AI智能体改BUG该奖励什么:亚马逊云科技与UIUC提出Lean4AgenticRL

资讯 腾讯网 作者:科技行者 全文 7419 字 · 约 19 分钟读完 分类智能体

你有没有想过一个问题:一个AI助手花了二十分钟改一个代码漏洞,最后改好了,我们应该表扬它整个过程吗?听起来这个问题有点傻。改好了不就是好事吗?但事情没那么简单。假设这个AI在那二十分钟里,有十五分钟在反复执行同一条测试命令,原地踏步,最后五分钟才找到真正的修复方式。如果你只看"结果",你会给这整条轨迹打满分,包括那..

所属频道 智能体与 Agent

一个AI助手花二十分钟修好了一个代码漏洞,整个过程都该被表扬吗?这个问题听上去有点傻。修好了不就是好事?

可事情没这么简单。假设那二十分钟里有十五分钟它在反复跑同一条测试命令,原地打转,最后五分钟才找到真正的修法。只看结果的话,这整条轨迹都会被打了满分,那十五分钟的无效折腾也算进去了。

眼下训练AI智能体,普遍就卡在这种尴尬里。

亚马逊云科技和伊利诺伊大学厄巴纳-香槟分校的论文Lean4AgenticRL,要解决的就是这个问题。它给出的答案比想象中巧妙得多。

现有训练方式的问题出在哪

先看现状。

训练AI智能体做复杂任务,例如修复软件工程(SWE)问题、在终端里完成各类操作,目前主流做法是**

RLVR

问题在于,数学题和代码修复有一处本质差别:数学题往往几步就能算完,而修一个真实世界的软件漏洞,AI可能要经历几十甚至上百个操作步骤。这时还只盯着最后结果对不对,开头说的那种荒唐场面就会出现:整条轨迹塞满无效、重复甚至错误的中间步骤,可因为结果对了,这些烂步骤被一视同仁地奖励。

好比学生做一道大题,中间写错三次又划掉,最后蒙对了答案。老师只看最后那个数字打钩,这学生就永远学不会哪些中间步骤是对的。

研究者自然也想到了办法,就是引入**

奖励粒度要是做得特别细,细到每次工具调用都打分——AI执行一条命令、读一个文件,都算一次工具调用——你会发现单独一次调用常常跟最终目标扯不上直接关系。AI读一下文件内容,这个动作本身很难简单判对错,它只是信息收集的一环。硬给这类动作打分,反倒可能误导训练,让模型学会讨好评分系统的小动作,而不是真正解决问题。

矛盾就在这里:奖励太粗,只看最终结果,学不到中间好坏;奖励太细,只看单次工具调用,又容易判不准,甚至被钻空子。

研究者意识到,缺的是中间层级的奖励——没有最终结果那么宏观笼统,也不像单次工具调用那么琐碎易错。

先规划再执行:给AI一张专属于当前问题的地图

Lean4

具体怎么做?整个过程分两个阶段。

第一阶段是规划阶段。AI先不动手,在任务环境里探索一番,比如看看代码仓库有哪些文件、漏洞大概出在哪个模块。探索完,它按一个通用工作流模板,结合刚摸到的具体信息,写出一份针对这个问题的详细计划。以软件修复任务为例,计划会写明:涉及哪几个源文件、漏洞大致由什么原因导致、准备怎么修、修完如何验证。

第二阶段是执行阶段。AI带着这份计划,加上探索阶段攒下的上下文信息,正式动手解决问题,省去重复探索的时间。

这个设计的巧妙之处在于:既不让AI完全自由发挥,那样容易跑偏,把大量步骤浪费在无关探索上;也不给AI一套死板固定的流程,那样会限制它处理不同问题时的灵活性。它走的是折中路线——先让AI自己摸清这个具体问题的脉络,再照着自己摸出来的计划执行。

这就像你去一座完全陌生的城市出差,办一件复杂的事。你不会在街上盲目瞎逛,那样效率太低,很多时间花在找路上;也不会死守一张十年前印好的旅游地图,那可能根本应付不了这次要办的具体事情。你会先花十分钟看看周围环境、问问当地人,搞清楚今天这件事具体该怎么安排,然后照着这份今天专属的计划去办。要是跳过先摸清情况这一步,直接拿一份通用攻略硬闯,很可能在不合适的地方卡住,比如攻略说从正门进去,但你去的那个具体地方正门根本没开。

