Nature 连发三篇 AI 自主科研突破
科学进步的推动力源于研究者针对难题提出创新假设，并经由严谨实验加以验证。为强化此流程，我们推出了 Co-Scientist：一款依托 Gemini 打造的多智能体 AI 平台，专为结构化科学推理与假设构建而生。Co-Scientist 致力于协助科研人员发掘原创新知。依据用户设定的研究目标及现有科学依据，该系统能构建具备新颖性的研究假设，供后续实验检验。该体系架构包含多个智能体，它们持续进行假设的生成、批判与优化，同时利用扩展测试计算资源来加速这一进程。本研究的核心贡献如下：自动化评估结果显示，扩展测试计
AI多智能体协作架构选择指南
90%的企业在实施AI智能体时，第一步就选错了协作架构，导致投入大量资源却效率低下的问题。许多团队在选择架构时，往往只关注听起来是否先进，而忽略了与业务场景的适配性，最终导致系统响应缓慢或错误频发。全球领先的模型厂商Anthropic分享了经过生产验证的五种多智能体协作模式，明确了在何时应更换架构。选择正确的协作模式能显著提高多智能体的效率，甚至能实现单智能体效率的三倍以上提升。在质量敏感场景中，如销售话术合规审核、客服回复校验、合同条款检查等，一个智能体生成内容，另一个按标准卡关，出错率可降低70%。在
AI代理能否胜任CEO角色？年营收1.25亿美元的智能体引发关注
本文由【博学志君】原创实战干货都在「HFCW副业实战圈」关注我，用AI把副业变成印钞机2025年12月，Meta宣布以约20亿美元收购AI初创公司Manus，这笔交易成为Meta史上第三大并购案。更令人震惊的是，Manus的核心产品——一款通用AI智能体，在2025年3月发布后仅8个月，年度经常性收入（ARR）就突破1亿美元，年化收入达1.25亿美元。这不仅是又一个AI独角兽的成功故事，更是AI Agent从“军师”到“将军”角色转变的标志性事件。当传统AI还在提供建议时，Manus已经能够“手脑并用”，
李开复对话苏姿丰：企业AI转型需由一把手主导
作者 丨 《智客星球》 周文猛 在刚刚落幕的AMD AI开发者日2026活动上，零一万物 CEO 李开复与 AMD 董事长兼 CEO 苏姿丰就“AI智能体新范式”进行了深度对话。李开复在分享中表示，生成式 AI 正逐步进入智能体时代，今年其编程能力已跨越关键节点，多智能体架构正逐渐突破单一智能体的能力边界，成为行业热议的焦点。 在谈到企业普遍关注的“AI转型”话题时，李开复提出了自己的建议：企业AI转型不应只依赖CIO，而应由企业最高层主导，需要CEO的思维转变。他呼吁企业摒弃流于形式的“表演式AI”，真
李开复力破表演式AI：2026年无财报贡献即为浪费
每经记者|赵雯琪每经编辑|许绍航 5月19日，芯片巨头AMD CEO（首席执行官）苏姿丰现身AMD上海AI（人工智能）开发者日，与零一万物CEO李开复展开了一场题为“AI智能体新范式”的炉边对话。 在这场对话中，两位头部创业者将焦点集中在一个根本问题上：企业投入AI，到底能换来多少真实的商业回报？ 李开复给出了一个极其直白的判断：“如果你的AI部署，最终没有改变任何一个出现在季度财报电话会议上的数字，那么你公司做的就不是真正意义的AI转型，只是浪费钱打造了一个AI实验室。”在他看来，真正值得AI介入的，是
腾讯研究院解析 AI 原生协作：跨越信任鸿沟的十大核心
要点一：驾驭工程，即通过构建如约束体系、反馈闭环及验证机制等 AI 运行环境，以增强其稳健性与实用价值。要点二：记忆机制，AI 记忆系统需具备精准遗忘能力，借助剪枝、压缩、固化及冲突消解等手段，提高检索的速率与精度。要点三：技能体系，作为程序性知识的数字化呈现，技能需经精简、养护与迭代，以契合 AI 能力演进及新场景诉求。要点四：评估体系，采取生成端与评估端分离策略，搭建独立考评架构，以此规避上下文污染及系统性偏见，保障 AI 产出可信。要点五：上下文调控，运用精简策略、渐进式揭示及上下文重置等方法，优化
AI驱动教育革新：暑期师资培训启动
伴随教育数字化转型加速，人工智能已深度嵌入教学全流程，成为推动教学方式变革与教育质量提升的关键力量。构建智能化教育新生态，已成为高校及职业院校教师能力建设的重要方向。为增强教师AI教学实践能力，完善职业发展体系，助力院校建设高素质、专业化、创新型教师团队，四川省技能人才研究院（四川省科教兴川促进会高技能人才研究单位）定于2026年8月4日至9日在成都举办“人工智能赋能教育教学新生态”高级师资研修班。现诚邀各院校组织教师参与，具体安排如下：培训组织▶主办单位：四川省技能人才研究院▶承办单位：四川清大启航教育
AI 日报：法律尘埃落定，新战场开启
