Kimi K2重磅开源：万亿参数与MuonClip重塑Agent智能
大语言模型正经历从静态模仿向主动交互的深刻变革。这标志着智能体（AgenticIntelligence）时代的全面开启。在此范式下，模型必须学会在复杂多变的环境中自主感知、规划、推理并采取行动。然而，打造极致的智能体能...
模型训练AI Agent
AGI FRONTIER
AI前沿分享第41页
深度解读 AI 论文，追踪 Agent、推理、多模态与具身智能的最新进展。
PAPER INSIGHTS
更多论文解读
Kimi-Dev开源：Agentless训练注入先验，SWE-bench狂砍60.4%
在代码大模型领域，长期存在着一条隐形的界线。一边是按部就班的工作流方法，另一边是自由探索的智能体框架。难道鱼与熊掌真的不可兼得？本文提出的Kimi-Dev给出否定答案。该研究在SWE-benchVerified榜单上拿...
AI Agent
吞吐量飙升3倍！I-DLM破局并行解码，媲美同级自回归质量
大语言模型的世界一直被逐字生成的自回归机制统治。虽然扩散模型承诺了令人兴奋的并行生成前景，但它们在文本质量上始终无法与自回归模型抗衡。为什么扩散模型在图像领域大杀四方，在文本生成领域却总是“差一口气”？
基础模型模型训练
万字长文拆解大模型“听话”的秘密：指令微调（IT/SFT）前沿全景综述
大型语言模型（LLM）的原始形态，本质上是一个极其庞大的“文字接龙”机器。它们通过海量语料学会了预测下一个词，却并不知道如何满足用户的真实业务需求。当用户输入“帮我写一封辞职信”时，原始模型可能会补充“，你需要注意以下...
模型训练
告别黑盒！InfoFlow揭秘多层Transformer：两层架构如何省下指数级参数？
Transformer架构无疑是当今AI繁荣的绝对基石。然而，面对动辄数十乃至上百层的庞然大物，理论界却长期陷入一种尴尬的“偏科”状态。目前，学界对单层Transformer的数学性质已经有了相对透彻的理解，但多层Tr...
AI理论
告别手搓Agent！HarnessX实现大模型与运行时外挂协同进化，性能最高飙升44%
目前开发AIAgent，最痛苦的环节莫过于“手搓”外挂代码。换个新模型，提示词模板可能得全部重写。加个新工具，原本顺畅的控制流直接崩溃。大量在运行中产生的报错记录和轨迹，最后只能被当成垃圾数据扔掉。究竟有没有一种方法，...
AI Agent推理
HarnessBridge：重塑Agent交互，Token骤降90%还能涨点
随着上下文窗口越来越长，大模型在长周期任务中依然常常迷失。它们要么被历史交互中堆积如山的无效信息淹没，要么陷入死循环，疯狂消耗宝贵的API额度。过去，为了解决这个问题，开发者们通常会手写一套复杂的脚手架（Harness...
AI Agent基础模型
8B小模型单挑120B大厂基线！HASE框架让AI学会自我重构与环境演化
为什么仅有80亿参数的小模型，能够在极其复杂的代码生成任务中，击败1200亿参数的巨头大模型？当常规的AI系统都在绞尽脑汁地优化“如何解答问题”时，一项前沿研究揭示了降维打击的秘密。那就是：直接赋予模型“修改考卷”和“...
AI Agent
GLM-4.5开源：32B激活参数斩获AIME 91%，重塑ARC全能模型
当前，大语言模型正从被动响应的知识库，向主动解决现实难题的通用求解器跨越。实现这一跨越的核心，在于彻底打通智能体、逻辑推理与代码这三大核心能力。然而，闭源巨头在特定领域表现惊艳，开源界却始终缺乏一个能统一上述能力的轻量...
AI Agent模型优化
谷歌Gemini 1.5硬核解析：挑战1000万Token上下文，解锁多模态推理新极限
大模型领域的“军备竞赛”正从参数量向上下文窗口急剧转移。当业界还在为几十万Token的窗口欢呼时，谷歌丢出了一枚重磅炸弹。该研究正式推出了Gemini1.5系列模型，最高支持令人咋舌的1000万Token的上下文。这意...
多模态&视觉基础模型
告别黑盒！GaP多智能体生成计算图，机器实操成功率飙升至99%
当前，端到端的视觉-语言-动作大模型在通用机器人领域风头正盛。然而，当这些模型真正走入商业和工业流水线时，往往会遭遇“水土不服”。在真实的工厂或商用厨房中，机器人需要日复一日地执行极高可靠性的任务。传统的“黑盒”大模型...
AI Agent
告别记忆污染！GAM分层图记忆让Agent长程推理提升86%
当前的大语言模型虽然能在单次对话中对答如流。但一旦进入长期交互，它们常常会陷入“记了新的，忘了旧的”的窘境。现有的记忆系统大多采用统一流式更新。这意味着每一次日常闲聊的噪音，都可能直接污染已经建立的核心知识库。如何让A...