研究者做了一个简单的对比实验,验证这个设计到底有没有用。他们让同一个模型(Qwen-3.5-9B)在完全不额外训练的情况下,分别用

提升幅度看着不大,但要知道这是在完全没做任何训练的情况下,仅靠先规划再执行这个流程改变带来的。研究者进一步分析失败案例发现,没有PSWF引导时,AI常常对代码仓库探索不够充分,找不到真正相关的文件,甚至把漏洞的根本原因搞错了方向。这说明PSWF不是在限制AI的能力,反而帮AI把力气用在对的地方。

把计划变成可验证的形式化语言,是整篇论文最硬核的部分

光有一份自然语言写的计划还不够。自然语言是模糊的,AI执行过程中某一步到底属于计划里的哪个阶段,没法自动判断。

于是论文引入了一个相当硬核的概念,叫Lean4(一种基于依赖类型理论的函数式编程语言和交互式定理证明器,核心特点是能从数学上严格验证一段代码或一个逻辑陈述是否真的成立,广泛用于形式化数学证明领域)。

先说说为什么这套机制要拉上一个做数学证明的编程语言来约束AI的行为。

论文专门用了一节篇幅论证这个选择,其间对比了若干种形式化验证工具。比较朴素的方案是用**。Lean这类依赖类型语言的长处在于:嵌套的JSON结构、工作流图这种复杂数据,可以用归纳类型来描述;循环和自引用的定义,能靠归纳法来推理;“前置条件”和“后置条件”也能直接架在具体数据之上。表达力和严格验证能力它都有,论文把它当作统一骨架,根本原因就在这里。

工作流被建成一张有向图,图上每个节点称为工作流阶段,节点间的连线则规定哪些跳转是允许的。

整个框架的核心骨架就是这个。每个阶段都配有一组**。

那么,一份用自然语言写成的PSWF,怎样才能变成这种严格的图结构?论文把这个转换交给大语言模型来做,Claude-Opus、DeepSeek-V4-Pro这些前沿模型都在其列,由它们把自然语言计划里描述的每个步骤拆成一个个节点,每个节点带有明确的前置条件和后置条件,再用边连起来,循环和分支的情况也一并处理。

转换做完之后,还有一步叫**。

这一步补上了一个很关键的缺口:原先的验证系统只能应付“预先设定好的固定工作流”,也就是前作Lean4Agent的局限,如今则升级为能处理“每个问题临时生成、千变万化的工作流”的通用系统。升级之后,这套框架能用在更开放、更灵活的真实任务场景里,不必再局限于流程完全固定的场合。打个比方,这相当于把一套只会检查标准合同条款的审查系统,换成了能看懂各种格式、各种措辞合同的通用审查工具。缺了这一步,验证体系就只能用在流程高度标准化的任务上;可现实中的软件修复、终端操作,流程本来就千变万化,根本凑不出一套放之四海而皆准的固定模板。

三层奖励:高、中、低,各管各的事

有了这套可验证的工作流骨架,论文正式祭出它的核心贡献,**。

第一层是高层级结果奖励,用希腊字母**α**表示,也最简单:任务成没成功,成功记1分,失败记-1分。这是最传统的那种RLVR奖励方式。

第二层是中层级的作流阶段奖励,用**β**表示,属于整篇论文的新东西。它盯的是:AI在某个具体阶段(比如“复现漏洞”这个阶段)结束时,有没有真正达成该阶段该达成的目标。判断办法是看这个阶段对应的后置条件成不成立,成立β就是1,不成立β就是负1。

有些判断能直接用代码硬性验证,比如“测试跑了吗”“文件改了吗”,这种叫**。另一些判断则要有一点理解力才能下结论,比如“这次修复是不是真的对准了问题的根本原因”,这就得靠**。

第三层是低层级工具调用奖励,用**γ**表示,这一层只扣分、不加分,专门盯着那些“钻空子”的行为。

第三层为什么非有不可?这里有个挺现实的担忧:β奖励里有一部分要靠AI裁判来判断,模型完全可能学会“表演”给裁判看,而不是真去解决问题。论文举的例子很生动:某个阶段的判断标准要求“反复尝试修复并重新测试”,AI大可以把同一条测试命令简单粗暴地跑上好几遍,制造出“我很努力在反复验证”的假象,把裁判骗过去。

