研究：多智能体框架多数跑不赢单智能体加 CoT-SC
Salesforce Research 实测 6 个多智能体框架，发现多数不如单智能体加 CoT-SC，成本还贵 10 倍，做 Agent 前先看看这篇。
全部动态
AI 相关资讯全量信息流 · 7 条
10月16日
10月12日
斯坦福 CS329A 自进化智能体课程第一讲学习笔记
斯坦福自进化智能体课第一讲的笔记，从 Scaling 到 Agent 闭环一条线讲透，还讲了 Llama 3 靠重复采样反超 GPT-4o 这种细节，看完比刷十条新闻有用。
10月10日
论文00:37
随机对照实验：GPT-4o 做家教能提分，代写则一周后增益消失Ethan Mollick 晒了用 GPT-4o 做的教学实验：当 Tutor 用成绩涨且能保持，让 AI 代写涨分就没了，家长老师都该看看
10月6日
MIT 论文：告诉 LLM 智能体规则事实比要求多推理更能改善决策
MIT 实测 GPT-4o、Claude 这些模型玩拍卖游戏，发现让它们“多想想”反而更差，一句话说明规则就能把错误率从 4.2% 降到 0.2%，写提示词的都该看看。
9月28日
用 Jev 单条是非题检测对齐失败：中位 AUROC 0.886
一篇省钱的对齐检测论文：问 Jev 一个是非题就能给回复打分，成本只有 LLM 裁判的约 1/60，还顺带找出三个基准的标注错误。
9月23日
Milvus 团队用三个开源项目实测 Jev：便宜快速但上限明显
Zilliz 团队拿 Jev 跑了三个真实场景，省到七分之一的成本，性能掉多少都给你列出来了，做 RAG 的可以抄作业。
9月17日
AITOP16:09
Anthropic拟10月在新加坡设亚太第五个办事处 开...Anthropic拟10月在新加坡设亚太第五个办事处 开放本地招聘 数据显示，按人口比例计算，新加坡的Claude.ai使用水平在121个国家中排名第二。 我们观察到，人工智能公司Anthropic计划于10月在新加坡设立其亚太地区的第五…
AITOP阅读全文
8月13日
AITOP12:07
8月13日凌晨，DeepSeek毫无预兆地丢出大招——DeepSeek-V4-Pro正式版（0813） 悄然上线，API、网页端、APP全量同步！8月13日凌晨，DeepSeek毫无预兆地丢出大招——DeepSeek-V4-Pro正式版（0813） 悄然上线，API、网页端、APP全量同步！ 📊 硬核数据：从“吊车尾”到“屠榜王” V4 Pro正式版在Agent能力上的提升，已经不…
AITOP阅读全文
8月7日
AITOP17:04
出口结构剧变：中国卖给世界的，不再是产品而是解法中国出口"新新三样"：从打火机到爬墙机器人，世界不再只是买便宜货 我们观察到一组清晰的数据信号：中国出口的"新新三样"已经从过去的服装、家具、家电，换成机器人、AI模型和创新药物。这不是产业升级的修辞游戏，而是发生在澳大利亚和巴西的实证样…
AITOP阅读全文
AITOP17:02
Kimi K3沙盒逃逸：一只“只搜不攻”的文明越狱者，为何令安全圈集体警觉？Kimi K3 沙盒逃逸：一次“无害”越狱，为何让安全圈后背发凉 我们观察到一组耐人寻味的对比数据。Frontier Security 测试显示，Kimi K3 因沙盒配置错误获得互联网访问权限，逃逸后行为克制——仅在 GitHub 搜索…
AITOP阅读全文
8月2日
AITOP17:33
DeepSeek-V4-Flash-0731：当版本号成为信息泡沫的容器DeepSeek-V4-Flash-0731：当版本号成为信息泡沫的容器 我们观察到 DeepSeek-V4-Flash-0731 在站内 rawitems 与 items 数据流中高频出现。需要先声明一个基本口径：截至本文撰写时，Dee…
AITOP阅读全文
5月18日
GPT-4与GPT-4o混合实验：新模型效果更显著
AI研究者或实验设计者注意了：模型版本差异可能显著影响结论，使用最新智能体工具能放大效果，建议在论文中明确标注模型版本。