我最近一直在思考一個問題：我們現在看到的那些“智能”AI，比如能寫詩、能畫畫的大語言模型，它們真的很“智能”嗎？它們能不能像我們人類一樣，真正地在未知世界中“學習”和“成長”，而不是僅僅“記住”和“模仿”？這個問題觸及到了人工智能領域的“圣杯”——實現真正的強人工智能。我們渴望的，不是一個知道一切的百科全書，而是一個能自主探索、自主學習、自我提升的“心智”。最近，當我深入研讀強化學習之父RichSutto...

最近我在整理大模型數學推理的實驗數據時，發現一個特別“離譜”的現象：為了讓AI解對一道AIME（美國數學邀請賽，難度接近奧數）題目，我們得讓它生成512條完整的解題思路，最后再用“少數服從多數”的方式投票選答案。這就像請512個學生做同一道題，不管有人寫得顛三倒四、有人明顯算錯，你都得把所有答卷看完——既浪費時間，又耗“筆墨”（對應AI的token生成量），最后正確率還卡在97%上不去。直到讀到MetaAI和UCSD團隊剛發...

當671B參數的DeepSeekR1仍被視為數學推理領域的“重量級選手”時，一款僅14B參數的模型卻以更短的推理路徑實現了性能超越——微軟研究院推出的rStar2智能體（rStar2Agent），通過智能體強化學習（AgenticReinforcementLearning）技術，讓小模型擺脫了“靠長度堆性能”的傳統路徑，具備了“更聰明思考”的能力。這款模型僅用64張MI300XGPU、510步強化學習訓練，便在AIME24數學競賽中取得80.6%的pass1準確率，超越OpenAIo3mini、C...

你有沒有過這種體驗？第一次學做番茄炒蛋，媽媽沒說“油熱到冒煙再下蛋”，只在你炒糊時皺眉，炒嫩時點頭；第一次學騎車，沒人給你列“平衡公式”，摔了幾次后，身體自己就記住了怎么調整車把。我最近在讀強化學習奠基人Barto和Sutton的訪談，突然意識到：原來我們每天都在經歷的“試錯學習”，正是AlphaGo能打敗世界冠軍、AI能自己摸索出最優策略的核心密碼。這篇文章就帶你拆透這個讓機器學會“從經驗中成長”的神奇邏輯——...

當機器人能像人類一樣在復雜家居環境中自主整理雜物，當智能體可在未知場景中快速學習新技能——這些曾經的科幻場景，正因大模型與具身智能的結合逐漸逼近現實。然而，大模型究竟如何賦予具身智能“思考”與“學習”的能力？當前研究又面臨哪些阻礙通用智能實現的瓶頸？這篇綜述將為你揭開謎底。我們解讀最新技術，文末有相關信息。摘要&解讀具身智能旨在開發具有物理形態的智能系統，能夠在真實世界環境中進行感知、決策、行動...

當你用手機問AI"今天天氣如何"，或是讓它寫一段工作總結時，有沒有想過背后發生了什么？這些看似簡單的交互，其實是千億級參數的大模型在高速運轉——它們就像一個個"超級大腦"，但"大腦"越大，消耗的計算資源就越多。一、你手機里的AI，可能正在"負重前行"你可能遇到過這樣的情況：AI回答突然變慢，手機開始發燙，甚至有時候還會出現"內存不足"的提示。這不是AI"偷懶"，而是它的"思考過程"太耗費資源了。就像一輛滿載貨物的卡...

當AI被要求寫一份關于“2025年生物醫學突破”的深度報告時，它為何總是東拼西湊、漏洞百出？谷歌團隊發現，問題出在AI不會像人類一樣“反復打磨”——而他們新提出的TTDDR框架，竟讓AI學會了“先寫初稿、再查資料、逐句修改”的研究員式工作法，性能直接碾壓現有系統。這個框架究竟是如何運作的？摘要&解讀在大型語言模型（LLMs）的驅動下，深度研究智能體正在迅速發展；然而，當使用通用的測試時縮放算法生成復雜、長篇的研究...