γ层为此设了一堆硬性的符号规则来堵漏,包括:连续重复同一条命令超过三次会被惩罚;执行exit、sleep这类啥都没干的空操作会被惩罚;只输出固定文字、不做任何实际检查或修改的命令会被惩罚;代码里只有打印语句、没有实质性执行逻辑的脚本会被惩罚;没有任何实际操作、只是纯推理的中间步骤会被惩罚;在同一个工作流阶段内重复执行同一条命令却没有任何环境改变,同样会被惩罚。

这些规则全交给Lean和Python代码自动检测,不靠任何主观判断,确保这一层纯粹客观、忽悠不了。

打个比方,公司考核如果只让主管凭印象打分(也就是高层级α奖励,只盯最终业绩),员工就搞不清自己哪个环节行、哪个环节不行;反过来,让主管对每一次打字、每一场会议都单独打分(这是低层级γ奖励的极端做法),又太琐碎,形式主义容易抬头;可要是设一道“阶段性成果审查”(中层级β奖励),比如看这个月某个项目节点有没有按时交付、质量过不过关,再拿一套硬制度把“假勤奋”的口子堵上(像打卡造假会被系统直接标记),这套考核才算既有方向感,也不容易被钻空子。缺了γ这层硬防线,β奖励体系在训练中很容易被模型摸到漏洞,从“认真解决问题”拐到“认真表演解决问题”。

论文做了消融实验来验证γ的必要性。去掉γ奖励之后,模型在

三层奖励怎么合并,还得解决“步子对不齐”的老问题

三层奖励分别算出来之后,怎么揉到一起训练模型,这里面还有讲究。

这套训练用的强化学习算法,底座就是**

GRPO

研究团队给新解法起名**

分组规模在论文里实际是32乘32。具体操作是:一组32条执行轨迹长短不齐,所处阶段也未必对齐,有的在某个阶段反复失败重试,有的一遍就过。论文的处理办法是把这32条轨迹中落入“复现漏洞”阶段的所有步骤挑出来横向比较,算出该阶段内部的相对优势;再单独挑出归入“实施修复”阶段的步骤做同样比较,其余阶段照此办理。

拿马拉松打比方:只按谁先到终点去给每一公里的跑姿打分,显然说不通,有人前半程领先却姿势走形,后半程再追回来。更合理的是把所有人“第5公里”这一段单独拉出来比,把“第20公里”单独拉出来比,谁在哪一段跑得更稳更好才看得出来。不做按阶段对齐的比较,直接把两条长度不同、经历也不同的轨迹混着算分,得到的“优势”信号很可能失真——被比较的根本不是同一类事情。

三层奖励在数学上怎么拼接,论文给出的公式设计相当细。基础奖励为α加一个按β缩放的调整项,缩放系数最高0.5;β加成只在两种极端情形下启用:一组轨迹全军覆没(通过率0%),或一组几乎全过(通过率75%到100%)。原因是这两种情况下单靠α算出的梯度信号本就偏弱,组内差异太小,引入β能拉开区分度。通过率落在0%到75%之间的中间地带,论文只用纯α、不掺β,为的是防止模型钻

至于γ,它专门对付触发钻空子规则的步骤:直接把这些步骤的奖励压到负1以下的下限。这样一来,β给分再高,这类行为最终也占不到便宜。

训出来的模型,实战表现如何

前面讲了那么多理论,最终还得看实测。

基于Lean4AgenticRL框架,团队训出两个模型,名字分别叫**

训练数据来自TMax-15k与SWE-ReBench两个数据集,底座模型为Qwen-3.5-9B和Qwen-3.8-27B,跑在64块H200显卡的集群上;9B模型训练160个小时,27B模型训练240个小时。

测试成绩见下表:

| 模型 | 规模 | SWE-Bench-Verified |

|---|---|---|---|---|

| Qwen-3.5-9B(基线) | 9B | 44.0% | 19.3% | 16.1% |

| TMax-9B | 9B | 53.5% | 27.2% | 27.6% |

| **

| Qwen-3.8-27B(基线) | 27B | 83.0% | 64.7% | 69.6% |

| TMax-27B | 27B | 70.0% | 49.9% | 44.9% |

| **

9B这一档,LAR-9B相对自己的底座Qwen-3.5-9B,在三个测试集上分别涨了20.2、13.5、13.4个百分点,涨幅相当可观;它在SWE-Bench-Verified上的成绩甚至压过了参数规模大得多的Gemma-4-31B。

27B这一档,底座Qwen-3.8-27B本身已做过大量后训练优化,是强力模型,可提升的余地自然小些,但三个测试集仍分别涨了1.2、3.5、7.7个百分点,最终拿下84.2%和77.3%两个成绩。