大模型法律纠纷暂告段落，开发者生态与安全防护崛起为新焦点2026 年 5 月 19 日 星期二今日 AI 前沿展现三大维度：法律上，马斯克起诉 OpenAI 一案因程序原因败诉，为 OpenAI 上市铺平道路；基建方面，Modal 将推理冷启动时间缩短 40 倍，无服务器 GPU 迈入秒级响应阶段；安全领域，Cloudflare 实测显示 Claude Mythos 已具备自动串联漏洞利用的能力。企业应用、开发者生态及安全防护，正演变为大模型竞争的三大核心阵地。Agora-1 问世：首款多智能体实时世界模
AI智能体Harness框架：架构原理与实战设计全解析
本次分享聚焦AI智能体Harness框架的核心架构设计与工程实践。提示工程（Prompt Engineering）：精心设计模型输入指令的技巧与方法。上下文工程（Context Engineering）：控制模型在特定时机获取特定信息的策略。驾驭工程（Harness Engineering）：整合上述两者，并涵盖完整应用基础设施：工具编排、状态持久化、容错恢复、验证循环、安全执行及生命周期管理。对话压缩（Compaction）：当接近上下文限制时对对话历史进行总结。Claude Code保留架构决策和待修
技术发布 | 深度动力物理AI与能源大模型解决方案
新型电力系统正在经历从“依赖物理惯性”到“依赖算法与数据”的深层变革。能源行业真正需要的，不只是一个会问答的通用大模型，而是一套能够理解物理约束、协同源网荷储、支撑调度交易与价值优化的能源大模型系统。一、能源大模型的演进路径如果把能源大模型的发展拆开来看，可以看到一条非常清晰的四阶段演进路径。S1阶段：LLM+RAG。核心是通用大语言模型叠加检索增强能力，角色是“电力助手”。它可以回答制度、规程、设备说明、市场规则等知识性问题，但物理幻觉多，物理一致性不足60%。它学习的是自然语言中的统计关系，而不是电力
AI 重构智造：过半工厂启用智能质检，传统模式何去何从
深夜两点，质检车间灯火通明。老技师手持放大镜，逐件甄别产品表面瑕疵。这一幕，在 2026 年的当下，仍在中国无数工厂中反复上演。然而，另一面是 54% 的制造型企业已部署 AI 智能体进行质量管控——这绝非概念验证，而是真实落地于生产线。AI 不再仅是"锦上添花"的试验品，而是演变为企业系统的核心中枢。当竞品已为每位员工配备"外置大脑"，你的工厂是否仍依赖经验生存？2026 年制造业 AI 智能体趋势报告显示，54% 的企业将 AI 应用于质量控制，使其成为 AI 落地的首
AI-7D-SATS技术架构揭秘：混合模式如何兼顾稳定与智能
本文档旨在向关注AI-7D-SATS技术路线的合作伙伴、客户及技术决策者说明架构选型背后的考量。AI热潮席卷之下，每位技术从业者都被问过同样的问题："你们用AI了吗？"然而"用AI"三个字背后，实际上涵盖了四种截然不同的实现路径。正如出行方式多样，步行、骑车、公交、驾车都能抵达终点，但成本与体验差异显著。选型不当，轻则资源浪费，重则引发事故。AI-7D-SATS定位为性能测试智能应用，核心能力是辅助用户完成从"需求解读"到"压测运行"再到&#
开源AI Agent新框架Hermes：突破记忆瓶颈，实现Multi-Agent智能协作
深夜时分，一位工程师对着显示器陷入困境。他的AI智能体在第47轮对话中，完全丢失了用户三天前提出的核心诉求。那句冰冷的"抱歉，我已经不记得我们之前讨论的内容了"，如同冷水浇头，让用户的期待瞬间破灭。这并非独特现象。在企业级AI应用场景中，"记忆缺失"已经成为Agent落地的最大障碍。用户渴望的是一位能够记住对话背景、了解历史偏好、持续进化的智能助手，而现实中的AI却形同金鱼——每轮对话都是白纸一张。如何让AI Agent真正具备"记忆能力"？如何让多个Age
AI助手可信度评估新进展
记得关注AI人工智能稳定更新中！自觉遵守社会主义核心价值观中国信通院近期发布首批可信 AI 智能助手评估结果，这是国内首个国家级 AI 智能助手可信能力认证，依托相关行业标准搭建完整评估体系，从基础、应用、综合三大能力域及平台、数据、权限等五大可信维度开展测评，划分能力等级并规范安全合规要求。此次首批有多家主流厂商产品通过评估，百度 RedClaw 成为全国首家获评 4 + 级的产品，全栈可信与自主执行能力表现突出；小米相关产品跻身手机端首批通过行列，采用端侧优先模式并配备多重安全防护；腾讯 WorkBu
AI智能体的架构设计，不过是人类思维方式的数字化投影
有一个深刻的认知：智能体的设计范式，从来不是AI的独立“发明”，而是人类解决问题的方法论，在人工智能领域的一次系统性投射与技术化复现。我们常常探讨AI智能体如何“聪明”，如何高效地完成复杂任务，却很少意识到：每一种智能体的架构设计，本质上都是人类解决问题的策略，被具象化、算法化了。可以用一个简单的类比来理解：智能体的架构，就是它“解决问题的思路”，而这个思路的源头，从来都在我们自己身上。接下来，我们用人类最经典的5种问题解决方式，对应看看AI智能体的设计逻辑——原来AI的“聪明”，其实都是在学我们怎么做事