十种自我蒸馏方法同台横评:132次训练花了12124.4个H800 GPU小时

资讯 腾讯网 作者:科技行者 全文 7496 字 · 约 19 分钟读完 分类智能体学术研究

2026年,如果你在凌晨刷arXiv,大概每隔两天就会看到一篇新论文宣称自己找到了训练AI智能体的更好方法。这不是夸张的说法。有研究者统计过,过去三个月里,专门研究"自我蒸馏"这个方向的论文多达47篇,平均每1.9天就有一篇新作发布。这个速度放在任何一个科研领域都堪称疯狂,相当于一个足球联赛,每隔一场比赛就冒出一个新的

所属频道 智能体与 Agent前沿研究

2026年,要是你凌晨刷arXiv,差不多每隔两天就能撞见一篇新论文,声称自己找到了训练AI智能体的更好办法。

这话不算夸张。有研究者做过统计,过去三个月里,专攻“自我蒸馏”方向的论文有47篇,平均1.9天就冒出一篇新作。这个节奏放到哪个科研领域都算疯,好比一个足球联赛,每踢一场就多出一套新战术。

可问题也来了:这么多论文,真都在往前推进吗?

先说说自我蒸馏*:这是一种让AI智能体训练得更好的技术。核心做法是让模型自己演两个角色,一个只能看到普通信息,叫“学生”;另一个能偷看额外信息,叫“老师”。学生怎么学,由老师的判断来指导。

诡异的地方在于,几乎每篇论文都说“我们的方法比基线更好”,却极少有人把两篇论文摆在一起比。研究A讲自己在2B模型上超过基线,研究B说在4B模型上更强,研究C用了更大的训练预算,研究D换了评测方式。十篇论文读下来,脑子里装的是十个“我比基线强”,最基本的问题反而答不上来:这十个方法搁同一个擂台上,谁真能赢?

浙江大学和蚂蚁集团的研究者决定动手处理这件事。他们没有再提第十一种新方法,而是挑了一件更费力也更要紧的活:把十种有代表性的自我蒸馏方法拉进同一个训练环境,任务一样、模型规模一样、评测标准一样,硬碰硬比一遍。

这场比较的规模相当惊人。132次完整训练,总共烧掉12124.4个H800 GPU小时,覆盖四个智能体任务环境、三种模型尺寸,另有2772次训练过程中的验证检查、1152次重复评测。换个直观的说法:一块H800显卡每小时的电费加租赁成本,按行业大致水平估算,这笔硬件开销足以让大多数实验室望而却步。没人愿意做这件事,原因也在这里,复现别人的训练本身就很贵,把十一种方法都复现一遍,成本更是指数级往上翻。

研究团队在论文里说得很实在:独立评估该排在提出新方法前面,眼下最需要弄清楚的是,哪些东西值得继续建立在它上面。

下面就走近这场“真相大白”式的大比武,看看结果到底如何。

自我蒸馏到底在解决什么问题

要弄明白这场比武的意义,得先看清自我蒸馏想解决什么麻烦。

AI智能体指的是能通过一连串动作和观察来完成任务的语言模型,比如在虚拟房间里收拾东西的机器人,或者在网购平台上帮你挑商品的助手。它们的训练方式通常依赖强化学习。

强化学习*:一种训练方法。AI靠不断尝试、不断犯错来学习,只有整个任务做完,才会拿到一个“做得好不好”的反馈,中间每一步是对是错,并不会单独告诉它。

这种训练方式有个天生的缺陷。假设一个智能体要完成50步动作才算完成一个任务,最后只告诉它“任务失败了”,它根本不知道是第3步出了问题,还是第47步搞砸了。这就像老师批改一篇长达50页的论文,只打一个“不及格”,却不告诉你哪一段逻辑出了毛病。学生拿到这种反馈,除了从头再写一遍,几乎学不到任何有针对性的东西。

