理论

264页智能体综述来了！MetaGPT等20家顶尖机构、47位学者参与

近期，大模型智能体（Agent）的相关话题爆火 —— 不论是 Anthropic 抢先 MCP 范式的快速普及，还是 OpenAI 推出的 Agents SDK 以及谷歌最新发布的 A2A 协议，都预示了 AI Agent 的巨大潜力。然而，目前的大部分 Agent 应用仍是 LLM 能力的简单 “封装” 或延伸，距离真正通用的智能实体尚有距离 —— 在面对复杂的真实世界时，Agent 往往会暴露出推理规划、长期记忆、世界模型、自主进化以及安全对齐等核心能力不足的问题。为了系统性地应对这些挑战，以构建真正具备通用能力的未来智能体，MetaGPT & Mila 联合全球范围内 20 个顶尖研究机构的 47 位学者，共同撰写并发布了长篇综述《Advances and Challenges in Foundation Agents: From Brain-Inspired Intelligence to Evolutionary, Collaborative, and Safe Systems》。

4/20/2025 10:33:00 AM

机器之心

推理模型其实无需「思考」？伯克利发现有时跳过思考过程会更快、更准确

当 DeepSeek-R1、OpenAI o1 这样的大型推理模型还在通过增加推理时的计算量提升性能时，加州大学伯克利分校与艾伦人工智能研究所突然扔出了一颗深水炸弹：别再卷 token 了，无需显式思维链，推理模型也能实现高效且准确的推理。这项研究认为显式思考过程会显著增加 token 使用量和延迟，导致推理效率低下。就比如在控制延迟条件时，NoThinking 的效果就显著好于 Thinking。

4/20/2025 10:24:00 AM

机器之心

Nature子刊，EPFL与上海交大用多模态Transformer精准预测全局最低吸附能，助力催化剂设计

在大规模催化剂筛选中，快速评估催化剂表面与吸附质之间的全局最低吸附能（Global Minimum Adsorption Energy, GMAE）是一项关键任务。然而，由于每种表面/吸附质组合往往对应多个吸附位点与复杂构型，传统基于密度泛函理论（DFT）的计算方法面临高昂的时间和资源成本。为应对这一挑战，来自洛桑联邦理工学院（EPFL）的 Philippe Schwaller 教授团队与上海交通大学（SJTU）贺玉莲教授团队联合提出了一种多模态 Transformer 框架 AdsMT，该研究的共同一作为陈俊武（现 EPFL 博士生）和黄旭（现 UC Berkeley 博士生）。

4/19/2025 12:43:00 PM

ScienceAI

6周搞定18个月的工作量，爱彼迎不满老工具，暴力循环大模型怒迁代码，效果出奇好，怎么回事？谷歌亚马逊也做过类似的事

编辑 | 云昭Anthropic首席执行官Dario时不时就会出来发声，声称人工智能即将取代人工编码，或者抛出一个惊人的数字，预测在短短6个月内将有90%的编码工作将被AI取代。这种措辞无疑有夸大的成分，但这里想说的是，这并非空穴来风，或许6个月内AI不会取代90%的程序员，但取代90%的编程工作不无可能！因为企业接纳和适配大模型的速度远比我们想象得要快！

4/18/2025 4:05:39 PM

云昭

谷歌的“双子星”，正在围剿一众大模型

编辑 | 云昭继昨天凌晨OpenAI推出满血o3、o4-mini之后，没想到谷歌迈着“LLM王者”的步伐给出了自家的模型SOTA研究Gemini2.5 Flash。如果说o3主打的是“干实事”，那么谷歌这次的新发布则是告诉我们：什么是“成本可控”的极致性价比。这次的发布以后立马引来一众开发者的讨论，不过这次不是负面的，而是全面的好评。

4/18/2025 3:53:03 PM

云昭

Jeff Dean演讲回顾LLM发展史，Transformer、蒸馏、MoE、思维链等技术都来自谷歌

4 月 14 日，谷歌首席科学家 Jeff Dean 在苏黎世联邦理工学院举办的信息学研讨会上发表了一场演讲，主题为「AI 的重要趋势：我们是如何走到今天的，我们现在能做什么，以及我们如何塑造 AI 的未来？」在这场演讲中，Jeff Dean 首先以谷歌多年来的重要研究成果为脉络，展现了 AI 近十五年来的发展轨迹，之后又分享了 Gemini 系列模型的发展历史，最后展望了 AI 将给我们这个世界带来的积极改变。 AI在线将在本文中对 Jeff Dean 的演讲内容进行总结性梳理，其中尤其会关注演讲的第一部分，即谷歌过去这些年对 AI 领域做出的奠基性研究贡献。

4/18/2025 1:14:00 PM

机器之心

AI应用创业公司：大模型最近的突破，全是作弊

「AI 大模型自去年 8 月以来就没有太大进步」。这是一位 AI 创业者在近期的一篇博客中发表的观点。他在创业过程中发现，自去年 8 月以来，AI 大模型（如 Claude 3.7 等）在官方发布的基准测试上声称的巨大进步与实际应用场景中的有限提升之间存在明显脱节。

