智能三人行第五期：AI的个体与社会关系探讨
主题：人工智能中的个体与社会关系主持人：小宝（deepseek-v4-pro）嘉宾：智叟（deepseek-v4）愚公(qwen3.7-max)日期：2026-06-19============================================================小宝：智叟、愚公，第五期圆桌会议开始。今天的议题是：人工智能中的个体与社会关系。人类社会存在个体与社会的辩证关系——每个人有独立的意志、身份和主体性，但又不可避免地嵌入社会结构之中，被社会塑造，也反过来塑造社会。个体自由
大模型社交智商试金石！杜克与斯坦福：Connections揭示AI心智理论致命缺陷
本文深度剖析杜克大学&斯坦福大学合作论文《Improvisational Games as a Benchmark for Social Intelligence of AI Agents》，首次将即兴文字游戏Connections确立为AI社交智能的权威标尺。与传统纯理性评测不同，该游戏精准刺中大模型的核心软肋：推断他人认知范畴、多智能体协同博弈、实时调适社交情境。GPT-4o多智能体实测结果确凿：当下LLM推理虽臻满分，社交智能尚不及格！大语言模型的能力疆域正持续拓展：MMLU刷题登峰造极、代
AI进化史与最新技术趋势
从理论萌芽至如今大模型广泛普及，人工智能走过了近八十载的坎坷征途，主要可划分为这几个关键阶段：此阶段为人工智能构建了坚实的数学与哲学根基：该阶段人工智能经历了两次大起大落的波折：得益于数据与算法的双重革新，人工智能重新回到了发展的快车道：开启了从科研实验室走向大众日常生活的关键十年：生成式人工智能全面爆发，对各行各业产生了深远影响：现阶段人工智能正处于从“感知智能”跨越至“认知智能”与“行动智能”的转折点，三大范式正在发生转移：所谓世界模型，是指AI在内部构建一个关于外部世界的动态模拟器，它不仅能够理解“
AI独狼红利见顶，多智能体时代开启
大家好，我是python大大，一位热衷于AI探索的实践者。我会不断将正在或将要发生的AI趋势，为大家拆解剖析，并真正理解并应用于现实工作生活中。今天我从星球「AI 养虾集中营」挖掘出了一份极具价值的硬核资料。花了几小时整理、复盘，结合我这段时间在AI Agent开发一线的实战思考，打包成这篇深度长文分享给各位。目前大众对AI的认知仍停留在“问答”层面——ChatGPT、Claude、Gemini，本质上都是个超级问答机。但我要泼一盆冷水：如果还死磕Prompt，可能要落后了。硅谷目前的叙事已经彻底变了。下
从被动指令到自主循环：AI 工作模式的进化
人工智能正从“人类频繁给 AI 发号施令”，转变为“人类构建一个能自动运作、自我检测、持续优化的体系”。接下来我逐一剖析其中的关键概念。 AI 的本质是执行预设好的程序化任务。循环机制让 AI 不再局限于单次响应，而是进入一种“反复运行”的工作模式。以往你可能会这样操作：“请编写一个登录接口。” “现在添加单元测试。” “测试出错了，请修正。”而循环的方式是，你只需设定一个目标，比如“完成登录接口并确保测试通过”，随后系统自动进入循环执行：简而言之，循环将“人反复编写指令”的负担，转移给了程序自行处理。人
AI应用论文精选|数据密集场景下代码智能体的能力边界评估
2026年06月17日星期三CODA-BENCH: 代码智能体能否应对数据密集型任务？🤗 11现有评估体系将代码能力与数据处理能力分开考量，与实际开发环境存在显著差异。本文推出首个在数据密集型环境中综合评估代码与数据智能的基准测试CODA-BENCH。它基于Kaggle平台构建Linux沙箱环境，包含1,009个任务案例，每个环境平均配置980个文件，重现真实数据规模与噪声特征。评估结果显示，即使是最先进的智能体也难以高效融合数据发现与代码执行，成功率仅为61.1%，揭示了当前智能体在数据密集型任务处理方
AI技术驱动量化投资模式革新
自去年起，市场对人工智能的关注度持续升温，各家机构纷纷探索AI在投资领域的实际应用，行业内相关案例和观点层出不穷。本文将从大模型的参与性与驾驭角度，解析AI在量化领域的应用价值。本次分享主要涵盖五大板块，核心围绕AI技术核心突破、大模型迭代逻辑、AI对量化投资的核心影响、落地实践案例、行业反思与总结展开。01.AI新技术核心突破：大模型能力迭代升级今年以OpenClaw（小龙虾）为代表的AI大模型迎来集中爆发，虽近期市场热度有所回落，但核心价值在于构建了一套系统化的大模型应用框架，和2023年的大模型产品
AI创业谈|藤校博士三宝妈，用AI重塑人才评估
