谷歌前CTO办公室总监近500页巨著，Agent的21个设计模式，从小白走向大师
从LLM到Agentic的产业拐点上，最难的并不是让模型会写一段代码或生成一份报告，而是把能力稳定地固化进工程体系：如何拆解任务、如何在多人，多Agent协作下保证可追溯、如何做异常恢复与安全护栏、以
阅读全文微软警告：大模型ICL并非真正意义上的学习，你的AI Agent随时可能“失忆”
上下文学习”（In-Context Learning，ICL），是大模型不需要微调（fine-tuning），仅通过分析在提示词中给出的几个范例，就能解决当前任务的能力。您可能已经对这个场景再熟悉不过
阅读全文想让LLM内心戏更丰富？试下苏黎世理工基于MBTI框架的Agent
有很多朋友都研究过MBTI，大家对MBTI已经很熟悉了。但也有一些朋友，对MBTI并不了解，什么是MBTI？迈尔斯-布里格斯类型指标（Myers-Briggs Type Indicator）简称MBT
阅读全文想让LLM精确输出？试下XML格式Prompt语法约束解码GCD，帮你迭代收敛到稳定解
随着Agent的爆发，大型语言模型（LLM）的应用不再局限于生成日常对话，而是越来越多地被要求输出像JSON或XML这样的结构化数据。这种结构化输出对于确保安全性、与其他软件系统互操作以及执行下游自动
阅读全文你知道吗？相较于产生幻觉，LLM其实更会「说谎」｜卡梅隆最新
幻觉并非什么神秘现象，而是现代语言模型训练和评估方式下必然的统计结果。它是一种无意的、因不确定而产生的错误。根据OpenAI9月4号论文的证明，模型产生幻觉(Hallucination)，是一种系统性
阅读全文通用问题求解器雏形已现！谷歌DeepMind重磅研究，自主发现40种全新算法
在现代科学中，几乎所有领域都依赖软件来进行计算实验。但开发这些专用的科学软件是一个非常缓慢、乏味且困难的过程，开发和测试一个新想法（一次“试错”）需要编写复杂的软件，这个过程可能耗费数周、数月甚至数年
阅读全文中国AI弯道超车，国产GPU训练！无需Transformer，原生类脑脉冲大模型「瞬悉」横空出世
自2017年Transformer架构提出以来，依托GPU集群的大规模计算能力，人工智能迈入大模型时代并取得巨大成功。但其核心的Softmax Attention机制，训练开销会随序列长度呈平方级增长
阅读全文不微调，让LLM推理准确率暴增到99%！试下DeepConf，一个轻量级推理框架｜Meta最新
在大型语言模型（LLM）进行数学题、逻辑推理等复杂任务时，一个非常流行且有效的方法叫做 “自洽性”（Self-Consistency），通常也被称为“平行思考”。它的逻辑很简单：不要只让模型想一次，而
阅读全文断供？会“刻意练习”的Qwen2.5-3B，竟然超越Claude3.5！斯坦福最新
什么断供不断供，不存在的。。。拳打在沙袋上，沙袋会给你一个反作用力，让你感觉到这次出拳的力量和效果，却也让新手只爱打更快的拳。同样，在强化学习（RL）当中，模型生成的代码在环境中运行后，会返回一个分数
阅读全文隐式推理，继CoT思维链之后，LLM的下一个技术奇点系统性综述来了｜港科大最新
您对“思维链”（Chain-of-Thought）肯定不陌生，从最早的GPT-o1到后来震惊世界的Deepseek-R1，它通过让模型输出详细的思考步骤，确实解决了许多复杂的推理问题。但您肯定也为它那
阅读全文你的RAG系统有个数学BUG，DeepMind首次证明嵌入向量检索召回能力有限
最近，工业界“RAG已死”甚嚣尘上。过去几年，AI领域的主旋律是“规模定律”（Scaling Law），即更大的模型、更多的数据会带来更好的性能。即便偶然有瑕疵，也认为只是工程上的不足，并非数学上的不
阅读全文你的设想被证实了！不微调模型也能微调Agent，Memento霸榜GAIA｜UCL最新
你或许也有过这样的猜想，如何让AI智能体（Agent）变得更聪明、更能干，同时又不用烧掉堆积如山的算力去反复微调模型？前天一个来自UCL《Memento》的框架给出了一个非常有意思的答案，它就像是在说
阅读全文你的怀疑是对的！LLM作为Judge，既无效又不可靠，终于有论文向LLJ开炮了
让LMM作为Judge，从对模型的性能评估到数据标注再到模型的训练和对齐流程，让AI来评判AI，这种模式几乎已经是当前学术界和工业界的常态。我之前也介绍过这方面的研究，但没想到打脸来得这么快！之前也有
阅读全文普林斯顿、清华等20家高校联合发布，「自进化」Agent综述
It is not the most intellectual of the species that survives; it is not the strongest that survives;
阅读全文搞不定有表格数据和多模态的Prompt？试下微软最新的提示词编排标记语言POML
总是小心翼翼地调整Prompt措辞、格式，甚至标点符号，反复测试，却常常得到不稳定的结果？整个过程充满了不确定性。尤其是在构建复杂的AI应用时，这种混乱状态真是让人头疼。不过！最近来自微软的研究者们带
