AIAgent賽道又添一員猛將，一個叫IntelligentInternet(II)的團隊高調宣布，他們打造了IIAgent，目標是“全球最強Agent”，而且還要開源。StabilityAI的前CEO，EmadMostaque，也為這個項目站臺。消息一出，社區直接炸鍋，高呼“LETSFREAKINGGO”。II團隊的計劃簡單粗暴：打造IIAgent，可能是世界上最好的Agent。開源它。...大家一起獲利。II的使命是“提升人類的智能”。IIAgent就是他們實現這個目標的關鍵一步，直接在Agent基準...

“如果企業不再將預算分配給人力，而是投入到智能代理中，那會怎樣？”這聽起來像是科幻小說的情節，但如今，我們正邁入“代理經濟”時代，這一設想正逐步成為現實。在“代理經濟”中，自主AI代理正在接管諸如客戶支持和運營等工作任務。從傳統的呼叫中心和行政工作向智能代理的轉變，不再是一個遙遠的構想，而是正在迅速成為一種切實可行、可擴展的現實。這些能夠精準處理多種任務的智能代理，正準備顛覆各個行業，并創造出全...

論文分享，ReinforcementLearningforReasoninginLargeLanguageModelswithOneTrainingExample這個論文看起來挺有意思，比較反常識，代碼開源：https:github.comypwang61OneShotRLVR。在Math500上，讓Qwen2.5Math1.5B性能翻倍，從36%提升到73.6%。讓Qwen2.5Math7B，從51%提升到79.2%。僅需要1個樣本進行強化學習訓練即可達到。如下圖，最終收斂跟藍色線（一個1000多個樣本的數據集）訓練出來的效果差不多。那這個樣本到底是個什么...

在當今數字化浪潮中，AI代理正逐漸成為企業與個人的得力助手，從智能客服到行業專屬解決方案，它們的身影無處不在。但你知道嗎？構建一個AI代理，可不僅僅是搭建一個能用的原型那么簡單。真正的挑戰在于，如何通過精細的評估，確保它在實際應用中表現可靠、高效且符合倫理。今天，就讓我們一起深入探討AI代理評估的奧秘，看看如何把一個簡單的模型打磨成一個強大的、生產級的工具。什么是AI代理評估？AI代理評估，就像是給智能...

在人工智能的世界里，協議和標準就像是連接不同組件的橋梁，讓復雜的系統能夠順暢運行。今天，我們就來聊聊兩個備受矚目的AI協議——A2A（AgenttoAgent）和MCP（ModelContextProtocol）。很多人可能會問：“A2A和MCP，我該選哪一個？”但其實，它們并不是非此即彼的選擇，而是可以相互補充、共同推動AI發展的強大伙伴！一、A2A：讓AI代理“手拉手”A2A，全稱AgenttoAgent，是由谷歌推出的一種開放協議。它的核心使命是標準化AI...

摘要組合式零樣本學習（CZSL）旨在通過利用已知組合來識別未見的狀態對象組合。現有研究基本依賴CLIP的跨模態對齊能力，但往往忽略了其在捕捉細粒度局部特征方面的局限性，這些局限性源于其架構和訓練范式。為解決這一問題，我們提出了一種多階段跨模態交互（MSCI）模型，該模型有效探索和利用CLIP視覺編碼器的中間層信息。具體而言，我們設計了兩個自適應聚合器，分別從低層視覺特征中提取局部信息和從高層視覺特征中整合全局...

?上一篇文章我分享了AutoGen的基礎使用??AutoGen從入門到高階系列一：如何從零開始構建你的第一個智能體？??，這一篇文章來分享一下AutoGen里面的智能體。內置了哪些智能體??UserProxyAgent??:一個智能體，接收用戶輸入并將其作為響應返回AssistantAgent：這是一個通用的智能體，它利用大型語言模型（LLM）進行文本生成與推理，還可通過工具（tools）擴展其能力。??CodeExecutorAgent??:一個可以執行代碼的智能體...

在AI技術快速發展的今天，開發者們常常面臨著復雜的技術棧和繁重的開發任務。如何在有限的資源下快速搭建高效、輕量化的AI應用，成為了一個亟待解決的問題。開源項目“toolkami”以其極簡的設計理念和強大的功能，為AI開發者提供了一個全新的解決方案。本文將深入探討toolkami的項目背景、主要功能、技術原理、應用場景以及如何快速上手使用，幫助讀者更好地理解和應用這一開源框架。一、項目概述Toolkami是一個極簡的AIAgent框...

在人工智能領域，多模態大模型正逐漸成為推動技術發展的關鍵力量。隨著對復雜場景理解需求的增加，能夠同時處理視覺和語言信息的模型變得尤為重要。字節跳動Seed團隊推出的Seed1.5VL模型，以其高效、強大的多模態理解和推理能力，為這一領域帶來了新的突破。一、項目概述Seed1.5VL是由字節跳動Seed團隊開發的視覺語言多模態大模型，旨在推進通用多模態理解和推理能力。該模型由一個5.32億參數的視覺編碼器和一個激活參數規模達2...

北京時間今天凌晨，谷歌IO2025如期舉行，再次成為全球開發者與AI從業者矚目的焦點。谷歌在這次大會上，首次將AI技術深度融入操作系統、硬件及生態，重構著科技的底層邏輯。總的來說，此次大會谷歌從六個方面進行全面升級：Gemini全面升級首先是大模型升級帶來的深度思考革命。Gemini2.5Pro新增了“深度思考”（（DeepThink）模式，實現了多假設推理、思維鏈展示。并在數學競賽USAMO得分提升至40.4%，在LiveCodeBench上也取得了...

