AI.x社区

当你看到一张立方体展开图时，只需几秒的心理模拟（mentalsimulation）就能判断它能否折叠成完整立方体；面对三个点电荷的受力分析，随手画个受力图就能理清力的方向与大小关系——这些人类与生俱来的视觉推理能力，却曾是多模态大模型的“致命短板”。GPT4o曾在立方体折叠推理中混淆相邻面与对面的关系，在点电荷受力计算中错判力的方向，核心问题在于：如何让智能体像人类一样，将“看见”与“思考”真正结合？我们解读最新技...

你有没有过这样的经历？让手机助手帮你在购物APP里搜个耳机，它却反复点错广告弹窗；想让智能音箱联动灯光，它要么没反应，要么把空调也打开了。明明这些AI能看懂图片、听懂文字，怎么一到“动手做事”就掉链子？我们解读最新技术，文末有相关信息。最近在研究视觉语言模型（VLM）做智能体（Agent）的论文时，发现了一个让我眼前一亮的解法——来自南洋理工和阿里巴巴团队发表在ICML2025的新方法CoSo。它就像给AI装了个“智能导...

当你结束一天的工作，期待AI能自主整理杂乱的桌面、按照需求烹饪简单的餐食，甚至协助完成家电维修时，是否曾疑惑：为何现有AI多局限于屏幕交互，难以真正“走进”物理世界？这一问题的核心，指向了AI领域的关键方向——具身智能体（EmbodiedAIAgent）。Meta超级智能实验室的JianweiYang团队CVPR2025发布的教程系统梳理了多模态具身智能体从“感知环境”到“逻辑思考”再到“自主行动”的技术路径，为我们揭示了多模态具身智能...

随着人工智能尤其是大模型技术的快速发展，基于大型语言模型（LLM）的智能体（Agent）正成为研究和应用的新焦点。NeurIPS2025会议收录了大量围绕智能体架构设计、多智能体协作、具身推理、安全对齐等方向的前沿工作。这些研究不仅在理论上推动了对智能体行为与认知的建模，也在实际应用中展现出广泛潜力。本文将系统梳理会议中具有代表性的智能体相关论文，分类综述其核心贡献，并总结关键技术趋势。一、基础架构与优化方法该类...

你是否曾想象过，某天你的私人AI助理不仅能帮你规划一整天的行程，还能替你处理那些繁琐的邮件往来，甚至帮你砍价购物，而你只需要说一句“搞定它”？等等，这听起来是不是有点像科幻电影？别急，我最近在研读一份来自红杉资本的内部资料时发现，这样的未来可能比我们想象的要近得多，而且，它所蕴含的经济潜力，甚至可能比蒸汽机和流水线带来的工业革命还要宏大！这份资料揭示了人工智能正在开启一场“认知革命”，它不仅仅是...

你有没有过这样的经历？让AI帮你写一篇行业报告，它倒是很快凑出了几千字，但里面的数据还是2022年的；让它改，它只会在句子里加几个“综上所述”，不会自己去查最新资料；甚至让它帮你订一张周末的高铁票，它能写出订票步骤，却不会真的打开12306操作——这时候你可能会吐槽：AI啥时候能像个“真助理”，主动把事办明白？最近，牛津大学、新加坡国立大学、帝国理工、上海AI实验室、UCL等机构的研究员们，联合发布了一篇名为《T...

我最近一直在思考一个问题：我们现在看到的那些“智能”AI，比如能写诗、能画画的大语言模型，它们真的很“智能”吗？它们能不能像我们人类一样，真正地在未知世界中“学习”和“成长”，而不是仅仅“记住”和“模仿”？这个问题触及到了人工智能领域的“圣杯”——实现真正的强人工智能。我们渴望的，不是一个知道一切的百科全书，而是一个能自主探索、自主学习、自我提升的“心智”。最近，当我深入研读强化学习之父RichSutto...

最近我在整理大模型数学推理的实验数据时，发现一个特别“离谱”的现象：为了让AI解对一道AIME（美国数学邀请赛，难度接近奥数）题目，我们得让它生成512条完整的解题思路，最后再用“少数服从多数”的方式投票选答案。这就像请512个学生做同一道题，不管有人写得颠三倒四、有人明显算错，你都得把所有答卷看完——既浪费时间，又耗“笔墨”（对应AI的token生成量），最后正确率还卡在97%上不去。直到读到MetaAI和UCSD团队刚发...

当671B参数的DeepSeekR1仍被视为数学推理领域的“重量级选手”时，一款仅14B参数的模型却以更短的推理路径实现了性能超越——微软研究院推出的rStar2智能体（rStar2Agent），通过智能体强化学习（AgenticReinforcementLearning）技术，让小模型摆脱了“靠长度堆性能”的传统路径，具备了“更聪明思考”的能力。这款模型仅用64张MI300XGPU、510步强化学习训练，便在AIME24数学竞赛中取得80.6%的pass1准确率，超越OpenAIo3mini、C...

你有没有过这种体验？第一次学做番茄炒蛋，妈妈没说“油热到冒烟再下蛋”，只在你炒糊时皱眉，炒嫩时点头；第一次学骑车，没人给你列“平衡公式”，摔了几次后，身体自己就记住了怎么调整车把。我最近在读强化学习奠基人Barto和Sutton的访谈，突然意识到：原来我们每天都在经历的“试错学习”，正是AlphaGo能打败世界冠军、AI能自己摸索出最优策略的核心密码。这篇文章就带你拆透这个让机器学会“从经验中成长”的神奇逻辑——...

