Progress（进步）是人工智能领域持续发展的核心驱动力，从基础模型训练到智能体协调策略，不断推动AI技术边界向前拓展。
Progress 近期进展
Meta于2024年8月发布了EvoHarness-RL研究，该技术使AI智能体能够学习复杂的协调策略，标志着多智能体系统协作能力的显著进步。开源Skills系列近日新增了loop-me功能，帮助工程师将重复性工作委托给AI，这一进步正在改变软件开发的工作流程。DeepSeek团队在arXiv发表的HSI框架论文提出了一种创新方法，使冻结的大型语言模型能够通过分层自改进实现任务进化，为LLM的持续进步提供了新路径。后训练中被忽视的免费午餐研究发表于2024年6月，揭示了进度优势在LLM智能体训练中的关键作用，这一发现为AI进步提供了理论基础。
当前焦点与观察点
当前AI进步研究呈现出多维度发展趋势，从单一模型能力提升转向系统级协同进化。Meta和DeepSeek的研究表明，进步不再局限于模型参数量的增加，而是体现在智能体间的协调能力和自我改进机制上。开源社区的进步尤为显著，如Skills系列工具的迭代速度反映了AI实用化的加速趋势。然而，进步也带来了新的挑战，如如何平衡模型性能与计算资源消耗，以及确保技术进步的伦理边界。未来进步方向可能更多关注效率提升和实际应用场景的适配，而非单纯的规模扩张。