搜索
刚刚，Anthropic 发布论文《Natural Language Autoencoders Produce Unsupervised Explanations of LLM Activations》，试图用一套 自然语言自动编码器（Natural Language Autoencoders，下文简称 NLA）， 撬开这个黑箱。
智能体时代的核心是算力。
随着代码智能从 code foundation models 走向 autonomous coding agents，CLI/terminal 正在成为智能体进入真实软件工程工作流的重要入口。
过去一两年，AI做PPT这事儿一直处在一个比较尴尬的位置。
把强大模型的能力“蒸馏”给小模型，听起来很美—— 但放到多轮对话Agent场景里，效果往往一塌糊涂。
Agent Skills不应该只以SKILL.md、README或自然语言说明文档的形式存在，而应该被转成一种机器可检索、可检查、可治理的结构化表示。这是《From Skill Text to Skill Structure: The Scheduling-Structural-Logical Representation for Agent Skills》这篇论文的核心主张。
Salesforce CEO Marc Benioff近日甩出一份招聘计划：要一口气招进1000名应届生或实习生，与他们一起搭乘AI快车。IBM更猛，北美入门级岗位直接扩招3倍，麦肯锡、Cognizant紧跟其后。智能体时代，一批10年前根本不存在的「金饭碗」正在批量诞生，应届生这个词，也将被重写。
谷歌刚刚给Gemma 4家族更新了一项关键能力：Multi-Token Prediction（MTP）推测解码架构，推理速度最高提升3倍，输出质量不变。
4 月 9 日，Anthropic 在 X 上宣布 Claude Managed Agents 上线。同一天，一位 ID 叫 @jiayuan_jy 的中国创业者也发了一条推，“We created the open source version of Claude Managed Agents. Introducing Multica.”
在具身智能研究中，如何让智能体精准理解周围环境的精细几何结构与开放语义信息，始终是具身感知的核心难题。近年来，语义占据预测（Semantic Occupancy Prediction） 将稠密几何与语义信息统一到三维体素网格中，用于构建 3D 语义占据地图，为机器人的空间推理、导航与交互操作提供了场景表达基础。