近年来，以多智能体系统（MAS）为代表的研究取得了显著进展，在深度研究、编程辅助等复杂问题求解任务中展现出强大的能力。现有的多智能体框架通过多个角色明确、工具多样的智能体协作完成复杂任务，展现出明显的优势。
全球首款AI原生UGC游戏引擎迎来2.0版本。Mirage 2是一款可在线游玩的实时通用领域生成式世界引擎，能将任何图像（照片、绘画、涂鸦等）转化为可实时互动的3D世界。
刚刚，OpenAI 重大的权力结构调整曝光。 The Verge 报道称，OpenAI CEO Sam Altman 将把公司的大部分日常运营，交给 5 月任命的应用业务 CEO Fidji Simo。
继Kaggle Game Arena的淘汰赛后，国际象棋积分赛成果出炉！OpenAI o3以人类等效Elo 1685分傲视群雄，而Grok 4和Gemini 2.5 Pro紧随其后。DeepSeek R1和GPT-4.1、Claude Sonnet-4、Claude Opus-4并列第五。
当我看到TinyFish刚刚完成4700万美元A轮融资的消息时，我意识到这不仅是一轮融资，而是一个全新时代的开始——企业级Web Agent时代。我一直在思考AI agent的商业化应用，但TinyFish的方法让我看到了一个更加现实且具有颠覆性的方向：让AI agent不是简单地模拟人类浏览网页，而是以企业级的规模、可靠性和合规性要求来执行复杂的业务工作流程。
2025 是 Agent 元年，十位创业者有八位都在造 Agent。十字路口过去几个月做了大量相关的访谈与评测，发现决定 Agent 能力上限的，不止模型本身，也不止工程和交互的打磨，基础设施也至关重要——Agent Infra。
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。上一篇里提供了一个结构导向 (Structure-Oriented) 的视角，核心是“分类”。
AI生成的人物和场景转头就变样，缺乏一致性？ nonono，这回不一样了，康康下面的demo！ 游戏地图：《塞尔达传说》中的绿色田野
AI 同事、AI 数字员工的呼声越来越高，但至今仍没看到很好的落地。这其中的难点和瓶颈到底在哪里？ AI 数字员工，真的是一个值得追求的目标吗？
作为开放世界游戏的标杆，GTA 系列不仅在游戏圈声名赫赫。尤其是在 AI 驱动的视频生成、三维生成或是世界模型等领域里，研究者们不仅采用游戏内场景为训练数据，更将生成类 GTA 的完整世界作为长久以来的目标。
