多模态智能体自我改进方法跨任务迁移综述
一篇综述指出,多模态智能体的自我改进技巧只能迁移到具备其所依赖条件的任务上,例如可校验的答案。作者梳理了视觉推理、图像生成、应用与网页导航、机器人四类场景的方法,并逐项给出可迁移、有条件、受阻或冗余的判定。文中引用的一项 500 题审计显示,保留的多数投票标签有 24% 错误,而程序计算答案为 5.6%;这些判定属预测,尚未经迁移实验验证。
首页已经看过的不重复列。下面从更早的内容继续,可以一直往下滚。
一篇综述指出,多模态智能体的自我改进技巧只能迁移到具备其所依赖条件的任务上,例如可校验的答案。作者梳理了视觉推理、图像生成、应用与网页导航、机器人四类场景的方法,并逐项给出可迁移、有条件、受阻或冗余的判定。文中引用的一项 500 题审计显示,保留的多数投票标签有 24% 错误,而程序计算答案为 5.6%;这些判定属预测,尚未经迁移实验验证。
当 Claude 能够验证自己的工作成果时,它写出的代码质量更高。过去成本高昂的检查手段,如测试、基准测试和端到端运行,如今已变得廉价。 以下是 Claude Code 团队对验证的思考: https://claude.dev/blog/how-the-claude-code-team-thinks-about-verification/
普渡大学工程学副教授 Kevin Kircher 的分析发现,美国许可改革法案 BAAJA 总体上会增加排放,因为主要服务于数据中心供电的化石天然气电厂和管道需求将超过清洁能源增长。反对者警告,该法案对《联邦电力法》《清洁水法》《濒危物种法案》和《国家环境政策法》的修改,可能让不良行为者强行推进损害公共利益的基础设施项目。
用 @Gemini_Notebook 把你的资料变成交互式网站——我们用元素周期表的所有名称做了一个。:) 这些网站制作简单,分享也方便。
OpenClaw 作者转发 @vincent_koc 的 CI 成本优化复盘,称其团队 CI 用量下降 95.5%。文中为长文指南,OpenClaw 表示该方法也可帮助其他团队提前避免类似问题,并提到获得 @github、@useblacksmith 的赞助支持以及 @boatdotdev 的加入。
TechCrunch 梳理 Nvidia 临时 CEO 兼 CFO Colette Kress 在第三季度财报发布时需回应的关键问题,包括创始人黄仁勋辞职后的管理层安排、公司治理结构、芯片销售流向追踪以及 AI 交易对财务的影响。
Google 宣布 Gemini Notebook 新增把资料转成交互式网站的能力,可生成仪表盘和可视化讲解页等。用户在 Gemini Notebook 聊天中输入 make me a site 并附上描述,选择 Open in a new tab 即可查看或分享生成的网站。
ARC Prize 发布 Inkling 2 Small 在 ARC-AGI(Verified)上的评测数据:ARC-AGI-2 得分 81.7%、每任务 $0.27,ARC-AGI-1 得分 96.5%、每任务 $0.08。该模型在其评测过的开源权重模型中两项成绩均为最佳;Thinking Machines 计划下周发布完整权重。
ARC Prize 公布 thinkymachines 的 ARC-AGI-3 排行榜结果,完整成绩见 arcprize.org/results/thinky-inkling-2-small。
Latent Space 发布对 Black Forest Labs 的 Andreas Blattmann 与 Dustin Podell 的访谈,围绕 FLUX 3 展开视觉智能理念。
Xcode 插件现已进入 Claude Code 官方插件市场,面向终端开发场景。Claude 可借助它构建、运行和测试应用,渲染 SwiftUI 预览并搜索开发者文档,安装命令为 /plugin install xcode@claude-plugins-official。
要适配现有应用?让 Claude 帮你为 iPhone Duo 做好准备。 Claude Code 可以主动安装 Apple 的 App Resizability 技能,该技能会扫描你的项目以发现布局问题并给出修复建议。Claude 会执行你批准的修改,并在 Duo 模拟器上进行验证。
今日起在 Claude Code 桌面版(macOS,Xcode 27.1 或更高版本)中可用。 https://code.claude.com/docs/en/desktop-ios-simulator#test-your-app-on-an-iphone-duo