AI Agent基础模型
从“死记硬背”到“经验直觉”：LLM智能体记忆机制的三阶进化论
很多开发者在构建大模型智能体时，常会遇到一个非常棘手的问题。给智能体配备了外部工具，写了超长的提示词，但它在多步复杂任务中依然会“断片”。它要么在同一个地方重复犯下逻辑错误，要么在动态变化的环境中彻底迷失了最初的目标。...
AI Agent知识系统
放弃提示词！Harness架构打造120/120满分企业级Agent
许多企业级大模型应用在原型阶段表现惊艳，往往只需一段系统提示词加上基础的检索增强生成（Retrieval-AugmentedGeneration,RAG）就能在演示环境跑通业务逻辑。然而一到真实商业环境落地，合规溯源、...
AI AgentRAG
告别被动检索！NapMem多粒度记忆金字塔让大模型学会主动导航
当你和一个AI助手交流了数月甚至数年，你期望它能建立起对你的深度理解。然而，当前大多数基于大型语言模型（LargeLanguageModel,LLM）的长期记忆系统，依然依赖于被动的检索接口——即系统在后台悄悄检索几段...
推理
打破大模型推理天花板：DSRL双空间强化学习，反思能力暴涨14倍
以DeepSeek-R1为代表的卓越模型，将基于可验证奖励的强化学习（RLVR）推向了整个行业的聚光灯下。然而，这种后训练范式隐藏着一个不容忽视的致命瓶颈。它通过优化条件分布来提升推理能力，这意味着其潜力被基座模型现有...
强化学习推理
打破上下文瓶颈：7B模型狂砍8倍Token，记忆管理匹敌GPT-4o
当前，各大AI厂商都在疯狂内卷大语言模型的上下文窗口长度，百万级Token的输入似乎已经成为前沿模型的标配。然而，仅仅给模型塞入海量的上下文，它就真的能完美处理长周期的复杂任务吗？
基础模型推理
纵览124篇文献：LLM智能体动态技能库的八阶段生命周期揭秘
当大语言模型从简单的对话助手，逐步深入并接管实际的工作流时，一个严峻的核心瓶颈浮出水面。这种瓶颈并非模型单次推理能力的不足，而是智能体（Agent）能否在重复性任务中复用过程知识。如果每次遇到相似任务，智能体都要在有限...
AI AgentRAG
拒绝“特权幻觉”！DOPD双重蒸馏让大模型能力狂飙14分
为什么给大模型“开小灶”，它反而越学越傻？在如今的大模型后训练阶段，用一个强大的“老师”模型来指导一个较弱的“学生”模型，已经成为提升性能的标准操作。为了让老师教得更好，研究人员往往会给老师提供一些特权信息（Privi...
模型训练多模态&视觉
打破死板规则！CORAL让多Agent自主进化，探索效率飙升10倍
解决没有标准答案的开放性科学难题，一直被视为人工智能迈向更高级形态的试金石。面对复杂的物流调度或底层的系统内核优化，传统的“单次生成”模式早已捉襟见肘。近年来，将大语言模型嵌入进化算法循环中，成为了破局的新希望。然而，...
AI Agent
Meta最新综述：代码与推理的双向奔赴，揭秘LLM的“莫比乌斯环”
近期，以OpenAI-o1和DeepSeek-R1为代表的新一代大型语言模型，在复杂任务中展现出了惊人的逻辑求解能力。业界逐渐观察到一个反直觉却极其有趣的现象：让大模型学习编写程序，竟能跨领域地大幅提升其解决数学和逻辑...
AI Agent
别再只让大模型写代码了！Meta与斯坦福联合提出“代码即脚手架”，重构AI智能体引擎
长期以来，业界对大模型代码能力的关注点，大多停留在“AI写代码”这一单一结果上。人们惊叹于模型能通过算法竞赛，或者能写出精妙的前端网页。但在Meta、斯坦福大学和UIUC的最新联合研究中，这一固有认知被彻底打破。他们提...
AI Agent
问卷调查走向死局？AI新架构A-TLM零偏差击败三大传统算法
现如今，发一份在线问卷，你收回的可能是大量机器刷单、AI辅助作弊以及随意乱填的“无效数据”。这种数据质量危机正在悄无声息地摧毁社会科学的基石。在争分夺秒的灾害响应研究中，情况更为致命。受灾最严重的人往往处于断网、流离失...
RAGAI安全
大模型长记忆返璞归真：Nano-Memory极简检索法降低近半Token消耗
随着智能体与用户的交互日益频繁，让大语言模型记住几个月甚至一年前的冗长对话，已成为各大研究团队竞相攻克的难题。为了实现这种长期记忆，现有的主流方案往往走向了无休止的“堆料”之路。从极其复杂的层次化摘要，到繁琐的强化学习...
AI AgentRAG