谷歌近日正式发布了一种名为RRSI（Regularized Recursive Self-Improvement）的新方法，用于优化AI智能体在递归自我改进过程中的稳定性与泛化能力。该方法的核心理念是“正则化搜索过程，而非正则化智能体外壳”，通过...

Perplexity近日披露其Computer模型的一项新训练方法，通过将拒绝采样微调与提示引导自蒸馏相结合，让AI既能从成功执行的会话中学习，也能从用户纠正过的失败操作中吸收经验。传统微调往往依赖高质量成功样本，但真实...

SWE-Bench Pro V2基准正式发布，共包含来自11个代码仓库的642项任务。该版本修正了此前任务中的错误，并优化了评估流程，使评测更贴近真实软件工程场景。结果显示，AI模型在该基准上的得分普遍下降，OpenAI GPT-5与C...

OpenAI 正式推出 GPT-6 Sol 与 GPT-6 Luna，作为 GPT-6 Astra 之后更快、更经济的补充型号。官方信息显示，两款模型将前沿智能引入日常工作任务，重点在编码、事实性、计算机操作和专业任务等维度带来能力提升。与 A...

Gortex 是一款面向 AI 编码代理和 IDE 的高性能代码智能引擎，其核心做法是把代码库索引为本地图结构，再按需提供跨仓库搜索、定义引用、调用链和影响分析等高度相关的上下文。与朴素地读取整段文件相比，官方称这种...

Toby Ord 在最新文章《Swarm Scaling》中分析了大规模AI智能体蜂群的扩展效率问题。他指出，将蜂群中的智能体数量扩大10倍，其性能提升并不如将10倍token投入到单一智能体中来得显著。这种收益差距会随着规模扩大而...

过去三年，开放模型与闭源模型之间的可用能力差距持续收窄，开放权重模型正从技术试验走向高价值行业的核心生产环节。越来越多企业开始将开放模型部署在金融、医疗、法律、代码生成等对可靠性与可控性要求较高的场景...

随着AI智能体（Agent）经济性日益凸显，行业正从默认调用最前沿大模型，转向按能力层级进行任务路由的新架构。在这一模式下，判断、排序、搜索和验证等环节不再全部依赖昂贵的前沿模型，而是分发给成本更低、更专用...