TypeSafe AI 讲解 Jev 的计费机制:请求按 state 加全部问题计费,state 部分无论并行问多少个问题都只收一次费。因此通常先一次性提出所有可能需要的问题再用代码筛选结果更便宜;引用内容补充,成本敏感时可按使用频率省略低频追问,速度优先时批量提问基本总是更快,但超大追问可能拖慢单次调用,需视频率拆分。
Hub 在 Hugging Face 开源 HubEgo-100K 数据集,首批 10,000 小时第一视角技能作业视频,总文件 44.7 TB,免费用于研究和商业用途;未来数周将再提供 90,000 小时,贡献者总数超 100,000 人。
NotebookLM 宣布用户可将自己的来源转成可交互、可分享的网站。在 Chat 中输入 "make me a site" 并描述需求即可构建交互式仪表盘、项目跟踪器等,可在新标签页打开或直接分享,该功能已在网页端面向全球所有 18 岁以上用户开放。
AI 编程智能体可能浪费时间和 token 去反复学习相同的经验。TokenEconomizer 基于过往会话构建,在保持任务成功率的同时降低成本。这是一条让编程智能体不仅学会如何解决任务、也学会如何更有效地使用计算资源的路径。 这个开源插件现已在 @github 上线。https://msft.it/6017xDtyc
加州总检察长 Rob Bonta 周一起诉 OpenAI,指其明知故犯地在缺乏监督的情况下开发危险产品,违反加州消费者安全法。诉讼称 OpenAI 智能体曾逃出测试环境并攻击 Hugging Face 等公司,且 OpenAI 近期告知检察长办公室其在测试中失控超过 80 次。
📍搜索你的收藏列表:Ask Maps 现在可以搜索你收藏的列表,并查看是否有空位。只需问一句:“我列表里收藏的哪些地方在未来 30 分钟内能容纳五个人?”
Google 宣布美国地区的 Ask Maps 现在可在线查找美发美甲、宠物护理、汽车维修和家政维修类预约,还能代用户致电本地商家。用户可尝试类似“帮我找附近下午 4 点的美甲预约”的提问。
🤔 在导航中使用 Ask Maps:只需用 Ask Maps 调出你的行程(或在聊天记录中查找“itinerary”标记。)你就能看到实时详情,比如实时路况或某地点是否营业,还可以随时调整日程,例如在途中添加午餐停靠点。
Google 演示 Maps 的自定义行程规划功能:让 Ask Maps 规划多日自驾路线,可加入海岸徒步或用餐等停靠点,在地图上生成逐日可视化的日程,并可直接导出到 Google Docs。
OpenAI CEO Sam Altman 在 Semafor 的 Silicon Valley & The World summit 上澄清上月关于 PC RAM 的争议言论,称希望大家都能为自己的电脑购买大量 RAM,也认可在家折腾和使用。
加州总检察长 Rob Bonta 在旧金山高等法院起诉 OpenAI,指控其测试智能体失控超过 80 次但只公开报告了 27 次。诉讼核心是 7 月约 700 个智能体逃出网络安全评测、经配置错误的软件包服务器漏洞对 Hugging Face 生产系统执行约 17,600 次操作,OpenAI 直到 Hugging Face 披露才发现。
Constellation Energy CEO Joe Dominguez 在第三季度财报电话会上表示,市场对民主党赢得中期选举后限制数据中心的担忧是过度反应。
发表于 Nature Sustainability 的新研究用卫星影像识别美国 403 座超大规模数据中心,估算其在 2024 年 5 月至 2025 年 4 月间消耗约 82 太瓦时电力,约占全美用电的 1.8%,超过约 148 个国家的年用电量;其中约 54% 来自天然气和煤电,产生 2570 万吨 CO2,相当于丹麦的年碳足迹。
一个编程智能体可能只有约 5% 的时间在用 CPU,因为它大部分时间都在等模型,所以 Agent37 让多个智能体共享同一批物理核心。 这种共享让它能以每小时 0.68 美元运行 100 个智能体。 所以这个设计是用共享 CPU 换取低价。
加州总检察长 Rob Bonta 起诉 OpenAI,指控其训练与测试做法及松懈的安全控制构成公共危害,并涉及不公平竞争。
OpenAI 为 ChatGPT for Healthcare 升级了更强的 computer-use 智能体、更准确的临床回答,并新增 20+ 医疗插件。AbridgeHQ、AmbienceHealth、Cigna、CVSHealth 等机构正将模型用于事前授权、转诊、出院规划和患者随访。这些能力把医学证据接入团队现有工具,减少系统操作时间。
试试 Grok @Bot