阅读全文并非95%的AI项目都失败！麻省理工MIT《2025年商业人工智能现状》
这份来自麻省理工学院的2025年商业AI现状的研究报告最近在网上炸锅了，该报告称 95% 的人工智能试点都失败了，这吓坏了美国股市的投资者。报告提到大多数公司都陷入了困境，因为 95% 的 GenAI
阅读全文自主深度研究DR代理究竟走向何方？四步操作「流程」让你不迷糊 |华为最新
华为诺亚方舟实验室最近联合香港大学发了一篇针对"Deep Research Agents"（深度研究代理）的系统性综述，在我的印象中，这是他们第二次发布关于Deep Research的综述论文。上一篇
阅读全文多Agent集体失忆？试下内在记忆框架，每个Agent都有自己的异构笔记本
精心设计了一个由多个AI智能体组成的强大团队，期望它们能像人类专家一样协作解决复杂问题，但却发现这个团队聊着聊着就“精神涣散”，忘记了最初的目标，甚至连彼此的角色都开始混乱。这并非您的设计失误，而是当
阅读全文LLM中最难搞的表格最新梳理，需要什么请自取
您可能已经在产品里放进了问答、总结、甚至自动报表模块，但表格一上来，体验就变味了，这不奇怪。表格是二维、带结构、还经常跨表跨文，和纯文本完全不一样；项目作者在《Tabular Data Underst
阅读全文海量文本秒转结构化，试下谷歌的LangExtract，Github上12.3k star
真正的业务宝藏往往就埋藏在那些看似杂乱无章的文本数据之中，即非结构化文本，但问题是，如何高效、可靠地把这些宝藏精准地挖出来，一直是个令人头疼的难题，今天我们就来聊聊最近GitHub12.3k star
阅读全文AI时代还用德尔菲法？其实“少数人”远比“多数人”更有价值 ｜谷歌最新
每当需要处理复杂领域中高度不确定性或缺乏历史数据的问题时，纯粹的科学证据不足、存在矛盾或过于复杂，通常我们就需要依赖专家们的集体智慧来形成共识，指导实践。德尔菲法（Delphi method）是半个多
阅读全文腾讯AI团队最新研究戳穿AI“智力”泡沫：百万上下文正在误导所有人
AI领域一度陷入“上下文窗口”的军备竞赛，从几千token扩展到数百万token。这相当于给了AI一个巨大的图书馆。但这些“百万上下文”的顶级模型，它究竟是真的“理解”了，还是只是一个更会“背书”的复
阅读全文LLM幻觉第一次被定义：你必须掌握的3个理论和能上手的4套工程解法
幻觉，作为AI圈家喻户晓的概念，这个词您可能已经听得耳朵起茧了。我们都知道它存在，也普遍接受了它似乎无法根除，是一个“老大难”问题。但正因如此，一个更危险的问题随之而来：当我们对幻觉的存在习以为常时，
阅读全文AI代码生成，上下文示例怎样写最有效？港科大最新
长久以来我们都知道在Prompt里塞几个好例子能让LLM表现得更好，这就像教小孩学东西前先给他做个示范。在Vibe coding爆火后，和各种代码生成模型打交道的人变得更多了，大家也一定用过上下文学习
阅读全文Agent怎么运维？中科院清华重磅发布：AgentOps来了！
从“模型即服务”（MaaS）到“智能体即服务”（AaaS）的转变，标志着AI行业进入了新的发展阶段。我们不再满足于AI的“对话能力”，而是期望它能成为自主完成复杂任务的“全能机器人”。但当我们兴奋地将
阅读全文腾讯AI Lab开源即王炸：GAIA同级最强Agent框架
当AI智能体（Agent）开发的浪潮涌来，很多一线工程师却发现自己站在一个尴尬的十字路口：左边是谷歌、OpenAI等巨头深不可测的“技术黑盒”，右边是看似开放却暗藏“付费墙”的开源社区。大家空有场景和
阅读全文gpt-oss专为Agent而生，16G显存就能跑，昨晚开源。
昨晚OpenAI官方放了个大招，发布了gpt-oss-120b和gpt-oss-20b两款开源模型，这是一个专为Agent而生的模型，而且开源了。这背后其实藏着OpenAI对未来AI应用形态，特别是A
阅读全文RAG也能推理思考！彻底解决多源异构知识难题
现在的RAG（检索增强生成）系统。您给它一个简单直接的问题，它能答得头头是道；可一旦问题需要稍微拐个弯，或者知识源一复杂，它就立刻“拉胯”，要么返回一堆不相干的东西，要么干脆就开始一本正经地胡说八道。
阅读全文你的Prompt已达性能极限？试试这个0成本的优化 | 马里兰大学最新
上下文学习（In-Context Learning, ICL）、few-shot，经常看我文章的朋友几乎没有人不知道这些概念，给模型几个例子（Demos），它就能更好地理解我们的意图。但问题来了，当您
阅读全文LLM产品开发边界究竟在哪，我们终将面对AI的归纳偏差，哈佛MIT重磅研究
几百年前开普勒通过观测数据，总结出了行星运动的规律，例如行星沿椭圆轨道运行，这让他能精确预测行星未来的位置。这就像今天的基础模型，通过学习海量数据，可以很好地进行序列预测（比如接下一句话）。后来牛顿提
阅读全文