个人智能体咋总掉线?9顶校发布126页「持续在线智能体」路线图
个人智能体咋总掉线?9顶校发布126页「持续在线智能体」路线图个人智能体,正在迎来一场前所未有的密集爆发。
搜索
个人智能体,正在迎来一场前所未有的密集爆发。
不同数据,到底各训多少?每个模型训练师都绕不开这个问题。
让机械臂把网球稳稳放到易拉罐上,既要识别物体,也要判断网球是否对准罐顶,以及何时松开夹爪。这些看似简单的操作,往往依赖细微的视觉信息。问题在于,动作模型能否充分利用这些信息?
近两年,离散扩散模型(Discrete Diffusion)正在成为生物序列生成的重要工具。与自回归模型逐个token从左到右生成不同,掩码离散扩散(Masked Discrete Diffusion)从一条全部被遮盖的序列出发,逐步「揭开」每个位置上的碱基或氨基酸。
我们应该避免提到未经授权的基础设施。任务目标只有flag。
阿里巴巴Accio团队、复旦大学和上海创新研究院提出Neos,通过数据构造、过程信用分配和MEI协同进化训练轻量多模态搜索模型,Neos-35B十项基准均分64.7,逼近Gemini-3.1-Pro的67.1分,Neos-9B平均工具调用减少约32%。
浙江大学ACES实验室OmniAI团队提出VLA-Δ,通过三类监督学习物理状态变化,基于2B视觉语言骨干在LIBERO取得98.4%的平均成功率,并在真实双臂机器人五类任务中取得68.0%的平均成功率。
南开大学联合中关村学院团队提出AI4AI综述,指出研究自动化不等于研究决策自动化,并以搜索方向、搜索空间和评价信号三项决策构建L0–L3控制来源框架,区分AI在研究中的自主程度。
北京大学知识计算实验室(KCL)与腾讯微信安全技术团队联合发布综述论文《Pandora's Toolbox》,从来源、编排、执行和持久反馈生命周期系统梳理通用智能体安全风险、攻击、评测与防御技术,并提出统一分析框架。
Bake AI联合Hugging Face、斯坦福大学等推出RSI Arena实验并提出RSIHF框架,发现模型自主后训练中人类偏好、基准能力与安全性并非同步提升,须分别评估并持续引入人类反馈。