搜索
上下文学习（In-Context Learning, ICL）、few-shot，经常看我文章的朋友几乎没有人不知道这些概念，给模型几个例子（Demos），它就能更好地理解我们的意图。但问题来了，当您精心挑选了例子、优化了顺序，结果模型的表现还是像开“盲盒”一样时……有没有可能，问题出在一个我们谁都没太在意的地方，这些例子，到底应该放在Prompt的哪个位置？
一个 Agent（智能体）不够用？Manus 干脆给你拉来 100 个。 今天凌晨，Manus 推出了一项新功能：Manus Wide Research。这项功能的核心亮点在于，用户只需一键即可开启大规模并行 Agent 协作，轻松处理原本需要耗费数小时、动用数百个数据源的复杂调研任务。
就在一夜之间，用 AI 帮忙搞科研，不是再只是想想了。 最近，科研圈里越来越多的人在讨论一种叫 SciMaster 的「AI 科学助手」，有让它做实验的，有让他帮忙开题的，还有跟他聊科幻的。
用扩散模型写代码，不仅像开了倍速，改起来还特别灵活！ 字节Seed最新发布扩散语言模型Seed Diffusion Preview，这款模型主要聚焦于代码生成领域，它的特别之处在于采用了离散状态扩散技术，在推理速度上表现出色。
又一个SOTA基础模型开源，而且依然是国产。 刚刚，阶跃星辰兑现了WAIC上的承诺，将最新多模态推理模型Step-3正式开源！ 在MMMU等多个多模态榜单上，它一现身就取得了开源多模态推理模型新SOTA的成绩。
申请转发项目推文近一年才批准？近日，Meta CEO 马克・扎克伯格的一篇《个人超级智能》公开信赚尽了眼球，其中不仅提到他们已经看到了「AI 系统自我改进的迹象」，还表示他们将会「谨慎选择开源内容」。
你有没有想过，为什么在AI能生成一切的时代，一个"画图工具"反而更值钱了？7月31日，Figma正式登陆纽约证券交易所，首日收盘市值高达563亿美元，P/S倍数超过60倍。相比之下，SaaS行业的平均P/S倍数仅为7倍，这个数字不仅远远超过Adobe、Salesforce等成熟SaaS公司的估值水平，甚至比两年前Adobe试图收购它的200亿美元报价还要令人震撼。
为什么机器人能听懂指令却做不对动作？语言大模型指挥机器人，真的是最优解吗？端到端的范式到底是不是通向 AGI 的唯一道路？这些问题背后，藏着机器智能的未来密码。
大语言模型（LLM）已经在多项自然语言处理任务中展现出卓越能力，但其潜在安全风险仍然是阻碍规模化落地的关键瓶颈。目前社区用于安全对齐的公开数据集，往往偏重于「词汇多样性」，即让同一种风险指令尽可能用不同的表达方式出现，却很少系统考虑指令背后的「恶意意图多样性」以及「越狱策略多样性」。
本周四，知名初创公司 Manus 推出了一项重要新功能，可以通过向上百协同工作的 AI 智能体分配任务来进行广泛的研究。今年早些时候，Manus 的多智能体平台改变了人们应用 AI 工具的方式。不过现在，这家创业公司正在试图开发一种与大模型深度思考 Deep Research 同样重要的新能力。