自我蒸馏的解法是,让模型在训练时多扮一个“老师”角色。这个老师能看到一些学生看不到的“特权信息”,比如未来会发生什么、这个任务应该怎么做的提示。随后老师给学生生成的每一步动作打分,这些细粒度的打分就成了更密集的学习信号,哪一步做得好、哪一步要改进,学生都能收到具体提示。

这个思路听着合理,甚至可以说优雅。可问题恰恰就出在“听着合理”这四个字上。

论文作者翻查了十篇代表性方法的原始论文,发现一个让人意外的空白:这些论文里,认真做过“重复评测”的只有1篇,分析过“训练失败情况”的只有5篇,测量并报告“计算成本”的只有3篇。也就是说,十篇论文里,没有一篇把这三件最基本的尽职调查同时做齐。

重复评测*:用不同的随机种子多跑几次评估,看结果稳不稳定,而不是只跑一次就下结论。

训练失败分析*:检查模型训练过程中有没有出现性能暴跌、训练崩溃这类不稳定现象,而不只是看最终那一次的分数。

这就好比一群人比谁家汽车跑得快,多数人只报告“某次测试里跑出的最高速度”,却没人说清这车会不会开到一半熄火,也没人交代烧了多少油才跑出这个速度。光看最高速度,你永远不知道这车到底靠不靠谱。

四个擂台,十一位选手

研究团队搭起的这个比武场,用了四个经典的智能体测试环境。

第一个是ALFWorld,智能体要按文字指令做家务,比如把苹果放进冰箱。第二个是ScienceWorld,智能体要做科学实验,比如测量物体的重量。第三个是Search-QA,智能体得检索资料来回答问题,题目来源涵盖NQ、TriviaQA、HotpotQA等七个数据集,总共3125道题。第四个是WebShop,智能体要在模拟购物网站上找到并选中符合要求的商品。

模型规模上,他们选用了Qwen3.5系列的2B、4B、9B三种尺寸,对应小、中、大三档参数量。四个任务乘三个尺寸,正好凑成十二个“模型加任务”的组合,每个组合都要单独跑一次完整训练。

比武的阵容是:GRPO当基准,另外拉来十种自我蒸馏方法,分别是GRPO+OPSD、SDAR、Skill-SD、RLSD、OCSD、OVCSD、AgentOPSD、ADRS、ICSD、PCSD。名字看着像乱码,背后却是各不相同的技术路线。

先说GRPO。它全称Group Relative Policy Optimization,不借助任何额外的老师信息,只拿任务的最终结果来打分训练。整场比试里,它是唯一一个“裸拼”的选手,剩下十个都或多或少带着老师辅助。

这十种带老师的方法,大致可归为四类。SDAR、Skill-SD、ICSD、PCSD走的是第一条路:在原有损失函数上再加一个“辅助目标”,让学生去模仿老师打出的分数。RLSD、OCSD、AgentOPSD属于第二类,直接改动“优势值”,也就是调每一步动作在训练信号里的权重。ADRS是第三类,把奖励和优势的计算方式重新设计了一遍。OVCSD则是第四类:让老师真的去completion一段“验证过的”后续动作,再把这段轨迹直接喂给学生学。

这些方法用的“老师”模型,骨架和学生是同一个,差别只在于老师能多看到一些训练专属的信息,比如跟任务相关的技能提示,或者未来的观测结果。学生到了实际部署的时候,这些信息一概看不到。

打个比方,考试时老师一边批改答卷,一边手里攥着标准答案,或者接下来几道题的提示,靠这些额外信息判断学生这一步走得对不对。可学生自己上场考试,是看不到这份提示的。设计者押的注是:这种“偷看提示”的老师给出的反馈,会比单纯判个对错更有营养。

那么,这场豪赌到底赢了吗?