上手體驗了一波Manus，感覺沒有鼓吹的那么神，也不能被貶的一無是處，感覺Manus更像是想博出名的秀才，有料，但過火了。下面通過一個Manus的個人使用案例講講，對于Manus的體驗吧，力求既不迷信技術，也不排斥革新。根據我的任務，自動生成部署的網址：??https:cshqyrrh.manus.space。??通過親手體驗ManusAIAgent的驚人能力，我感受到它在任務自動化、效率提升上的顛覆性潛力，但也意識到，即便它智能如斯，局限與挑戰依然...

今天給家人們分享一個實用的MCPServerOpenMemoryMCP。簡單來說，他就是給AI提供一個持久記憶、跨平臺、跨會話的一個神器。https:github.commem0aimem0mem0是個老項目，它的簡介是這么說的：Mem0（“memzero”）通過智能記憶層增強AI助手和代理，實現個性化AI交互。它記得用戶偏好，適應個人需求，并隨著時間的推移不斷學習——非常適合客戶支持聊天機器人、AI助手和自主系統。具體的原理，大體是遵循一個RAG的策略。會通過一個...

知名風險投資機構BessemerVenturePartners（BVP）發布了一份關于Agent的洞察，報告中給Agent從L0到L6進行了一個劃分。今天給大家分享一下這份報告！首先，Bessemer對AIAgent的定義是：能夠執行鏈式思維推理，以準確地對序列化工作流采取行動的基礎模型的軟件應用程序。同時，在他們眼里，一個Agent必須具備以下幾個能力：state必須有個“實體”，無論是大模型還是軟件應用，并且能感知和理解環境。Intelligence得會“思考”，能...

編輯伊風出品51CTO技術棧（微信號：blog51cto）昨天的微軟Build2025開發者大會，用一句話總結就是：信息密度爆表，炸點不斷！如果你是開源黨的信徒——這次微軟幾乎把壓箱底的寶貝都掏了出來：GitHubCopilotforVSCode項目正式開源！而且直接采用了MIT協議，意味著全球開發者不僅能免費訪問源碼、研究核心邏輯，還能親自下場參與改進，Copilot從此變成了真正意義上的“全民AI助手”。WSL（WindowsSubsystemforLinux）也終于開源...

如今，在許多VibeCoding平臺通常會借助現有的大型語言模型(LLMs)來輔助編寫代碼。不過，寫代碼僅僅是開發人員日常工作的一小部分。要想構建一個完善的企業級生產平臺，還得用上各種工具來審查代碼、提交代碼，并進行長期的維護。這恰恰是??Windsurf??公司（它的前身是Codeium）希望通過一系列新型先進AI模型來攻克的難題。在其Wave9更新中，公司正式推出了這些模型，并將其命名為SWE1（可以理解為“軟件工程師1號”）。就在...

當業界聚焦于ChatGPT與DeepSeek生態開發時，Qwen3的微調能力正成為開發者關注的新焦點——這項技術可將通用大語言模型轉化為垂直領域的專業助手。本文為大家系統解析如何基于特定場景對Qwen3進行定向優化。希望讀者可從中獲取適用于實際場景的模型調優方法論。一、Qwen3簡介Qwen3一經發布，就迅速成為開發者的首選工具，其在代碼生成、數學推理、綜合能力等評測中的領先表現是重要原因。該模型在多項基準測試中超越主流大語言模...

通過內存緩沖+輪次壓縮解決上下文記憶和效率矛盾，通過外部激活模型實現主動性，是StreamBridge的關鍵創新點傳統的視頻大語言模型(VideoLLM)通常一次性處理整個視頻，對實時輸入支持不足。然而在機器人、無人駕駛等應用中，需要模型具有因果感知和動態反應能力，即能夠在視頻流不斷到來時及時理解新內容并主動輸出。StreamBridge提出了一個簡單有效的框架，將現有的離線VideoLLM縫升級為可處理流式視頻的系統。它針對流式場景中...

大家好，我是劉聰NLP。是的，沒錯，Qwen團隊又開源了，這次是偏好模型WorldPM。偏好模型，就是也可以理解為獎勵模型，在強化學習中用來打分的那個模型！HF：https:huggingface.cocollectionsQwenworldpm6826f363e9c62f97a0b437e6Paper：https:arxiv.orgabs2505.10527WorldPM，是在1500萬條訓練樣本上進行偏好訓練，模型規模從1.5B到72B，同時發現偏好模型遵循與語言模型類似的縮放規律。模型的訓練數據來自多個公共論壇，包括St...

1.為什么要提出IKEA隨著可驗證獎勵系統的大規模強化學習（RL）技術突破，以DeepseekR1為代表的推理模型性能顯著提升。這類模型能通過推理激活預訓練知識來處理知識密集型任務，但受限于預訓練語料的局限性和世界知識的動態性，仍存在幻覺問題。當前主流解決方案是賦予模型調用搜索引擎的能力，將其訓練為搜索智能體，使其在強化學習中逐步掌握任務分解與知識檢索能力。然而該方法存在明顯缺陷：其一，過度依賴LLM的工具調用功能...

1.為什么要提出ScaleMCP隨著大型語言模型（LLMs）與工具學習技術的突飛猛進，智能體已能動態對接各類外部工具與API。1.1MCP協議的誕生模型上下文協議（MCP）的誕生，為LLM與外部工具、數據源及提示詞建立了標準化橋梁。MCP是由Anthropic推出的一項開放協議，為大型語言模型（LLM）與外部工具、數據及提示的交互提供標準化框架。開發者可借助MCP服務器開放工具與數據接口，或開發連接這些服務的AI應用（MCP客戶端），大幅降低AI...