搜索
近日，清华大学等机构的研究团队提出了 MARSHAL 框架。该框架利用强化学习，让大模型在策略游戏中进行自博弈（Self-Play）。实验表明，这种多轮、多智能体训练不仅提升了模型在游戏中的博弈决策水
在传统企业中，市场调研往往是决策最慢的一环，从问卷设计到洞察输出要花上数周。Dialogue AI试图用AI自动化整个研究流程，让洞察生成的速度与产品迭代保持同步。它的出现不仅是效率的革新，更是企业理解用户方式的范式转变——让研究从被动响应变为实时驱动。
联想给出的公式是，混合AI=个人智能+企业智能+公共智能。这种模式下，AI智能体应用不再依赖于单一的云端模型，而是云端大模型与本地定制化小模型的深度融合。
百炼升级了其提出的「1+2+N」的蓝图：其中最底层的 1 是模型与云服务，中间层的 2 是高代码、低代码的开发范式，在最上层的 N 则是面向不同任务的开发组件。这套能力覆盖了生产级智能体构建的全生命周期。
CaveAgent的核心思想很简单：与其让LLM费力地去“读”数据的文本快照，不如给它一个如果不手动重启、变量就永远“活着”的 Jupyter Kernel。这项由香港科技大学（HKUST）领衔的研究，为我们展示了一种“Code as Action, State as Memory”的全新可能性。它解决了所有开发过复杂Agent的工程师最头疼的多轮对话中的“失忆”与“漂移”问题。
出走5年，估值翻倍！曾被嘲笑「太保守」的Anthropic，正凭3500亿美元身价硬刚OpenAI。看理想主义者如何靠极致安全与Coding神技，在ARR激增的复仇路上，终结Sam Altman的霸权！
在 2026 年的 CES 全球消费电子展上，AI 硬件无疑是不可忽视的一支—— 小至能根据指令作画的 AI 画框，大到能叠衣服的家务机器人......AI 已经无处不在。
2026 年，基模会不会吃掉所有应用场景？
最近一年，互联网上各种为RAG赛博哭坟的帖子不胜枚举。
提起“AI战胜人类”，很多人第一反应是1997年IBM的“深蓝”击败国际象棋世界冠军卡斯帕罗夫。那场人机大战轰动全球，被视为人工智能的里程碑。