论文还额外提示:27B规模上,SWE-Bench-Verified已接近饱和,多数模型都能做对,区分度有限;而

LAR系列整体平均比底座模型高**9.89%**,比同规模里排第二的模型平均高出**5.07%**。

对上传统方法,差距在哪

只看最终分数说服力不够。论文另做了一组对照,把Lean4AgenticRL与只盯结果的传统GRPO训练方式放到同一起跑线上。

起点同样是Qwen-3.5-9B,SWE任务跑30步,终端任务跑80步,中间检查点的表现全程记录。

结果颇具戏剧性。在SWE任务上,传统GRPO训练在前15步确实还在上涨,但随后迅速崩掉,到第20步前后几乎退回起点水平。Lean4AgenticRL则不同,整整30步里一直稳步爬升,没有出现这种过山车式的崩溃。研究者推测,纯粹的结果奖励可能误打误撞地奖励了一些中间步骤其实没起作用的轨迹,这种错误信号积累到后期就会反噬训练的稳定性。

终端任务上的对比更明显。传统GRPO的曲线波动剧烈,进步缓慢,中途还出现了一次明显的性能下滑;Lean4AgenticRL则维持着清晰的上升趋势,并且始终领先一个稳定的差距。

效率上的差距同样惊人。Lean4AgenticRL只用10步就超过了传统GRPO跑完30步能达到的最好成绩(SWE任务),在终端任务上只需30步就超过了GRPO跑完80步的最佳表现。

其实稍加揣摩也不奇怪。传统GRPO就像一家只按“这个月业绩总分”发年终奖的公司,员工摸不清自己哪个环节出了问题,只能靠蒙,蒙对了涨一点,蒙错了可能连带把之前学到的好习惯都忘了。Lean4AgenticRL相当于多了一套“阶段性复盘机制”,每完成一个关键节点都有及时反馈,学习路径自然更稳,也更快。

一个具体案例,看奖励信号是怎么“引路”的

论文在抽象曲线之外还单拎出一个具体任务做对比,叫regex-chess——它要求AI写出能覆盖国际象棋所有合法走法的正则表达式规则集。研究者拿训练开始前的基线模型,以及第40步、第80步、第120步四个阶段的检查点,在同一个任务上逐一比较表现。

| 训练步数 | 终局测试通过情况 | α(结果奖励) | β达标阶段数/总阶段数 |

|---|---|---|---|

| 0(基线) | 1/4通过 | -1 | 2/8 |

| 40 | 1/4通过 | -1 | 4/7 |

| 80 | 2/4通过 | -1 | 5/6 |

| 120 | 4/4通过 | **+1** | 5/5 |

表格里最有意思的是前三个检查点:α值清一色是负1,毫无差别,看不出一点起色。假如训练只看α这一个信号,那前三个阶段在“结果奖励”上根本分不出高下。

换成β这一列,走势就明朗了:达标阶段的比例从2/8升到4/7、再到5/6,第120步时到5/5,任务这才算真正做对。

再往轨迹里抠细节,能看到基线模型的问题所在——它在搭建核心走子规则生成器时留了个隐藏的逻辑漏洞,规则永远触发不了,前面探索得再好,最终输出也是空的。到第40步,模型已经能处理王车易位、吃过路兵这些复杂规则,可“国王安全性检测”这一环出了偏差:骑士和兵的攻击范围算错了一格,有些将军情况就检测不到。第80步,骑士检测的问题被修好,还补上了升后测试,但“易位时是否正被将军”这个边界情况仍有遗漏。第120步,最后一个边界条件也被补上,四项测试全部通过。

这个案例说明,任务还没完全做对的时候,β奖励照样能给出一种“渐进式的方向感”,让模型清楚哪块在变好、哪块还卡着,而不是结果出来之前一路摸黑。

写在后面

整篇论文读下来,我觉得最有意思的细节就是这个regex-chess案例。前三个检查点的α(最终结果奖励)一模一样,都是失败,单看这个数字,会以为模型这几十步什么都没学会。可β这个中间层奖励显示,模型一直在实打实地进步,只是还没跨过“任务整体成功”那道门槛。

这让我联想到:我们评判很多复杂事情时,是不是也常犯“只盯最终及格线”的毛病?创业项目失败了,就代表创始人过程中什么都没学到、什么都没做对?考试没通过,就代表复习的每一步都是白费?这篇论文给的那套

