搜索
基于视觉语言模型（VLM）的多智能体系统（MAS）正成为复杂多模态协作的核心方案，却被一个致命痛点死死卡住：多智能体视觉幻觉滚雪球——单个智能体的视觉误判通过纯文本信息流逐级放大，早期细微错误最终演变成系统性崩溃。
刚刚，DeepSeek 在 Github 上正式发布了多模态模型，公布了背后的技术报告。实打实的新鲜出炉！而且是开创性的推理范式。下面我们就基于 DeepSeek 这篇技术报告，具体看看 DeepSeek、北京大学、清华大学又创造了怎样的奇迹。
在前不久的 AI TECH DAY 上，斑马智能又新发布了“元神 AI 汽车机器人大脑”，同时推出 AutoOmni 全模态端模型产品矩阵与“龙虾上车”方案 AutoClaw，构成所谓的“一脑双引擎”升级。这不只是一轮产品迭代，更像在做一次预判：汽车正在从功能的集合机器，变成一个可以持续进化、还能主动协作的的智能体系统。
今天，智谱发布了一篇名为《Scaling Pain：超大规模Coding Agent推理实践》的技术报告，披露了GLM-5系列模型在Coding Agent场景下遇到的推理基础设施挑战与对应解法。
今天，大洋彼岸，硅谷自动驾驶领域的秘密，终于有大佬站出来分享了。如果你对自动驾驶、人形机器人中炙手可热的 VLA、世界模型还有疑惑，全球“物理 AI” 领域头部的基础设施平台 Applied Intuition 两位创始人：CEOQasar Younis、CTO Peter Ludwig的分享可真的是太对口了。
来自华为泰勒实验室、北京大学和上海财经大学的研究团队提出了 SHAPE（Stage-aware Hierarchical Advantage via Potential Estimation），给推理链装上了一套「里程碑 + 推理税」机制——不仅告诉模型每一步推得对不对，还让它为啰嗦付出代价。结果是：准确率平均提升 3%，token 消耗直降 30%。
《读佳》独家获知，百度智能云团队做了一款AI短剧创作平台Hogee AI，并会推出APP版本。据了解，Hogee为AI短剧全链路创作平台，依托百度自研的OpenClaw数字员工体系，用不同工种的AI智能体替代传统短剧团队中的部分岗位，让创作者依托大模型实现从剧本到成片的落地，有利于优质故事以低成本走向市场。
过去十年，压缩在 CV 学术圈一直是个边缘方向——做生成、做大模型才是显学。但 SparcAI 的两位95后创始人各自做了多年压缩，然后在同一间 NTU 实验室相遇，两年后发布了 Sparc3D。模型 demo 上线当日冲上 HuggingFace Trending 榜首，论文被 NeurIPS 2025 录用。如今他们创办了 SparcAI，目标是一家世界模型公司。
Doc-V* 由小米大模型 Plus 团队和华中科技大学 VLRLab 团队合作提出，一种从「静态阅读」到「主动探索」的多页文档理解新范式，通过交互式视觉推理让模型像人一样有策略地阅读长文档。
围绕 Coordination Engineering 这一下一跳工程范式，他们发布了一套完整的多智能体协同技术体系：Agent Team 实现团队自主协作，业界首发 Team Skills 沉淀协作经验，Team Skills Hub 打通共享生态，Team Skills 自演进 驱动团队持续进化。