Salesforce最近在推的Einstein Agent，定位已经从Copilot（副驾驶）转向了真正的Agent（代理）。他们的客户服务Agent可以独立处理客户请求，销售Agent可以自主跟进线索。Google也在Workspace中推出了类似能力，Agent能够独立完成邮件处理、日程安排等任务。这不是个例，而是整个行业都在经历的范式转变。
国家超算互联网宣布启动新一轮词元赠送活动。该活动面向平台全体用户，限时免费发放单人最高3000万词元额度，以降低科研专属“龙虾”SClaw等智能体体验门槛。此外， 超算互联网用户享0.1元/百万Tokens的特惠续用价，将延至4月6日。
Token正在重塑AI时代的价值坐标，它是效率革命的引擎，还是成本失控的暗礁？本期将从Token降本的视角，透视AI时代"新石油"的经济逻辑。
ICLR'26新研究CPiRi打破时序预测僵局：用冻结底座提取时序特征，轻量模块专注学习通道间真实关系，不靠位置编码「背答案」。测试中通道乱序性能零波动，仅用25%数据即可泛化至全网络，真正实现鲁棒与精准双赢。
你以为AI答错就一定是幻觉？不，它也可能是在故意骗你。
亚马逊云科技正在开发人工智能技术，以自动化其销售、业务拓展及其他部门的职能。这些部门近期已裁减了数百名甚至更多员工。
AI视频生成已能「画得像」，但不会「想得对」。VBVR推出百万级视频推理数据集，首次系统评测模型对空间、物理、逻辑和抽象的推理能力，发现顶尖模型通过率仅68%，暴露其缺乏真实认知，推动视频AI从「视觉模仿」迈向「智能推理」。
实现具备人类水平的灵巧操作能力，是机器人学领域长期以来的核心挑战之一。尽管多指灵巧手在硬件上具备了类似人类的潜力，但由于接触丰富的物理特性和非理想的驱动机制，训练能够直接部署在真实硬件上的控制策略仍然非常困难。
“把水果放进盘子里”——机器人看懂了指令，开始执行，却在最后关头抓偏了。
在大模型后训练阶段，监督微调（SFT）和强化学习（RL）是两根不可或缺的支柱。SFT 利用高质量的离线（Off-policy）数据快速注入知识，但受限于静态数据分布，泛化能力往往容易触及天花板并带来灾难性遗忘；RL 则允许模型在探索中不断自我迭代，产生与当前策略同分布（On-policy）的数据，上限极高，但往往伴随着训练极度不稳定、计算资源消耗巨大的痛点。
