搜索
EvoMap团队提出了一套不更新基模参数的RSI工程解法：由EvoX智能体、Evolver进化引擎和EvoMap经验流转网络构成的自进化体系，将Agent执行轨迹蒸馏为结构化控制对象Gene，通过GEP协议在35.7万智能体间流转481万项经验资产，使其在多款主流大模型上将长流程任务通过率提升8.7至15.5个百分点。
EvoMap团队推出自进化智能体EvoX，采用无中心调度的蜂群模式让大量Agent平级协作、自主组队，在563道逻辑、数学、物理题上将Claude Haiku 4.5的正确率从单Agent的26.29%提升至70%以上，并开源AutoResearch项目构建Agent经验基础设施。
前腾讯AI Lab可信AI负责人吴秉哲的创业项目Knevo（思演智能助手）目前处于内测阶段，聚焦金融方向的AI决策，整合流式推理、工具调用、长期记忆与断线恢复等模块，并提出"千人千面+自净化"的Agent建设逻辑。
Agent 出现这么久了，大伙应该对它们的工作方式也不陌生了吧？
AlphaEvolve再次刷新记录！
在此背景下，新加坡国立大学、普林斯顿大学与斯坦福、牛津等研究团队合作提出了 Recuris（Recursive Experiential–Working Memory Evolution），作为首个将递归自我改进应用在记忆控制层内的智能体架构，Recuris 通过三项核心技术突破，无需训练即成功实现了从 3B 小模型到 Claude Opus 5 的全面提升。
视频世界模型跑久了，往往面临三个问题： 画面发灰发糊或者过曝过饱和、场景悄悄换了地方、显存先撑不住。
过去几年，大模型的发展主线很清晰，比如更大的模型、更多的数据，以及更多的计算。但当模型从回答问题的Chatbot走向能够调用工具、执行任务的Agent，发展主线也开始发生变化。模型不仅要知道，还要在环境中行动，从反馈中判断结果，并在长时间运行中不断调整策略。
过去两年，self-reflection、self-correction、self-play、agentic RL、skill learning、test-time adaptation、open-ended evolution、self-evolving agent等概念不断涌现。
AI首次造出了，自然界不存在的病毒！消息一出，瞬间引爆全网。今天，一项来自斯坦福大学与Arc Institute的颠覆性研究，登上了顶刊Science。在这项实验中，AI一口气生成了70万个病毒基因组，其中精选了285条，进行了DNA人工合成。