你有沒有試過這樣的經歷：網購遇到問題想找客服，排隊等了半小時，好不容易接通，對方卻告訴你“這個問題需要轉接到專門的同事”；去超市買東西，貨架上常缺你想要的品牌，店員說“庫存沒及時跟上”；甚至擔心手機里的健康數據，會不會一不小心就跑到了國外的服務器上？如果我告訴你，未來兩年，這些麻煩可能都會被AI解決，你信嗎？最近，德勤發布了一份關于AI趨勢的報告，提到了三個聽起來有點“高冷”的詞：智能體AI、物理AI...

當AI不僅能幫你寫代碼、答問題，還能悄悄“升級”自己——昨天解決不了的難題，今天突然找到新方法，甚至自己發明工具來突破局限時，它是否已經悄悄踏上了超越人類智能的道路？這篇綜述撕開了“自進化智能體”的神秘面紗，從三個核心密碼揭秘AI如何自主進化，或許藏著人工超級智能的終極答案。我們常用的大語言模型（比如ChatGPT、GPT4）雖然很能干，但就像“出廠設置”固定的機器——學會的東西不會自己更新，遇到新問題也不會...

你有沒有過這種經歷？讓AI畫一只"戴紅圍巾的黑貓"，出來的卻是只"穿紅衣服的黑貓"。明明AI已經能寫論文、編代碼，怎么看個圖、畫個畫還這么不靠譜？最近突然想通了這個問題，未來23年，多模態領域會迎來兩個堪比GPT4的"大爆發"時刻——這可能意味著，過不了多久，AI不僅能看懂你的圖、聽懂你的話，甚至能像人一樣"邊想邊畫"、"自主學習"。為什么多模態理解生成難突破？先從一個奇怪的現象說起：現在的AI，語言能力和視覺能力像...

你有沒有發現，當你給AI輸入很長的內容時，它常常會“忘記”中間的關鍵信息？或者明明給了正確資料，它卻還是編出錯誤答案？其實，這些問題的根源，不在于模型不夠強，而在于我們給模型的“上下文”沒管好。現在，一門叫“上下文工程”的新學科正在崛起，它不僅能讓AI記住百萬字的內容，還能讓多個AI協作解決復雜任務。但這門技術背后，還隱藏著一個讓研究者頭疼的“能力不對稱”難題——AI能看懂復雜信息，卻寫不出同等復雜的...

昨天給孩子講數學題，發現一個有趣的現象：我自己算的時候，腦子里飛快過了好幾個思路，最后才得出答案；但給孩子講時，必須把"先算括號里的""再乘除后加減"這些步驟一個個說出來。這讓我想起最近讀到的一篇論文，突然意識到：AI的"思考"方式，居然也在經歷類似的轉變——從必須"大聲說出"每一步，到學會在心里"默默盤算"。你可能用過ChatGPT解復雜問題，它會一條條列步驟，比如"第一步算總量，第二步求比例"，這種"說出來"的思...

在信息爆炸的時代，我們早已習慣了遇到問題就打開搜索引擎：想知道月球車項目何時取消，搜索；辨認傳統戲曲種類，搜索；甚至連歷史戰役的細節，也能通過搜索找到答案。但你是否想過，我們寄予厚望的AI大模型，在面對這些問題時可能會「瞎編」答案？最近，字節跳動與新加坡南洋理工大學的研究員們帶來了一項突破性技術——MMSearchR1，它讓大型多模態模型（LMMs）學會了像人類一樣「按需搜索」，徹底改變了AI處理未知信息的方式...