当机器人能像人类一样在复杂家居环境中自主整理杂物，当智能体可在未知场景中快速学习新技能——这些曾经的科幻场景，正因大模型与具身智能的结合逐渐逼近现实。然而，大模型究竟如何赋予具身智能“思考”与“学习”的能力？当前研究又面临哪些阻碍通用智能实现的瓶颈？这篇综述将为你揭开谜底。我们解读最新技术，文末有相关信息。摘要&解读具身智能旨在开发具有物理形态的智能系统，能够在真实世界环境中进行感知、决策、行动...

当你用手机问AI"今天天气如何"，或是让它写一段工作总结时，有没有想过背后发生了什么？这些看似简单的交互，其实是千亿级参数的大模型在高速运转——它们就像一个个"超级大脑"，但"大脑"越大，消耗的计算资源就越多。一、你手机里的AI，可能正在"负重前行"你可能遇到过这样的情况：AI回答突然变慢，手机开始发烫，甚至有时候还会出现"内存不足"的提示。这不是AI"偷懒"，而是它的"思考过程"太耗费资源了。就像一辆满载货物的卡...

当AI被要求写一份关于“2025年生物医学突破”的深度报告时，它为何总是东拼西凑、漏洞百出？谷歌团队发现，问题出在AI不会像人类一样“反复打磨”——而他们新提出的TTDDR框架，竟让AI学会了“先写初稿、再查资料、逐句修改”的研究员式工作法，性能直接碾压现有系统。这个框架究竟是如何运作的？摘要&解读在大型语言模型（LLMs）的驱动下，深度研究智能体正在迅速发展；然而，当使用通用的测试时缩放算法生成复杂、长篇的研究...

你有没有试过这样的经历：网购遇到问题想找客服，排队等了半小时，好不容易接通，对方却告诉你“这个问题需要转接到专门的同事”；去超市买东西，货架上常缺你想要的品牌，店员说“库存没及时跟上”；甚至担心手机里的健康数据，会不会一不小心就跑到了国外的服务器上？如果我告诉你，未来两年，这些麻烦可能都会被AI解决，你信吗？最近，德勤发布了一份关于AI趋势的报告，提到了三个听起来有点“高冷”的词：智能体AI、物理AI...

当AI不仅能帮你写代码、答问题，还能悄悄“升级”自己——昨天解决不了的难题，今天突然找到新方法，甚至自己发明工具来突破局限时，它是否已经悄悄踏上了超越人类智能的道路？这篇综述撕开了“自进化智能体”的神秘面纱，从三个核心密码揭秘AI如何自主进化，或许藏着人工超级智能的终极答案。我们常用的大语言模型（比如ChatGPT、GPT4）虽然很能干，但就像“出厂设置”固定的机器——学会的东西不会自己更新，遇到新问题也不会...

你有没有过这种经历？让AI画一只"戴红围巾的黑猫"，出来的却是只"穿红衣服的黑猫"。明明AI已经能写论文、编代码，怎么看个图、画个画还这么不靠谱？最近突然想通了这个问题，未来23年，多模态领域会迎来两个堪比GPT4的"大爆发"时刻——这可能意味着，过不了多久，AI不仅能看懂你的图、听懂你的话，甚至能像人一样"边想边画"、"自主学习"。为什么多模态理解生成难突破？先从一个奇怪的现象说起：现在的AI，语言能力和视觉能力像...

你有没有发现，当你给AI输入很长的内容时，它常常会“忘记”中间的关键信息？或者明明给了正确资料，它却还是编出错误答案？其实，这些问题的根源，不在于模型不够强，而在于我们给模型的“上下文”没管好。现在，一门叫“上下文工程”的新学科正在崛起，它不仅能让AI记住百万字的内容，还能让多个AI协作解决复杂任务。但这门技术背后，还隐藏着一个让研究者头疼的“能力不对称”难题——AI能看懂复杂信息，却写不出同等复杂的...

昨天给孩子讲数学题，发现一个有趣的现象：我自己算的时候，脑子里飞快过了好几个思路，最后才得出答案；但给孩子讲时，必须把"先算括号里的""再乘除后加减"这些步骤一个个说出来。这让我想起最近读到的一篇论文，突然意识到：AI的"思考"方式，居然也在经历类似的转变——从必须"大声说出"每一步，到学会在心里"默默盘算"。你可能用过ChatGPT解复杂问题，它会一条条列步骤，比如"第一步算总量，第二步求比例"，这种"说出来"的思...

在信息爆炸的时代，我们早已习惯了遇到问题就打开搜索引擎：想知道月球车项目何时取消，搜索；辨认传统戏曲种类，搜索；甚至连历史战役的细节，也能通过搜索找到答案。但你是否想过，我们寄予厚望的AI大模型，在面对这些问题时可能会「瞎编」答案？最近，字节跳动与新加坡南洋理工大学的研究员们带来了一项突破性技术——MMSearchR1，它让大型多模态模型（LMMs）学会了像人类一样「按需搜索」，彻底改变了AI处理未知信息的方式...

一、市场概况与研究背景AI智能体(Agent)作为当前人工智能领域的前沿方向，正在从实验室概念迅速崛起为科技巨头的战略核心。2025年被业内普遍视为"AI智能体元年"，标志着这一技术从基础研究迈向大规模商业化应用的关键转折点(16)。在这一背景下，全球科技巨头纷纷加大在智能体领域的投入，推出各具特色的产品和技术，形成了激烈的市场竞争格局。本报告聚焦于2024年6月至2025年6月期间，Google、OpenAI、Grok、Apple、字节跳动、...