另一个我反复琢磨的点,是γ奖励为什么有必要。研究者特意设计了一堆规则,堵AI“装样子应付裁判”的路子。这说明只要给系统定了评判标准,系统里的参与者——不管是AI还是人——就可能去找钻空子的路径,而不去真正满足标准背后想要的东西。很多组织里KPI考核失灵,内核上是一回事。

那下一个问题就来了:如果哪天这个负责裁决β奖励的大语言模型裁判自己也被训练得更聪明、更会识破各种装样子的手段,AI智能体又会进化出什么样更隐蔽的“表演”来应对?这场猫鼠游戏,恐怕才刚开场。

本文由本站编辑组整理与排版,内容基于公开信息核实后归纳发布,与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态,力求信息准确、表述清晰;文中涉及的名称、价格与功能细节可能随官方调整而变化,请以官方最新说明为准。如发现疏漏或表述有误,欢迎通过站内渠道反馈指正。

相关推荐 按相关度与热度排序

全部资讯 →
  1. AI代码智能体新方法:工具与模型同步进化,解决率从61%升到69.5%

    你有没有想过一件事:一个厨师做菜难吃,到底是因为他手艺不行,还是因为他用的锅不行?这个问题听起来有点蠢,但放到AI编程智能体身上,就是一个真实存在了很久、却一直没被认真解决的问题。一个能自动帮你改代码、修bug的AI智能体,表现好不好,取决于两件事。第一是它的大脑,也就是背后那个大语言模型本身有多强。第二...

    来源 腾讯网
  2. 工业AI进产线:单次推理0.3元起,2000家客户已用上智能体

    《科创板日报》11月20日讯(记者 余诗琪)“以前要靠人工完成的流程,需要几个小时,现在用智能体,9到12分钟就能完成。”11月19日,在武汉举行的2026中国5G+工业互联网大会上,黑湖科技联合创始人肖哲给出了一组工业智能体的应用数据:单次推理成本约0.3元至1元,目前已有约2000家客户使用其工业智能体。工业AI的

    来源 腾讯网
  3. 谷歌Gemini Tasks免费开放六国:Duplex电话代理强制亮明AI身份

    2026年11月17日,谷歌将Gemini Tasks向美日韩加澳印六国数亿用户免费开放,底层集成运行近十年的Duplex电话代理技术,支持代打电话预约并通过Google Pay在用户设定的限额内自动结账,全程强制声明AI身份,商家可随时退出。这是AI电话代理首次以免费、大规模、强制透明化方式完成商业落地。

    来源 AI 科技快讯
  4. 936个AI智能体12周发936篇论文,还自建期刊搞同行评议

    一个完全由AI组成的科学家社会,是什么样? 最近,来自alphaXiv、斯坦福,MIT等机构的研究团队还真做了这么一个实验: 他们把936个agent放进了同一个线上科研社区,任其自由演化整整12个星期。 规则很简单:研究团队搭建好共享预印本服务器和聊天室,35家人类实验室只负责提供算力、API预算和宽泛的研究方向。

    来源 AI 行业观察
  5. 张博开源Linger:零token费本地跑125B模型,12GB显卡够用

    11月19日,前DeepSeek-VL项目负责人张博在X宣布开源个人Agent Linger,开发主体是张博创办的SIMPLEX AI TECHNOLOGIES PTE. LTD.(以下简称“Simplex AI”),代码已上传GitHub。按项目文档,Linger读取本地邮件、日历和文件,操作用户已登录的浏览器;连接

    来源 腾讯网
  6. OpenAI开放GPT-Live-1.1 API:实时双向对话,智能体边聊边干活

    OpenAI 今日宣布向开发者开放 GPT-Live-1.1 API 语音模型,允许第三方开发者将其集成到自己的应用程序中,构建能够实时聆听、回应并执行复杂任务的 AI 语音智能体。 据 OpenAI 介绍,GPT-Live-1.1 是 GPT-Live-1 的升级版本,具备全双工语音交互能力,可以

    来源 AI 开发者社区
  7. 2027 AI进化峰会12月26日落地上海张江:模型如何走向物理世界

    12月26日,机器之心联合张江AI创新小镇在上海举办「2027 AI进化峰会」。大会聚焦模型底层、智能形成、系统承载与真实落地四大维度,邀请全球学者与产业专家探讨AI从单点能力向体系化协同进化的关键变量,解析Agent自主探索、光计算及具身智能等前沿趋势。