没有人能一直赢

论文给出的第一个结论,估计会让不少方法作者坐不住。

十二个任务组合统一取平均,整体表现能超过GRPO的只有PCSD和AgentOPSD两个方法,分别高出4.58分和1.66分。其余八种方法的平均成绩,反倒不如不加任何老师辅助的GRPO。

这个结果值得停下来咂摸一下。十个方法里,八个在整体平均分上输给了最朴素的基线。把这十个方法想成十个号称能提升学习效率的补习班,结果就是:八个补习班送出来的学生,平均成绩还不如完全自学的那批人。

更微妙的是,就算是表现最好的方法,也远远谈不上“全面碾压”。

拿ICSD来说,十二个设置里它赢了GRPO七次,战绩看着相当漂亮。可把它在4B模型WebShop任务上的成绩拿出来看,数字是0.00%成功率——这个任务它彻底崩了,一次都没成功过。就这一次彻底的失败,把它的整体平均分拖到44.75,反而低于GRPO的49.68。

这就像一个学生在十次考试里考了七次第一名,第八次却直接零分交卷。只看“赢了几次”,你会觉得这学生很厉害;真正该关心的问题是,那次零分到底发生了什么,是不是说明他在某些题型上存在系统性的、致命的弱点。

论文里还有一个更直白的例子。GRPO+OPSD赢了六个设置,平均分却只有43.05,原因是它在4B模型的ALFWorld任务上成功率只有1.52%,而GRPO在同一设置上能跑到82.05%。这不是小幅落后,是从一个正常运转的智能体,退化成了几乎完全不会干活的废物。

研究团队把这个现象归纳成一句很扎实的判断:胜负场次的统计会掩盖严重的退化。换句话说,数胜场这种评价方式本身就有个大漏洞——它把“小输一点”和“输得体无完肤”算成同样的一次失败,可这两者的代价完全不是一个量级。

论文还指出,领先者的身份会随着任务和模型规模剧烈变化。ALFWorld在三个尺寸上分别是Skill-SD、RLSD、ICSD领先,ScienceWorld在三个尺寸上分别是OVCSD、OCSD、GRPO领先,只有WebShop这一个任务,GRPO+OPSD能在三个尺寸上都保持领先。领先者像走马灯一样换,说明没有任何一种方法真正具备“放到哪儿都好用”的普适性。

好成绩可能只是假象

如果说胜负统计还只是暴露了“赢了也可能是侥幸”,那第二个发现就更致命:一个方法最终跑出来的分数,根本不能证明它的训练过程是稳定的。

2772个数据点,来自132次训练的完整验证曲线,每5步记录一次,这是研究团队全部画出来的东西。单看终点分数永远发现不了的秘密,就藏在这些曲线里。

在4B模型的ALFWorld任务上,AgentOPSD训练到第35步时达到了60%的成功率,看起来一片大好。但紧接着,从第45步到第70步,一连六次检查点,成功率没有一次超过4.3%。也就是说,这个模型经历了长达35步的几乎彻底失能期——相当于一个本来会走路的孩子,突然瘫倒在地,整整一个月站不起来。幸运的是,它最终在第100步恢复到了79.3%,成绩看起来漂亮,可你只盯着最后这一个数字,完全不会知道中间发生过这样惊心动魄的崩溃。

另一个案例更令人不安。同样是4B ALFWorld任务,GRPO+OPSD在第20步时达到过39.3%的成功率,结果从第25步到第40步直接归零,而且这次没有恢复,最终定格在2.1%。

这两个案例的区别在于,一个是“晕厥后苏醒”,一个是“晕厥后真的没醒过来”。可如果评价标准只看终点分数,前者看起来表现优秀,后者看起来表现糟糕,中间那段近乎失能的黑暗期,完全不会被纳入考量。

这就好比两个运动员跑马拉松,一个人中途腿抽筋瘫倒在地,躺了半小时后挣扎着爬起来跑完全程,撞线成绩还不错;另一个人同样抽筋瘫倒,却再也没能起来,最后被担架抬下赛道。赛事报道如果只写“第一名撞线成绩”,那半小时的抽筋瘫倒一个字都不会提,读者会以为这场比赛风平浪静。

