理论

Gemini新版蝉联竞技场榜一，但刚发布就被越狱了

没等来o3 Pro和GPT-5，隔壁谷歌的Gemini先更新了。深夜，谷歌通过等多个账号同时官宣，Gemini 2.5 Pro再次推出新版本（0605）。新版本在代码、推理等任务上的表现更上一层楼，在超难数据集“人类最后的考试”中以21.6%的成绩超过了o3。

6/6/2025 2:23:48 PM

Figure机器人分拣快递新视频曝光，网友：太像人类

与OpenAI分道扬镳后，Figure 02开启日夜进厂打工模式。这不，创始人刚刚放出最新监工视频。它干快递分拣员的活儿，愈发得心应手了。

6/6/2025 2:21:45 PM

阿里智能体多轮推理超越GPT-4o，开源模型也能做Deep Research

能够完成多步信息检索任务，涵盖多轮推理与连续动作执行的智能体来了。通义实验室推出WebWalker（ACL2025）续作自主信息检索智能体WebDancer。 WebDancer 通过系统化的训练范式——涵盖从数据构建到算法设计的全流程——为构建具备长期信息检索能力的智能体提供了明确路径。

6/6/2025 2:17:11 PM

清华给电子显微镜加上Agent，DeepSeek V3全程调度，数天流程缩短至几分钟

AI Agent又解锁了一个领域！清华大学牵头，与西北工业大学以及上海AI lab等机构推出了电镜领域的AI agent——AutoMat。它相当于一位精准的“地图翻译官”，把原子级 STEM 图像自动转成标准 CIF 结构，并一步到位给出形成能等关键物性。

6/6/2025 2:14:09 PM

苹果拆解AI大脑，推理模型全是「装」的？Bengio兄弟合著

AI「思考」只是假象？刚刚，一项来自苹果的重磅研究揭示了「大推理模型（LRM）」背后的惊人真相——这些看似聪明的模型，在面对稍复杂点的题目时，准确率居然会全面崩溃！随着问题变难，推理模型初始会延长思考，但随后思考深度反而下降，尽管仍有充足token预算——它们恰在最需要深入思考时选择了放弃！

6/6/2025 2:13:46 PM

前言Dify是一款开源的大语言模型应用开发平台，旨在降低AI应用的开发门槛，帮助开发者和企业快速构建、部署及管理生成式AI应用。 Dify自1.0.0引入全新插件化架构，模型（Models）与工具（Tools）迁移为插件（Plugins），引入 Agent 策略（Agent Strategies）、扩展（Extensions）类型插件和插件集（Bundles）。通过全新的插件机制，能够增强 AI 应用的感知和执行能力，拓宽AI在软件操作领域的应用能力。

6/6/2025 10:01:25 AM

AI大模型应用开发

AI Agent 产品交互设计：设计模式与案例分析

作者 | 贾思玉、亢江妹或许你还记得 ChatGPT 问世时的轰动，第一次使用 DeepSeek R1 的兴奋和激动也历历在目。 AI Agent 发展一日千里，今年以来，几乎每个月都有新的 AI Agent 产品发布，现有产品也不断更新换代，让人目不暇接。本文将从体验设计视角，来看看当下热门的 AI Agent 产品，如 Manus、Flowith、Gemini Deep Research、Cursor、Devin 等，分析 Agent 产品面临的设计挑战，探讨有效的交互设计模式，以及如何打造高效、易用、友好的 Agent 交互体验。

6/6/2025 9:46:57 AM

Thoughtworks洞见

0day 漏洞量产？AI Agent “生产线”曝光

作者 | 悟空团队 — 新一代 AI 代码安全捉“妖”行者（原腾讯AI安全-啄木鸟团队)随着AI技术的迅猛发展，AI智能体在0day漏洞挖掘领域展现出前所未有的潜力。本文将深入探讨AI Agent如何通过创新的多智能体协作系统，打造出高效的0day漏洞“生产线”，实现自动化的漏洞检测。通过基准测试和实战验证，Agent在复杂代码和大型项目中的表现超越传统工具，极大提升了漏洞识别效率与准确性。

6/6/2025 9:29:16 AM

腾讯程序员

用Cursor / Trae AI 开发Go项目时，记得先做这些

这几天“字节内部禁止使用Cursor 等AI 编程工具” 的新闻挂上了热搜，字节自己的AI 编程工具 Trae 也趁机开始了收费模式，这两个新闻同时出现，字节还是挺会炒作的。随着Trae 的收费，我对Trae 长达半年的白嫖也算是到头了，不过好在公司每月给报销Cursor的费用，不然现在没有AI让我手敲代码我还真有点不习惯。现在我几乎所有代码都让AI先写一遍自己再微调，甚至连一条SQL都懒得敲。

