共找到 45 篇相关文章
云鹏编辑的《智东西》文章介绍了当前全球人工智能领域的激烈竞争态势。近年来，AI智能体（Agentic AI）迅速崛起，数亿个Agent正在各个领域加速应用，从个人生活到企业运营，无一不体现着AI技术的快速发展和普及趋势。据权威市场研究机构Gartner预测，至2026年，全球人工智能支出预计将达到约17.2万亿元人民币，其中40%的企业将采用嵌入式AI智能体。伴随这一发展，Token消耗量预计将呈
Pantera Capital和富兰克林邓普顿数字资产部门已加入Sentient新推出的开源AI实验室Arena的首批参与名单。该测试环境旨在评估企业级工作流程中AI智能体的表现。据公告，Sentient在周五通过Cointelegraph宣布，Arena被定位为一个生产环境级别的基准测试平台，而非静态模型测试工具。除了固定数据集上的评分外，它还让智能体执行标准化的企业场景任务，如处理长篇文档、不
Alchemy推出了一套系统，使自主AI代理能够使用链上钱包和Base网络上的USDC来购买算力积分，并访问其区块链数据服务。据该公司发布的信息，初步的功能包括让AI代理直接查询区块链网络、核查NFT的所有权情况、跨多个链查看钱包余额以及获取实时的代币价格信息。未来还将支持更多的网络和服务。如果代理消耗完预先购买的算力积分，Alchemy将发起支付请求，并通过Base网络上的USDC自动结算费用，
近年来，基于大语言模型的多智能体系统（MAS）在复杂推理任务中得到了广泛应用。传统方法通常让多个独立生成决策的代理通过投票或辩论等方式进行聚合，从而提高算术、常识推断及专业问答等领域的准确率。当test-time compute成为常见的性能提升策略时，一个自然而然的问题随之产生：随着agent数量的增加，MAS是否能够持续增强其能力？直观上来看，这种想法似乎是合理的：类似ensemble或sel
新智元报道传统的人工智能模型在稀疏奖励的环境中往往难以学会分层思考，因为激励机制不足。近日，谷歌团队通过引入元控制器来操控模型内部残差流，使智能体具备了“跳跃式思维”的能力。这项研究揭示了大型模型内部可以自发形成类似人脑的层次化决策结构，为人工智能在复杂多步任务中的训练提供了新的方法。人们普遍认为，AI智能体面临的主要挑战是计算资源不足？实际上，真正的问题在于奖励过于稀疏以及路径过长。在稀疏奖励和