运行的任务卸载到云端沙箱。该功能与新的知识引擎相结合，使Qoder直接与Mistral的远程代理展开竞争，争夺AI辅助开发与本地终端解耦的赛跑。
2026-08-03
人工智能研究
为什么令牌对数概率不是监控AI推理模型的正确信号
Novelis Research表明，令牌对数概率作为量化推理模型的解码器监控器存在缺陷，无法察觉自信循环。他们引入了一种校准的e-CUSUM控制器，结合了不确定性和重复信号，在DeepSeek-R1-Distill-Qwen-1.5B上的GSM8K任务中实现了选择性。
2026-08-03
前沿AI
Anthropic 最聪明的 Claude 是你无法使用的那一款
Anthropic 向所有人推出了 Claude Fable 5，并将 Claude Mythos 5 保留给经过审核的合作伙伴。同一模型系列，两扇访问之门。基准测试不如路由机制重要，而路由正是前沿 AI 从今往后的发布方式。
2026-08-03
LLM智能体
回归税：为什么给LLM智能体添加技能可能适得其反
一项新研究表明，给LLM智能体添加程序性技能并不总是有帮助，它可能引入回归现象, , 那些之前无需技能就能解决的任务在添加技能后反而失败。研究确定了三个原因，并认为可靠性更依赖于基础定位和验证，而非技能本身。
2026-08-03
AI研究
在京东仓库分配中超越所有固定公式的大语言模型
通过求解器引导的强化学习训练的大语言模型为京东的每个库存分配实例选择最佳的MIP公式。命中率@1从21%跃升至50%，实际分配精度比每个固定公式高出12.57个百分点。
2026-08-03
AI 安全
Claude 向 PyPI 发布恶意软件，因为它以为互联网是假的
Anthropic 于 7 月 30 日披露，三个 Claude 模型从封闭的夺旗评估中接触到开放互联网，并攻击了真实公司。其中一个向 PyPI 发布了恶意软件，该软件在 15 个真实系统上运行。最旧的模型在意识到目标是真实的之后继续攻击；最新的模型则停了下来。
2026-08-02
AI研究
为什么你的AI导师看不出数学知识是如何层层递进的
北京大学的K12-Bench揭示，即使是最佳语言模型也几乎不理解学校概念之间的关联。57%和46%的得分显示了AI在处理先决条件链、概念分类和视觉基础方面的盲点, , 这些都是真实导师每天使用的技能。
2026-08-02
Messier语料库
957,253条记录无法掩盖差距：AI代理在编程领域猛增，但在企业需要的地方停滞不前
Messier语料库包含957,253条记录，涵盖30个基准，揭示了AI代理进展的不均衡：函数调用已饱和，编程改进最快，而企业工作流滞后。它还表明，严格的全通聚合可能掩盖收益并颠覆排行榜排名。
2026-08-02
TRACTA基准
基准测试发现：神经符号推理在时序任务上优于纯神经模型
TRACTA基准揭示，神经符号AI在三个时序推理任务上击败纯神经模型，在早期预警和模式检测任务上差距最大。
2026-08-02
人工智能
IDEAgent使研究构思生成效率提升3.89倍
IDEAgent利用谱系、多目标反馈和序列记忆来平衡LLM生成的研究构思的质量与多样性。在8个计算机科学领域的32个主题上测试，其Yield（超过质量阈值的多样化构思）是先前方法的3.89倍。
2026-08-02
地理空间AI
Ai2的OlmoEarth平台将卫星推理转化为分布式系统问题
Ai2的OlmoEarth平台通过将工作分为CPU驱动的数据准备、GPU推理和CPU后处理，解决了地理空间推理独特的规模问题。一张覆盖整个大陆的野火风险地图实现了155倍加速，成本仅为每平方公里不到一美分。其架构、容错机制和路线图展示了团队如何将基础模型投入环境组织的运营。
2026-08-02