4/18/2025 1:04:00 PM

机器之心

知识图谱与其它知识库的关系

知识图谱与传统知识库：解构数据连接的哲学传统企业数据库和知识库长期以来一直被当作信息的仓库，它们好比一个个分隔的抽屉，每个抽屉里都整齐地存放着特定类型的信息。企业习惯了这种存储方式，却很少思考：我们真的需要将信息放在不同的抽屉里吗？知识图谱打破了这种传统思维，它将信息视为一张巨大的网络——每条信息都是网络中的一个节点，节点之间通过各种关系连接起来。

4/18/2025 12:49:58 PM

大数据AI智能圈

MCP彻底火了！10+疯狂用例，展示AI整合未来无限可能

想象一下，把你的 AI 智能体真正连接到现实世界——就像直接给它一台手机、一款设计软件、一个浏览器，甚至是一间音乐工作室，然后对它说：“去创造吧。 ”这就是 Modular Command Protocol（模块化命令协议，简称 MCP）正在实现的事。你可以把 MCP 看作 AI 智能体世界里的“USB-C接口”：一个通用的连接标准，让各种工具、API 和应用程序能够干净、稳定地与 AI 模型沟通。

4/18/2025 12:33:53 PM

dev

SS 2025｜ConRFT：真实环境下基于强化学习的VLA模型微调方法

本文第一作者为陈宇辉，中科院自动化所直博三年级；通讯作者为李浩然，中科院自动化所副研；研究方向为强化学习、机器人学习、具身智能。视觉-语言-动作模型在真实世界的机器人操作任务中显示出巨大的潜力，但是其性能依赖于大量的高质量人类演示数据。由于人类演示十分稀缺且展现出行为的不一致性，通过监督学习的方式对 VLA 模型在下游任务上进行微调难以实现较高的性能，尤其是面向要求精细控制的任务。

4/18/2025 12:25:34 PM

机器之心

当智能体失控时，企业将遭受重创

在采访中，AutoRABIT的CTO Jason Lord探讨了将智能体集成到现实世界中的系统所带来的网络安全风险。诸如幻觉、提示注入和嵌入式偏见等问题可能会使这些系统成为易受攻击的目标。 Lord呼吁进行监督、持续监控和人为介入循环控制以应对这些威胁。

4/18/2025 11:22:57 AM

Mirko Zorz

实测o3/o4-mini：3分钟解决欧拉问题，OpenAI最强模型名副其实！

号称“OpenAI迄今为止最强模型”，o3/o4-mini真实能力究竟如何？就在发布后的几小时内，网友们的第一波实测已新鲜出炉。最强推理模型o3，即使遇上首位全职提示词工程师Riley Goodside的“刻意刁难”，也顺利过关：图片可以看到，面对藏在一堆玩具里的手绘图表，它也能通过图像识别和推理能力正确解答。

4/18/2025 11:18:51 AM

量子位

谷歌大模型“性价比之王”来了！混合推理模型，思考深度可自由控制，竞技场排名仅次于自家Pro

紧跟o4-mini，谷歌上新了Gemini 2.5 Flash preview版本。作为更注重效率的Flash，在大模型竞技场上排名并列第二，第一是自家的Gemini 2.5 Pro。这样的表现，让Gemini 2.5 Flash的性价比直接拉满。

4/18/2025 10:43:23 AM

谷歌首款混合推理Gemini 2.5登场，成本暴降600%！思考模式一开，直追o4-mini

刚刚，谷歌重磅发布首个混合推理模型——Gemini 2.5 Flash。与Claude类似，新模型的「思考预算」可以自定义，即可开启/关闭Gemini 2.5的思考模式。图片值得一提的是，关闭思考的成本直接暴降600%，而且性能还不输Gemini 2.0 Flash。

4/18/2025 10:36:42 AM

新智元

最新万字长文！强化学习之父联合谷歌RL副总裁：未来不是靠强化学习算法而是「经验流」

就像Sam Altman 之前在博客文章中写的那样：回顾人工智能的发展，深度学习确实奏效了！现在强化学习正如火如荼，OpenAI o系列，DeepSeek R0都显示出了强化学习的巨大威力，人类生成的数据推动了人工智能的惊人进步，但接下来会发生什么？谷歌强化学习副总裁 David Silver与图灵奖获得者，强化学习之父Richard Sutton最新论文《Welcome to the Era of Experience》犹如《TheBitterLesson（苦涩的教训）》的续章给我们当头一棒：人类数据正在见顶，经验是下一个超级数据源，真正能推动AI跃升的数据，必须随模型变强而自动增长。

4/18/2025 10:01:41 AM

AI寒武纪

AI 应用安全挑战与测评实践指南

作者 | 陈达在人工智能蓬勃发展的时代，AI应用广泛融入人们的生活与工作，从智能客服到智能推荐系统，从医疗影像诊断到金融风险预测，AI的身影无处不在。然而，随着AI应用的普及，其潜在风险也逐渐凸显，AI风险测评成为保障应用可信的关键环节。本文将围绕“AI风险测评助力应用可信”这一主题，深入探讨AI应用面临的风险、业界测评方法、实践思路及关键要点。

4/18/2025 9:45:47 AM

Thoughtworks洞见