搜索
7月2日，字节 Seed 发布了一个 Agent评测项目 EdgeBench。看起来又是一个 benchmark，但它问了一个其他榜单不问的问题。EdgeBench 的切口就是把盲区里的东西放进评测，解答一个问题：把Agent扔进一个陌生环境，12小时后，你能变强多少？
刚刚，翁荔（Lilian Weng）又更新博客了！距离她上一次更新《谨慎对待 Scaling Law》还不到 10 天。这一次，她书写的主题是当前大热的 Harness Engineering，聚焦的正是当下 AI 研究最前沿一个环节：当模型本身的智能已经足够强大时，真正决定它能走多远的，或许是包裹在模型外面的那层「Harness」也就是负责编排模型思考、调用工具、管理上下文、评估结果的那套系统。
OpenAI误导了整个AI圈好几年！过去五年，整个AI行业都被Scaling Law推着往前冲。现在，有人站出来说：这条曲线，一开始就错了。刚刚，他发出一篇博客，标题冷得发指——《Scaling Laws, Honestly》。
具身智能正在进入数据 scaling 时代。Vision-Language-Action（VLA）模型让机器人可以从大规模示教数据（demonstrations）中学习更通用的操作策略。但对机器人 VLA 训练来说，数据并不总是越多越好：低质量数据可能会拖累模型性能，而每一条 demonstration 都意味着昂贵的人力采集、机器人运行，以及云端存储和训练成本。
OpenAI首席研究官Mark Chen释放了一个强烈信号：OpenAI 并不认为scaling laws已经失效，恰恰相反，预训练、数据工程、推理训练和更长任务链条，仍是通向AGI的主干道路。
刚刚，翁荔（Lilian Weng）的博客 Lil'Log 终于更新了！要知道，自从她联合创立了 Thinking Machines Lab 之后，她那让许多人受益良多的博客就鲜少更新了——距离她上一次更新，已经过去了 13 个月。
Fable 5回来了？Claude安卓版的「模型选择器」中，消失一周的Fable 5意外现身。
我们相信，常驻型 (always-on) AI 助理的下一次飞跃，不在于把某一个模型单点调得更聪明，而在于扩展智能体的上下文 (Scaling Agent Context)—— 不断拓宽助理能够持续 "感知 — 推理 — 执行" 的范围，作为生活连接器连接用户的信息孤岛，直到它能接管用户的整个数字世界。
更聪明的计算远比更多的计算更有效。
具身智能现在面临的问题，和自动驾驶几年前的困境非常相似。