ALL HERE INDUSTRY INSIGHTS
行业咨询
来自一手发布、开源社区与论文平台的前沿动态。
SkillBoost 提出约束式自学框架，LLM Agent 终于不用「学了新的忘旧的」
做 LLM Agent 的同行可能都撞过这堵墙：让 Agent 从过去的交互里积累经验，结果它要么死记硬背住那几条轨迹，换一个场景就失灵，要么放开探索一通，之前已经能干好的事反而又
发布日期：
阅读全文 →华为Ascend写算子有多痛，这篇论文用Agent自己干了
做 AI 基础设施的人都清楚一个尴尬事实：CUDA 生态太厚了，但凡换个硬件平台，写算子的成本直接翻几倍甚至翻十几倍。华为 Ascend NPU 就是典型——910B 性能不差，但
发布日期：
阅读全文 →多智能体「隐式通信」的因果审计：传了，但未必用上了
多智能体系统之间不传文字，直接传 latent vector——这个概念最近半年在 Agent 圈子里被反复提起。卖点很直接：连续向量比离散 token 的信息容量大得多，理论上通
发布日期：
阅读全文 →MDP 的状态爆炸，有人试着用因果关系切一刀
做决策模型的人，不管搞的是机器人、游戏 AI 还是供应链调度，大概率都被同一个东西卡过喉咙：状态空间爆炸。状态变量一多，组合数直接指数往上翻。MDP（马尔可夫决策过程）漂亮是漂亮，
发布日期：
阅读全文 →Pegasus 把人类视频转成机器人训练数据，但它真正在改的是数据生产的成本结构
arXiv 今天挂了一篇论文，标题很长——「From Passive Video to Editable Experience」，但核心问题很直接：网上有几亿条人类操作视频，机器人
发布日期：
阅读全文 →AI Agent 在浏览器里露馅了：两个鼠标特征，识别率拉到 100%
最近在搭 Agent 做浏览器自动化任务的时候，我一直在想一个问题：网站那边到底能不能认出这是个 AI 在操作？如果能，识别依据是什么？如果不能，那些靠人机二分类吃饭的 bot 检
发布日期：
阅读全文 →一篇论文想把围棋AI的树搜拐杖抽掉
AlphaZero 那套体系最烧算力的地方，不是训练，而是下棋的时候。每走一步，模型都要靠 MCTS（蒙特卡洛树搜索）展开几万次模拟，才能弥补策略网络自己拿不准的地方。真正的棋力有
发布日期：
阅读全文 →本体匹配不再只找等价关系，AgentMap 用多 Agent 把父子关系也挖了
做过数据对齐或知识图谱集成的人，大概率被本体匹配折磨过。两个 Ontology 摆在面前，一个概念在 A 里叫「Customer」，在 B 里叫「Client」——以为是等价，跑一
发布日期：
阅读全文 →LLM 干办公室杂活，比人便宜但还没干利索
在公司里推过 AI Agent 的人，一定被问过这个问题：这玩意儿比请人干到底划算不划算？算力账单和人工工资放一起比，答案从来不是非黑即白。 最近 arXiv 上出现了一个 ben
发布日期：
阅读全文 →当你的AI队友还是"陌生人"：这篇新论文想教Agent边干边学
用过AI写代码、搭Agent工作流的人大概都有这种感受：跟一个新模型或者新工具配合，前几个回合基本在互相试探。彼此不知道对方擅长什么、需要什么，一来一回半天，节奏才慢慢对得上。 但
发布日期：
阅读全文 →AI 做了全部工程，但论文被原作者拒了：一个关于「AI 做科研」的扎实实验
前段时间圈里又飘起一股「AI 马上要自己搞研究了」的风，从递归自我改进到 AI 科学家自动发文，叙事一个比一个猛。但一篇 7 月 29 日挂上 arXiv 的论文，给了一个难得扎实
发布日期：
阅读全文 →HiSkill 提出层级技能图，让 LLM Agent 不再「学完就忘」
写 LLM Agent 经常遇到一个落差：技能学了不少，真到用的时候还是抓瞎。 让 Agent 跑完一个长流程，把轨迹存下来，下次遇到类似任务翻出来参考——想法不错，实际存了一堆
发布日期：
阅读全文 →4.15ms 对齐误差，Hinglish 语音终于不再被 MFA 当外星语处理了
做了几年语音相关的东西，有一个场景每次碰到都头疼： 双语混着说的时候，强制对齐工具基本是瞎的。 Montreal Forced Aligner（MFA）是语音圈很常用的对齐工具，给
发布日期：
阅读全文 →