搜索
在多模态大模型（MLLM）快速发展的浪潮中，融合多模型 “集体智慧” 已成为提升模型性能的关键路径，并催生了多教师知识蒸馏这一主流范式。然而，不同来源的教师模型在架构与优化上的差异，其在相似推理过程中呈现出不稳定甚至偏移的认知轨迹，即 “概念漂移”（Concept Drift）。
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。
如果科研中的文献阅读、代码演进、实验验证都可以由智能体自主完成，科学发现的方式会被重新定义吗？自主科研智能体（Autonomous Research Agent）的兴起，正在把这一设想带入现实：科学家有望回归科学品味和探索源头，智能体承担科研全链路的繁琐工作，两者在人机协同的闭环中共探新的重大科研突破。
在当前的AI Research浪潮中，Autonomous Agents已经改变了我们获取信息的方式——从被动接收到主动检索。
哈工大、鹏城实验室、新加坡国立、复旦、北大联合发布了一篇重磅综述《AI Meets Brain: A Unified Survey on Memory System from Cognitive Neuroscience to Autonomous Agents》，首次打破认知神经科学与人工智能之间的学科壁垒，系统性地将人脑记忆机制与 Agents 记忆统一审视，
登上油管热榜，吸引50万网友围观，波士顿动力人形机器人又放大招了—— 无远程遥控（Fully Autonomous），Atlas可完全自主打工了。