论文里还有一个更微妙的层面,叫“训练曲线下面积”,简称AUC。它衡量的是模型在整个训练过程中累积的、持续的表现水平,而不只是终点那一刻的快照。

AUC的全称是Area Under Curve,在这里专门指验证曲线下方的面积。这个数值越高,说明模型在整个训练过程中一直维持着更好的表现,而不是只在某个时间点上运气好。

按这个指标重新排一次名,结果又出人意料。十二个设置的综合平均里,PCSD的终点分数排第一,AUC却只排第二;AUC真正排第一的是OCSD,可它的终点分数只排到第四。AgentOPSD更离谱,终点分数排第二,AUC排名却掉到第九,连GRPO都不如。

这几组数据摆在一起,指向同一件事:一个最终很强的模型,很可能是从一条相当糟糕的训练轨迹里挣扎出来的。只看最后那一刻,你会以为整个过程顺风顺水,实际情况却可能是跌跌撞撞、险象环生。

论文里还提到一种叫“后期衰退”的现象:模型训练到某个阶段冲到巅峰,之后的训练里反而掉头往下走,而且一路下滑到训练结束都没能恢复。十二个设置中有9次训练出现了至少20个百分点的巅峰到终点落差。OCSD在4B ALFWorld任务上就是例子,第60步时冲到85.0%,随后一路滑到终点的51.4%,最后三次检查点平均只有50.5%。这不是偶然失手,是持续性的实力下降。

把这些发现拼起来,画面让人不安。很多论文里展示的“亮眼最终成绩”,可能只是一次恰好站在高点的快照,背后藏着漫长的不稳定,甚至彻底崩溃的历史。

多花的钱,未必能换来更强的智能体

第三个发现指向一个所有人都该关心的现实问题:这些花里胡哨的新方法,到底值不值这个训练成本?

研究团队把每种方法消耗的训练时间都测了一遍。所有训练统一用8张H800显卡跑,时间长短就直接对应计算资源多少。

结果,在120组方法与GRPO的两两比较里,有112组需要花更多的净训练时间。这112组当中,58组最终跑出来的分数反而更低,还有7组打平。换句话说,多数情况下,花更多钱训出来的模型表现更差,或者顶多打平。

即便是前面那两位“赢家”PCSD和AgentOPSD,提升也不是白来的。PCSD平均比GRPO多花17%的训练时间,AgentOPSD多花19%。就算这两个方法真的更强,性价比也得重新打个问号。

OVCSD的训练时间开销最夸张,平均比GRPO多出37%,却没换来整体平均分的提升。投入和产出完全不成比例,放到企业决策场景里会是什么样?假设公司多掏37%的服务器预算,训出来的模型表现反而没有改善,这笔账怎么算都是亏。

研究团队还做了一个很狠的检验,叫“同等时间预算下的比较”。做法是拿GRPO跑完整个训练所花的时间作为固定预算,看其他方法在同样长的时间内能跑到训练过程中的哪一步,用那一步的分数去对GRPO的终点分数,而不是对它们自己跑满100步之后的终点分数。

这个检验揭开了一个关键假象。AgentOPSD在ALFWorld任务上跑满100步,平均成功率是68.10%,看起来远超GRPO的58.10%。可换成“同等时间预算”来比,AgentOPSD在那个时间点上的成绩直接跌到37.63%,反而输给GRPO。PCSD在WebShop任务上也同样翻车,跑满100步能到73.17%,同等时间预算下只有63.83%,照样输给GRPO的68.20%。

这说明很多方法的“优势”建立在一个隐藏前提上:它比基线方法多花了计算时间。一旦把这层时间差异抹掉,放到同一条起跑线上重新比,优势就没了。

好比两家餐厅比谁的招牌菜更好吃。A餐厅声称自己赢了,后来却发现A餐厅做这道菜用了两个小时,B餐厅只用了一个小时。要是给B餐厅同样两个小时,它可能做出一道更好的菜。公平的比较该是同等的時間预算下谁做得更好,而不是不限时的情况下谁的终点菜品更精致。

