电竞比分网-中国电竞赛事及体育赛事平台

關(guān)于ZAKER Skills GEO服務(wù) 合作
下一頁

微軟提出Agensh:去掉中心調(diào)度器,讓1024個(gè)Agent自組織協(xié)作

相比于單Agent的序列執(zhí)行,多Agent系統(tǒng)可以通過并發(fā)執(zhí)行降低整體任務(wù)延遲,進(jìn)而提升復(fù)雜真實(shí)任務(wù)

谷歌「遞歸自我改進(jìn)」新研究:讓Agent在“夢(mèng)”中迭代探索策略

Agent必須通過“做夢(mèng)”來實(shí)現(xiàn)遞歸自我改進(jìn),而歷史,就是它夢(mèng)境的世界。遞歸自我改進(jìn)(Recursi

上海AI Lab提出Harness-of-Harness:邁向持續(xù)改進(jìn)的多日自主軟件開發(fā)

基于大語言模型(LLM)的codingAgent,已經(jīng)能夠完成代碼生成、倉庫級(jí)問題修復(fù)等任務(wù)。然而,

微軟新研究:無需后訓(xùn)練,只加4個(gè)Token,滑動(dòng)窗口注意力反超線性注意力

隨著大語言模型(LLM)上下文長度不斷增加,推理階段的內(nèi)存占用和能源消耗正逐漸成為實(shí)際部署中的關(guān)鍵瓶

顏水成團(tuán)隊(duì)新作:Scaling Harness Intelligence

智能體(Agent)的能力并不完全由底層模型決定,負(fù)責(zé)管理記憶、制定規(guī)劃、編排工具調(diào)用并在失敗時(shí)觸發(fā)

西湖大學(xué)團(tuán)隊(duì)提出Code World Model:讓Coding Agent成為世界模型的大腦

世界模型要做到真正支持開放世界交互,難點(diǎn)并不只是生成一段看起來連貫的視頻。在復(fù)雜環(huán)境中,實(shí)體、關(guān)系、

Science Robotics:機(jī)器人會(huì)空翻并不稀奇,伯克利、斯坦福團(tuán)隊(duì)搞定了“什么時(shí)候該空翻”

人形機(jī)器人要真正進(jìn)入為人類設(shè)計(jì)的環(huán)境,行走只是起點(diǎn)。它們還需要完成奔跑、跳躍、翻滾、轉(zhuǎn)身、躲避障礙等

AI Agent的下一站:Graph Engineering

當(dāng)前,圍繞自主LLMAgent的工程實(shí)踐,已經(jīng)逐漸形成了一套較為清晰的技術(shù)體系:PromptEngi

谷歌提出EnvHarness:讓靜態(tài)環(huán)境隨Agent一起進(jìn)化

大語言模型(LLM)正在從文本生成器轉(zhuǎn)向能夠?yàn)g覽網(wǎng)頁、修改代碼和操作辦公軟件的智能體(Agent)。

陶哲軒最新發(fā)文:人工智能時(shí)代的數(shù)學(xué)

人工智能(AI)正在進(jìn)入數(shù)學(xué)研究的核心環(huán)節(jié):提出思路、生成證明、形式化驗(yàn)證,甚至嘗試解決此前從未公開

清華聯(lián)合NUS發(fā)布大語言模型記憶機(jī)制綜述:從計(jì)算副產(chǎn)物到核心架構(gòu)維度

在過去數(shù)年里,大語言模型(LLM)能力的躍升在很大程度上被歸因于規(guī)模法則(ScalingLaws)—

剛剛,Google DeepMind團(tuán)隊(duì)Nature發(fā)文:重新定義AI Agent治理

AIAgent的有效治理,正面臨一個(gè)根本性困境:因難以刻畫不同AIAgent特有的屬性差異及其各自部

Science重磅:AI首次生成完整噬菌體基因組,可存活、能抑菌

歡迎進(jìn)入生成式基因組設(shè)計(jì)時(shí)代!今天,斯坦福大學(xué)帶著首個(gè)由人工智能(AI)實(shí)現(xiàn)的完整噬菌體的基因組設(shè)計(jì)

代碼榜逐漸飽和,下一個(gè)前沿是AI科研,但大模型卡在了最關(guān)鍵一步

過去一年,Auto-Research、自進(jìn)化AI和遞歸自我改進(jìn)成為AI領(lǐng)域最受關(guān)注的方向之一。模型已

世界模型的下一步?牛津、NUS團(tuán)隊(duì)提出「心智世界建?!筂WM:遠(yuǎn)不止物理世界

當(dāng)前的世界模型(WorldModel)能夠預(yù)測(cè)門會(huì)怎么開,卻無法正確回答“一個(gè)人為什么會(huì)拒絕開門”。

prompt工程已死?Google DeepMind提出「視覺提示工程」新范式:比文本指令更有效

提示工程(promptengineering)已成為提升語言模型性能的關(guān)鍵手段。當(dāng)前的一個(gè)共識(shí)是:只

研究實(shí)錘:世界模型根本不懂物理定律,屬于它的“ChatGPT時(shí)刻”還很遠(yuǎn)

近年來,基于視頻生成模型的世界模型(WorldModels)已成為人工智能領(lǐng)域備受關(guān)注的方向之一。S

Harness原生Agent新突破!微軟發(fā)布OpenForge RL:在任意環(huán)境中端到端訓(xùn)練

在任意Harness中訓(xùn)練Agent,為什么難以實(shí)現(xiàn)?目前的難點(diǎn)在于,harness推理通常是有狀態(tài)

Jim Fan、李飛飛團(tuán)隊(duì)新作:機(jī)器人也能「上下文scaling」

過去,受限于極短的上下文窗口,機(jī)器人很快就會(huì)遺忘剛剛發(fā)生的一切。那么,機(jī)器人能不能像當(dāng)前的大語言模型

剛剛,華裔科學(xué)家劉如謙團(tuán)隊(duì)再發(fā)Nature:邁向AI蛋白質(zhì)工程通用范式

剛剛,華裔科學(xué)家、哈佛大學(xué)教授劉如謙(DavidR.Liu)團(tuán)隊(duì),再發(fā)Nature。他們證明,人工智

沒有更多數(shù)據(jù)了

企業(yè)資訊

查看更多內(nèi)容