多轮Agent蒸馏终于不翻车！港中文x通义新方法成功率暴涨18点，训练还快32%
多轮Agent蒸馏终于不翻车！港中文x通义新方法成功率暴涨18点，训练还快32%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。
来自主题: AI技术研报
8102 点击 2026-05-07 10:17
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
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。
当Agent开始真正进入生产环境，安全问题不再是「功能模块」，而是贯穿调用链、运行时与生态层的系统性风险。过去依赖提示词规则、日志审计与框架级防护的方式，正在逐步失效。来自清华大学人工智能学院、交叉信息研究院的方寸跃迁提出一套面向Agent运行全生命周期的多层安全体系。
大模型时代的「炼金术师」们，或许都曾面临一个共同的困扰：当我们试图将 DeepSeek-R1、OpenAI-o1 那种惊艳的推理能力迁移到小规模语言模型（SLMs）时，效果却总是差强人意。现有的强化学习方法如 GRPO 在 7B+ 的大模型上效果显著，但一旦应用到 1.7B 甚至更小参数的模型上，性能提升就微乎其微。
陶哲轩+AI再上大分！
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。
Anthropic宣布与SpaceX达成合作协议，将大幅提升算力储备。受此影响，Claude Code和Claude API的使用限制即日起全面上调。第一，Claude Code的5小时频率限制翻倍，适用于Pro、Max、Team以及按席位计费的Enterprise方案。
在对多位内部开发者的采访中得知，这个模型的研发已被叫停。LPM 1.0 并非仍在推进的核心项目，而是视频团队对过去一年工作成果的集中汇报——既是对外展示，也是对内总结。该视频团队由“童姥”（ 前微软亚研院首席研究员童欣） 带领， AilingZeng做Tech Lead，作者中近半数来自 Anuttacon内部，蔡浩宇本人并未直接参与模型研发。
Assort Health 是一家值得被认真拆解的初创公司。成立仅两年多，累计融资1.015亿美元，拿着300万美元的ARR（年度经常性收入），却获得了7.5亿美元的估值。Assort 最近推出主动式互动引擎 Activate，从被动接听到主动做患者唤醒和慢病管理，这已经是在为真正面向用户的智能体做铺垫了。
懂王开始做 API 中转站了，还七折的 Claude 的 API。买多了，还抽送懂王的私人晚宴名额！项目叫 WorldClaw，可以理解为 OpenRouter 的懂王版，在这里，需要用懂王的加密货币 WLFI 结算，聚合了 300 多个 AI 模型，声称比官方定价低 30%