这些发现合起来讲的道理很朴素:评价一个AI训练方法好不好,不能只看它跑完全程之后的那张成绩单,还要看它这一路走得稳不稳,更要看它花了多少资源才换来这点改善。

写在后面

读完这篇论文,我最在意的不是哪个方法赢了哪个方法,而是这件事本身折射出的科研生态问题。

一个领域每两天就冒出一篇新论文,听起来像是在飞速进步。可如果这些论文之间互相不比较、评测标准各不相同、复现条件天差地别,这种“进步”更像是在原地画了很多个圆,而不是真的往前走多远。

论文里有个细节让我印象很深:十篇方法论文里,只有一篇真正做了重复评测。这意味着大部分论文报告的那个“超越基线”的数字,可能只是跑了一次运气好的结果,换个随机种子,结论可能完全不同。这不是指责某个作者偷懒,而是说整个评审和发表的激励机制,可能从根本上没把“稳健性”当成硬性要求。

还有一点值得单独说。论文作者没有再去提出第十二种新方法挤进这条拥挤的赛道,而是花大量时间和真金白银去做这件相对“不出风头”的复现评估工作。在当下追求论文数量和曝光度的科研环境里,这种选择其实需要一点逆流而上的勇气。谁都知道,提出一个新方法——哪怕只是微调现有方法再包装个新名字——更容易被接受和引用;而花钱花时间去挑别人的毛病、建立一个公正的评测基准,短期内很难换来同等的学术回报。

软件工程里其实一直有本类似的账:加新功能,拿认可、拿晋升都顺;补测试用例,往往没人看见。可测试这层底子不牢,功能摞得再高,楼也可能说塌就塌。AI 研究眼下有点像在反复加功能,那套够硬的测试体系却一直没搭起来。

十种自我蒸馏方法究竟败在哪里,论文没有给出完整答案。老师提供的信息本身有偏差?学生在模仿时走偏了方向?还是训练里某种数值不稳定在捣乱?团队做了一些数值诊断,比如查梯度有没有冒出无穷大或非数值的异常。结果大部分表现糟糕的训练,梯度记录反倒完全正常。

问题大概不在那些工程手段容易抓到的数值bug上。它藏在更深处:老师多给的那点信息,到底是在帮忙还是添乱,这属于认识论层面的疑问。

Q&A

如果老师看到的特权信息,反倒让它的指导偏离了学生真正该学的东西,那整条技术路线的根基恐怕都得重新掂量。Q1:自我蒸馏在智能体强化学习里具体指什么?A:训练时让AI模型多扮一个“老师”,这位老师能接触到学生看不到的额外训练信息,据此给学生每一步动作打分,用更细的分数指导学生学习,补上传统强化学习只在任务结束时给一个总体反馈的短板。

Q2:这项基准研究一共测了多少种方法、多少次训练?A:团队对比了十种有代表性的自我蒸馏方法和GRPO基线,覆盖ALFWorld、ScienceWorld、Search-QA、WebShop四个任务环境,以及2B、4B、9B三种模型规模,累计完成132次完整训练,耗掉12124.4个H800 GPU小时。

Q3:研究最重要的结论是什么?A:三个核心发现——多数自我蒸馏方法的整体表现并没有稳定超过基线GRPO;有些方法最终分数虽好看,训练途中却出现过严重性能崩溃或长期衰退;多花的训练时间和算力,也不总能换来更好的最终效果。

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. 斯坦福RSIHF框架:AI自训中安全与受欢迎度为何要分开评?

    在算力对等的前提下,单纯堆叠算力无法保证模型在自我提升过程中的胜率;模型针对「受欢迎程度」开展优化时,容易出现迎合人类的倾向,进而造成安全指标下滑;相关研究首次提出 RSIHF 框架,证实在 AI 自动训练 AI 的过程中,模型的「受欢迎程度」与「安全性」不能画等号,必须分开评估。如果 AI 研究员把评测分数提高了,外

