AI.x社区

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、...

一、为什么你的智能音箱总像个"失忆症患者"？"嘿，Siri，推荐一部类似《星际穿越》的电影。""为你推荐《变形金刚》系列，科幻动作大片哦～"如果这样的对话让你血压飙升，别急，这不是你的错觉。现在的AI助手就像刚认识三天的室友：表面客气，实则对你的喜好只有模糊的"大众印象"。它们要么用一套模板应付所有人（比如永远推荐热门电影），要么像金鱼一样只有七秒记忆——上次你明明说过讨厌机器人题材，这次依然给你推《变形金...

一、你的智能助手为啥总说胡话？LLM的三大"阿喀琉斯之踵"上周我让家里的智能音箱查"2025年NBA总冠军预测"，它一本正经地说："根据数据分析，纽约尼克斯队概率最高"——但凡关注篮球的都知道，尼克斯这赛季连季后赛门槛都没摸到。这不是个例，我的研究员朋友曾收到AI生成的论文综述，里面引用了2028年才发表的文献——这就是当前大语言模型（LLMs）的尴尬现状：能说会道却常犯迷糊，像个"笨蛋天才"。独立LLMs的三大硬伤正在暴露...

2025年春天，戛纳电影节公布史上首个AI驱动电影长片单元——五部由生成式AI完成核心剧情框架的作品引发行业震动。这些电影采用“人类创意+生成式AI”混合模型（HyGenAI），号称节省75%成本与时间。中国导演齐磊的AI科幻电影《星际郎中》正是典型代表：其利用贵州算力集群，将3个月影视后期压缩至3小时，超算中心取代横店实景搭建，小团队操作算法即可替代百人剧组。这不是科幻小说。2025年的AI视频生成工具正以“月抛式”速度进...

作者介绍：本文作者来自通义实验室RAG团队，致力于面向下一代RAG技术进行基础研究。该团队的WebWalker工作也被ACL2025mainconference录用。在当今信息爆炸的时代，如何高效地从海量的网络数据中获取有价值的信息，成为了人们面临的一大挑战。传统的搜索引擎虽然能够提供大量的信息，但在处理复杂的多步推理任务时往往显得力不从心。来自阿里巴巴通义实验室的研究员提供了WebDancer，一个原生的信息检索的AgenticModel，使之能够...

当AI能自己“想”出国际奥数题解法，当智能体不再需要人类“喂饭”就能自主学习，一场颠覆认知的AI革命已悄然拉开帷幕。告别“抄作业”的时代，人工智能正在学会“自己动手”——但这究竟是开启了新文明的钥匙，还是打开了潘多拉魔盒？今天我们将深入探讨这场改变AI本质的“体验革命”。一、从“人类数据依赖症”到“自我成长觉醒”：AI发展的十字路口在人工智能的世界里，曾经有一个“抄作业”的时代。就像学生抱着教辅书刷题...

当AI不仅能生成逼真视频，还能“理解”物理规则、“预测”社会互动时，世界模型正在重塑人工智能的边界。从自动驾驶中实时路况模拟，到机器人通过“认知地图”规划路径，再到虚拟社会中智能体的策略博弈——这项技术如何让机器像人类一样“思考世界”？本文将揭开世界模型的核心原理与未来图景，带你看看AI如何从“数据驱动”走向“世界理解”。随着GPT4、Sora等多模态模型的兴起，人工智能正从单一任务向“理解和模拟真实世界...