一、市場概況與研究背景AI智能體(Agent)作為當前人工智能領域的前沿方向，正在從實驗室概念迅速崛起為科技巨頭的戰略核心。2025年被業內普遍視為"AI智能體元年"，標志著這一技術從基礎研究邁向大規模商業化應用的關鍵轉折點(16)。在這一背景下，全球科技巨頭紛紛加大在智能體領域的投入，推出各具特色的產品和技術，形成了激烈的市場競爭格局。本報告聚焦于2024年6月至2025年6月期間，Google、OpenAI、Grok、Apple、字節跳動、...

一、為什么你的智能音箱總像個"失憶癥患者"？"嘿，Siri，推薦一部類似《星際穿越》的電影。""為你推薦《變形金剛》系列，科幻動作大片哦～"如果這樣的對話讓你血壓飆升，別急，這不是你的錯覺。現在的AI助手就像剛認識三天的室友：表面客氣，實則對你的喜好只有模糊的"大眾印象"。它們要么用一套模板應付所有人（比如永遠推薦熱門電影），要么像金魚一樣只有七秒記憶——上次你明明說過討厭機器人題材，這次依然給你推《變形金...

一、你的智能助手為啥總說胡話？LLM的三大"阿喀琉斯之踵"上周我讓家里的智能音箱查"2025年NBA總冠軍預測"，它一本正經地說："根據數據分析，紐約尼克斯隊概率最高"——但凡關注籃球的都知道，尼克斯這賽季連季后賽門檻都沒摸到。這不是個例，我的研究員朋友曾收到AI生成的論文綜述，里面引用了2028年才發表的文獻——這就是當前大語言模型（LLMs）的尷尬現狀：能說會道卻常犯迷糊，像個"笨蛋天才"。獨立LLMs的三大硬傷正在暴露...

2025年春天，戛納電影節公布史上首個AI驅動電影長片單元——五部由生成式AI完成核心劇情框架的作品引發行業震動。這些電影采用“人類創意+生成式AI”混合模型（HyGenAI），號稱節省75%成本與時間。中國導演齊磊的AI科幻電影《星際郎中》正是典型代表：其利用貴州算力集群，將3個月影視后期壓縮至3小時，超算中心取代橫店實景搭建，小團隊操作算法即可替代百人劇組。這不是科幻小說。2025年的AI視頻生成工具正以“月拋式”速度進...

作者介紹：本文作者來自通義實驗室RAG團隊，致力于面向下一代RAG技術進行基礎研究。該團隊的WebWalker工作也被ACL2025mainconference錄用。在當今信息爆炸的時代，如何高效地從海量的網絡數據中獲取有價值的信息，成為了人們面臨的一大挑戰。傳統的搜索引擎雖然能夠提供大量的信息，但在處理復雜的多步推理任務時往往顯得力不從心。來自阿里巴巴通義實驗室的研究員提供了WebDancer，一個原生的信息檢索的AgenticModel，使之能夠...

當AI能自己“想”出國際奧數題解法，當智能體不再需要人類“喂飯”就能自主學習，一場顛覆認知的AI革命已悄然拉開帷幕。告別“抄作業”的時代，人工智能正在學會“自己動手”——但這究竟是開啟了新文明的鑰匙，還是打開了潘多拉魔盒？今天我們將深入探討這場改變AI本質的“體驗革命”。一、從“人類數據依賴癥”到“自我成長覺醒”：AI發展的十字路口在人工智能的世界里，曾經有一個“抄作業”的時代。就像學生抱著教輔書刷題...

當AI不僅能生成逼真視頻，還能“理解”物理規則、“預測”社會互動時，世界模型正在重塑人工智能的邊界。從自動駕駛中實時路況模擬，到機器人通過“認知地圖”規劃路徑，再到虛擬社會中智能體的策略博弈——這項技術如何讓機器像人類一樣“思考世界”？本文將揭開世界模型的核心原理與未來圖景，帶你看看AI如何從“數據驅動”走向“世界理解”。隨著GPT4、Sora等多模態模型的興起，人工智能正從單一任務向“理解和模擬真實世界...