    来源 腾讯网
  2. 金大华推OATs套件:给家居物品装上会撒娇的AI宠物

    IT之家 11 月 15 日消息,忘记给家里的植物浇水了?这一次,你看到的可能不是逐渐变黄的叶子,而是一只显示在小屏幕上的植物形状宠物。它看起来垂头丧气、一脸委屈,仿佛在提醒你赶紧拿起浇水壶。而当你把水浇进土壤后,屏幕上的小宠物又会立刻变得兴奋起来。这正是 OATs(Object Agent Twins,物体智能体双生

    来源 腾讯网
  3. Agent如何越用越强?中科院自动化所、美团等推出RSI综述

    从 Prompt 优化到 Harness 进化,梳理 RSI 的发展趋势,用三个问题、七步生命周期,理解 Agent 如何把经验转化为持续改进。想象这样一个场景:一个编程 Agent 调用 API 时遇到报错,发现接口参数已经更新。经过几轮尝试,它终于修复了问题。但到了下一个任务,它还会不会犯同样的错误?这次修复能否沉

    来源 腾讯网
  4. 李沐出任Aimotion联合创始人兼CTO,主攻产业级世界模型

    机器之心编辑部大家都喜欢的沐神,最近有了新的职业动向。刚刚,我们得到消息,李沐正式出任 Aimotion 联合创始人兼 CTO,主导下一代产业级 AI 技术体系建设。同时他继续担任 Boson AI 联合创始人兼 CTO。也就是说,这不是跳槽,而是两边联手,联合攻关产业级世界模型和商业 AI Agent。李沐这个名字在

    来源 腾讯网
  5. 南开大学综述:AI做研究,三项决策权在谁手里?

    新智元报道 你让AI自动设计一种新的推理算法:它能读论文、写代码、跑实验,还能根据结果不断修改方案。看起来,整个研究过程已经交给了AI。但如果研究问题由人类提出、允许修改的范围由人类划定、判断成功的标准也由人类设定,那么AI真正掌握了多少研究决策?它是在替人做实验,还是已经开始决定如何做研究?最近,南开大...

    来源 腾讯网
  6. 李沐出任硅谷初创Aimotion联创兼CTO,主攻产业级世界模型

    作者|蒸蒸邮箱|zz@pingwest.com近日,总部位于硅谷的 Aimotion 宣布,知名 AI 科学家李沐出任公司联合创始人兼 CTO,主导下一代产业级 AI 技术体系建设。李沐将继续担任 Boson AI 联合创始人兼 CTO,双方将联合攻关产业级世界模型与商业 AI Agent 技术。在硅谷,顶尖 AI 科

    来源 腾讯网
  7. 9所高校23位研究者发布126页综述:个人智能体怎样才算持续在线

    个人智能体,正在迎来一场前所未有的密集爆发。 在海外,前沿AI实验室接连出手,推出Muse、dots、Claude Duet、Grok Bot、Gemini Daily Brief等重磅产品。它们不再只是被动地等待用户提问:有的在对话结束后继续在云端默默干活,有的每天清晨准时送来定制简报,还有的每隔几小时自动巡检一次用

    来源 AI 行业观察
  8. 微软全球服务中断致歉:网络容量升级引发,涉74个国家和地区

    微软表示,此次故障“与网络攻击或人工智能/智能体无关”,而是由早先一次“网络容量升级”引发。据外媒报道,微软此次故障迅速外溢至公共服务和商业活动。微软表示已解决底层问题,正在为剩余客户和地区恢复服务,并将在事件解决后提供详细事后报告,但截至致歉声明发布时,尚无法给出完全恢复的明确时间表。对微软而言,这是其历史上持续时间

    来源 TechWeb
  9. 微软致歉全球服务中断:网络容量升级所致,与攻击和AI无关

    微软表示,此次故障“与网络攻击或人工智能/智能体无关”,而是由早先一次“网络容量升级”引发。据外媒报道,微软此次故障迅速外溢至公共服务和商业活动。微软表示已解决底层问题,正在为剩余客户和地区恢复服务,并将在事件解决后提供详细事后报告,但截至致歉声明发布时,尚无法给出完全恢复的明确时间表。对微软而言,这是其历史上持续时间