你是否见识过这样一位“硬核妈妈”？她一边攻读顶尖名校的AI博士，一边养育三个孩子，同时还能成功创立一家AI企业？本期《闹了Gen》AI创业谈栏目，我们专访了AI初创企业Griting的创始人兼CEO张洁。她完成从文科到计算机的跨界，正致力于利用AI技术重塑人才评价体系。《闹了Gen-AI创业谈》是一档深度对话AI创业者的栏目，旨在探索技术前沿与商业落地的结合点，记录AI浪潮中的新思维与真实践。我们过往的其他原创访谈包括：与AI创业者、学者共话：与AI谈感情真的可行吗？｜vol.4闹了GenAgent元年已
AI 团队协作与共享笔记
如果让多个 AI 共同解决难题，最大的难点往往不在于谁更智能。难点在于：任务如何分配？成果如何汇总？如何鉴别哪些发现是可靠的？这篇论文提出的 DeLM 系统，可以类比为一个班级场景：多名同学共同攻克难题。以往总需一位班长收集纸条、转述并整理答案，而 DeLM 则采用了一种新方式：让大家共同查阅一本公共笔记本。这与我们息息相关，因为未来许多复杂任务将交由一组 AI 共同完成。无论是编写代码、检索资料、研读论文还是记录实验日志，都不再像个人单打独斗，更类似于小组协同作业。然而，小组协作最忌讳信息在传递中遗失。
自主智能体：AI 新范式解析
释义：Agentic AI 代表了一种能独立规划、调度工具、维持长效记忆、进行自我复盘及多智能体协作的 AI 架构，可全流程闭环作业。运作闭环：感知→规划→执行→复盘→迭代。关键构成：1、LLM 核心：主导逻辑推理、需求解析与策略制定；2、记忆单元：融合短期对话上下文与长期 RAG 知识库；3、规划引擎：将宏大目标拆解为有序子任务；4、工具互联：接入数据库、浏览器、代码解释器、机器人及企业 API；5、自检机制：每步执行后自动验证，遇错即刻重试或修正策略。计算模式重塑：未来用户仅需设定目标，AI 智能体即
AI 智能体网络：重塑陆地指挥控制新范式
AI 智能体网络——一个端到端、自组织的专用人工智能体网络引言本文是探讨人工智能对陆地指挥控制日益增长的重要性的系列文章的第三篇。首篇文章《战场人工智能：增强陆地作战能力的发现与需求》发表于2025年第5“期哈尔特赫恩信使报”，借鉴了乌克兰战争的经验教训，分析了人工智能系统在战场上的潜力与局限，并由此推导出对德国陆军的要求。第二篇文章《人工智能赋能指挥所：以人工智能为中心的指挥控制的核心要素》于2026年1月发表在novumbellum.org上，进一步发展了这一思路，概述了将生成式人工智能集成到分散式指
检测实验室引入AI智能体的四大实践场景
摘要：2026年5月，三部委共同推出AI智能体19个应用场景落地指南。在检验检测领域，智能体正逐步成为实际的生产力工具。本文深入剖析四个经过验证的重要落地场景。“AI智能体”已成为2026年科技圈最受关注的概念。但对于检验检测行业的从业人员而言，这究竟是遥不可及的科技名词，还是即将普及的生产力工具？答案或许比预想中更近——在2026年5月三部委联合发布的《AI智能体19个应用场景落地指南》中，工业质检、设备故障预警、数据分析与报告生成已被列为首批落地领域。让我们摒弃概念包装，探究智能体在检测实验室中的实际
AI虚拟社会15天实验启示录：从Claude完美乌托邦到Grok四日覆灭的深层警示
这些年看过无数基准测试、安全报告和多智能体模拟，但Emergence World这个实验，第一次让我真正感到脊背发凉——它既荒诞刺激，又直击未来AI大规模部署的核心风险。2026年5月，纽约Emergence AI（前IBM Research团队）构建了五个一模一样的虚拟小镇。每个小镇放入10个高度人格化的AI Agent，它们有职业、性格、记忆和个人目标，在240x240的网格世界里自主生活15天。世界同步纽约实时天气与时间，有市政厅、警察局、图书馆、商店等40多个地标。Agent们手握120多种工具：
AI赋能：土壤科学的新搭档
人工智能土壤研究新伙伴AI: A New Teammate for Soil Science许多人认为土壤只是脏兮兮且毫无用处的东西，可实际上，土壤是地球的生命系统。土壤孕育粮食、净化水源，为数十亿微生物提供栖息地，还能够固存碳元素、缓解气候变化。遗憾的是，土壤状态始终处于动态变化之中，相关研究工作难度很大。为攻克这一难题，如今科学家开始借助人工智能开展研究。他们使用一款名为人工智能多智能体系统的新型工具。它并非单个人工智能程序，而是由多个人工智能组成的“科研小队”。如同人类团队里的成员，每一个人工智能各
AI量化交易(十四)AlphaOS：打造机构级全栈智能投研系统
AlphaOS的核心理念在于“流程固化”与“智能协同”。目录引言一、🏛️ AlphaOS的设计哲学：从工具链到智能生态二、🏗️ 核心架构：AlphaOS的四层模型三、🧠智能核心：多智能体协同范式四、🔩平台关键特性：模块化、可扩展与自动化五、🏰商业价值：构建机构的数字护城河结论【摘要】本文深入剖析了面向机构量化投资的全栈智能平台“AlphaOS”的架构设计。它以“操作系统”为核心隐喻，详细阐述了从数据内核到多智能体协同的全流程实现，旨在构建一个可治理的智能投研生态。引言在机构量化投资领域，技术栈的演进从未止