6/6/2025 9:18:17 AM

网管叨bi叨

危险？OpenAI 模型行为负责人：人类很快会进入「AI意识」，当前最重要是控制人机关系的影响

AI是否真的有意识？ ChatGPT最近越来越懂你了？ OpenAI模型行为与政策负责人Joanne Jang刚刚写了一篇长文，她并未纠缠于“AI是否真的有意识”这个哲学难题，而是提出了一个更具现实意义和紧迫性的视角：与其争论AI的“本体”，不如关注它对人类“情感福祉”的实际影响。

6/6/2025 9:15:52 AM

精准调控大模型生成与推理！浙大&腾讯新方法尝试为其注入“行为定向剂”

如果你面前有两个AI助手：一个能力超强却总爱“离经叛道”，另一个规规矩矩却经常“答非所问”，你会怎么选？这正是当前大模型控制面临的两难困境：要么模型聪明却难以约束，要么守规矩却缺乏实用性。但我们真正追求的，并不是在“聪明但难控”与“听话但愚钝”之间二选一，而是打造既强又好的AI助手——既具备强大的智能能力，又能始终按照人类意图行事。

6/6/2025 9:15:00 AM

Qwen&清华团队颠覆常识：大模型强化学习仅用20%关键token，比用全部token训练还好

近期arxiv最热门论文，Qwen&清华LeapLab团队最新成果：在强化学习训练大模型推理能力时，仅仅20%的高熵token就能撑起整个训练效果，甚至比用全部token训练还要好。团队用这个发现在Qwen3-32B上创造了新的SOTA记录：AIME’24上达到63.5分，AIME’25上达到56.7分，这是600B参数以下直接从base模型训练的最高分。最大响应长度从20k延长到29k，AIME’24的分数更是飙升到了68.1分。

6/6/2025 9:13:00 AM

性能大涨！阿里开源新版Qwen3模型，霸榜文本表征

今天凌晨，阿里巴巴开源了两款Qwen3系列新模型，Qwen3-Embedding和Qwen3-Reranker。这两个模型是专为文本表征、检索与排序任务设计，基于 Qwen3基础模型训练，充分继承了Qwen 3在多语言文本理解方面的优势，支持119种语言。根据测试数据显示，在多语言文本表征基准测试中，Qwen3 Embedding的性能非常出色。

6/6/2025 9:12:53 AM

让GPU不再摸鱼！清华蚂蚁联合开源首个全异步RL，一夜击穿14B SOTA

还记得今年初DeepSeek‑R1系列把纯强化学习（RL）训练开源，点燃社区对于RL的热情吗？不久后，来自清华蚂蚁联合开源项目AReaL（v0.1）也通过在DeepSeek-R1-Distill-Qwen-1.5B上进行RL训练，观察到模型性能的持续提升。 AReaL（v0.1）在40小时内，使用RL训练的一个1.5B参数模型，在数学推理方面就超越了o1-Preview版本。

6/6/2025 9:10:00 AM

真实联网搜索Agent，7B媲美满血R1，华为盘古DeepDiver给出开域信息获取新解法

大型语言模型 (LLM) 的发展日新月异，但实时「内化」与时俱进的知识仍然是一项挑战。如何让模型在面对复杂的知识密集型问题时，能够自主决策获取外部知识的策略？华为诺亚方舟实验室研究团队提出了 Pangu DeepDiver 模型，通过 Search Intensity Scaling 实现了 LLM 搜索引擎自主交互的全新范式，使得 Pangu 7B 模型在开域信息获取能力上可以接近百倍参数的 DeepSeek-R1，并优于 DeepResearcher、R1-Searcher 等业界同期工作！

6/6/2025 9:07:00 AM

推理时间减少70%！前馈3DGS「压缩神器」来了，浙大Monash联合出品

在增强现实（AR）和虚拟现实（VR）等前沿应用领域，新视角合成（Novel View Synthesis，NVS）正扮演着越来越关键的角色。 3D高斯泼溅（3D Gaussian Splatting，3DGS）凭借其革命性的实时渲染能力和卓越的视觉质量，迅速成为NVS领域备受关注的技术方案。现有的前馈3D高斯泼溅（Feed-Forward 3D Gaussian Splatting，3DGS）模型，虽然在实时渲染和高效生成3D场景方面取得了显著进展，但仍存在一些关键缺陷。

6/6/2025 9:07:00 AM