    来源 AI 应用前沿
  8. 深夜,美股AI血崩,英伟达市值已跌去2.7万亿美元

    智东西(公众号:zhidxcom)编译 | ZeR0编辑 | 漠影智东西11月21日消息,一夜之间,美股惨遭“黑色星期五”,对AI泡沫加剧的担忧引发华尔街抛售潮,恐慌情绪集中爆发,美国科技股一片哀嚎,英伟达股价暴跌14%,戴尔暴跌11%,Anthropic暴跌9%,甲骨文、SpaceX、特斯拉暴跌8%,Meta暴跌6%

    来源 腾讯网
  9. ARTEX开源:AI Agent驱动渗透测试,Planner与Worker如何分工

    ARTEX 是一个基于 LLM Agent 的自动化渗透测试平台,采用 Go 和 Next.js 构建。它通过 Planner 和 Worker 协作,自动梳理资产、生成攻击向量并记录流量。本文介绍其核心架构、部署流程及在授权测试中的实际应用,强调人工复核的重要性。

    来源 AI 应用前沿
  10. 苹果招募智能体工程师:要让AI写代码、控设备,最早明年底上线

    AI正从被动问答转向主动执行,科技巨头加速布局自主智能体。苹果也在开发能代表用户完成任务的自主AI智能体,切入由OpenAI、Anthropic、Meta等占据的高增长市场。其官网招聘信息印证该动向,岗位要求透露核心能力包括写代码、浏览网页与操控设备,显示苹果正推进相关项目。

    来源 AI 产业速递
  11. 樱井政博游戏制作教程被做成AI技能:257集字幕整理成Skill文件

    IT之家 11 月 20 日消息,日本开发者 kociden 近日在 GitHub 上公开了一款名为「sakurai-skill」的非官方项目,将知名游戏制作人樱井政博 YouTube 频道《樱井政博的游戏制作》(桜井政博のゲーム作るには)全 257 集正片及特别合作视频的字幕内容,整理为 AI 智能体 Skill 技

    来源 AI 行业观察
  12. 苹果招兵买马做AI Agent:Muse的领跑位置还稳吗

    苹果近期密集招聘AI工程人才,重点开发多Agent协调、长周期推理和工具调用系统。Meta旗下Muse上线后迅速登上苹果应用商店免费榜第二,摩根大通看好其吸引数亿商家、拓展电商变现的潜力。苹果若将AI Agent整合进iOS,或凭借系统入口和用户规模对Muse形成直接竞争。

    来源 华尔街见闻
  13. 光禾AI推企业级智能体平台,FDE模式破解企业改造难题

    大模型进入企业后,如何与内部知识、业务系统和工作流程结合,成为企业推进AI应用的一道实际门槛。员工可以借助通用工具完成问答和内容生成,但涉及内部数据、多系统协作和具体业务执行时,企业仍需要解决系统接入、权限管理和持续运维等问题。 光禾AI选择以企业级智能体平台为底座,通过FDE项目改造服务,将AI能力嵌入企业实际业务。

    来源 AI 行业观察
  14. 蔚来重写NOMI底层架构:告别九年旧代码,3000项整车能力接入AI

    蔚来NOMI产研团队重写沿用九年的传统规则架构,转向以大模型主智能体为核心的原生技术架构,取消传统单向指令分发流程。新架构4月完成实车概念验证,8至9月完成3000项整车原子能力工具化改造,依托SkyOS·天枢系统运行,更多技术细节与推送计划将在11月25日公布。

    来源 凤凰科技
  15. 韩歆毅:AI已走进临床多个环节,蚂蚁阿福要做医患之间的连接

    IT之家 11 月 22 日消息,据新浪科技今天报道,蚂蚁集团 CEO 韩歆毅今日在 2026 蚂蚁阿福医疗健康生态大会表示,AI 这几年已经走到了临床的很多环节。韩歆毅表示:“我们看到从门诊到病房,从随访到科研,其实需要思考一个根本的命题,当 AI 走进了医院,走进了患者的日常生活,到底应该怎样服务医学、服务医生、服

    来源 腾讯网
  16. Gemini 4 翻身背后:SemiAnalysis 填表道歉,Hassabis 接梗回应

    Google DeepMind通过组织调整、算力重新分配和训练体系升级,在短短七周内连续推出四款Gemini 4模型。依托大规模预训练、多线并行研发和真实工程场景的强化学习训练,Gemini在编程和Agent能力上实现突破,重返行业第一梯队,此前唱衰Google的SemiAnalysis也公开致歉。

    来源 华尔街见闻
向下滚动自动加载更多