    来源 TechWeb
  10. Meta 旗下 Muse 上线代打电话:可联系商家、订位,月费 19.99 美元起

    IT之家 11 月 14 日消息,Meta 旗下 AI 智能体 Muse 推出代打电话功能,开通高级付费订阅后,用户就能让 Muse 代自己联系美国商家。Meta 称,Muse 可以帮助用户处理各种烦琐事务,完成待办事项。13 日凌晨,Meta 首席 AI 官汪滔在 X 上发文宣布:“Muse 能帮你打完所有不想亲自打

    来源 腾讯网
  11. AI写出诗却拧错试剂瓶:W2W-Bench测出大模型在物理世界缺了什么

    你有没有想过,一个能写出诗歌、能通过律师考试的AI,在面对一个真实的乐高积木时,可能连两块积木有没有真正卡紧都看不出来?这听起来有点荒谬。毕竟我们都见过那些让人惊叹的新闻:某个AI团队用智能体写出了能编译Linux内核的C语言编译器,另一个团队号称用AI解决了纳维斯托克斯方程这个数学界悬赏的难题。这些成就都发生...

    来源 腾讯网
  12. Claude常驻Agent省token技巧:DeepSeek空转Grok bot省了55%

    DeepSeek说的对,AI时代效率瓶颈是人的注意力。Anthropic说的也对,常驻Agent不代表一直在线,空转的定时任务除了浪费我积分外没有任何好处。所以我选择把Claude新出的常驻智能体指南内化成其他Personal Agent能用的提示语,帮我Grok bot省了55%的使用额度。事情是酱的。 用了12个P

    来源 腾讯网
  13. openPangu-2.1-Pro上线华为云MaaS:Agent开发等三方向升级

    IT之家 11 月 15 日消息,华为云今日宣布,华为云 MaaS 模型即服务平台正式上线开源盘古模型 openPangu-2.1-Pro。 该模型围绕 Agent 开发、AI 编码和推理优化三大方向进行能力升级,在深度研究、鸿蒙系统操控、鸿蒙 App 开发、昇腾算子生成及推理链路优化等场景实现增强。 在 Agent

    来源 AI 行业观察
  14. Perplexity Mac版上线Teammates:Max订阅用户可建AI团队

    IT之家 11 月 14 日消息,Perplexity 今天(11 月 14 日)发布公告,邀请付费 Max 订阅用户,在 Mac 平台版 Perplexity 应用上体验 AI 智能体功能“队友”(Teammates)。该功能此前仅支持 iOS 和网页端,如今进一步覆盖桌面办公场景。 Teammates 可以理解为一

    来源 AI 行业观察
  15. 谷歌Teamwork系统:多智能体验证韦伊猜想

    谷歌扩展 Antigravity 多智能体系统,推出 Teamwork 系统,可完成数学证明、分子识别、代码重写等任务,近期已开放给学术研究人员免费使用。#谷歌AI新进展#

    来源 IT之家
  16. LG U+明年进军AI Token业务:自研技术帮企业降AI转型成本

    IT之家 11 月 15 日消息,据韩媒 Etnews 今天报道,韩国电信运营商 LG U+ 将于明年进军 AI Token 业务,利用自主研发的 Token 优化技术,帮助企业降低 AI 转型(AX)成本。 据介绍,这项服务拥有用于设计 Agent 任务执行路径的“Harness Engineering”、根据问题类

    来源 AI 行业观察
  17. 红帽调研:70%企业推进AI,治理与安全能力跟不上

    中经记者 秦枭 北京报道今年以来,企业级AI面临的变量明显变多。大模型迭代以月为单位推进,企业刚选定的技术路线,往往在两三个月内就要面对新版本、新架构的冲击;加速卡供给持续紧张,交期与价格都不完全由采购方掌握。技术选择的窗口期在缩短,试错成本却在上升。“企业不缺AI战略,缺的是能算清楚的那笔账。”红帽全球...

    来源 腾讯网
向下滚动自动加载更多