一介布衣、

摘要： AI 代理的高效上下文工程 来源：https://www.anthropic.com/engineering/effective-context-engineering-for-ai-agents 获取时间：2025-10-02 14:57:58 UTC 在应用型 AI 领域经历了几年以提示工程为关 阅读全文

摘要： https://arxiv.org/abs/2508.09736 https://github.com/bytedance-seed/m3-agent 摘要 我们提出了 M3-Agent，这是一种新颖的多模态智能体框架，具备长期记忆能力。类似于人类， M3-Agent能够处理实时的视觉和听觉输入，并 阅读全文

摘要： https://arxiv.org/abs/2506.19676 摘要 近年来，基于大语言模型（LLM）的AI代理展现出前所未有的智能与适应性，正在迅速改变人类的生产和生活方式。当前，AI代理正经历新一轮的演化，不再像传统LLM那样作为信息孤岛存在，而是开始与其他代理、工具等多种外部实体进行通信，以 阅读全文

摘要： https://arxiv.org/abs/2508.07407 摘要 近年来，大语言模型（LLMs）的快速发展激发了人们对能够解决复杂现实任务的 AI 智能体的广泛兴趣。然而，现有大多数智能体系统依赖于人工设计的静态配置，部署后难以适应动态变化的环境。为了解决这一局限，最新研究提出了智能体“进化” 阅读全文

摘要： https://arxiv.org/abs/2507.21046 摘要 大型语言模型（LLMs）在多种任务中展现了卓越的能力，但其本质上是静态的，无法根据新任务、不断变化的知识领域或动态交互环境自适应地调整内部参数。随着LLMs越来越多地应用于开放式、交互式环境，这种静态特性已成为关键瓶颈，亟需能够 阅读全文

摘要： https://www.anthropic.com/engineering/multi-agent-research-system 我们是如何搭建多智能体研究系统的 我们的 Research 功能利用多个 Claude 智能体，更高效地探索复杂主题。本文分享了我们在构建该系统过程中遇到的工程挑战和经 阅读全文

摘要： https://www.dbreunig.com/2025/06/26/how-to-fix-your-context.html 如何修复您的上下文 缓解和避免上下文失败 接续我们之前的文章"长上下文如何失败"，让我们梳理一下可以缓解或完全避免这些失败的方法。 但在此之前，让我们简要回顾一下长上下文 阅读全文

摘要： https://arxiv.org/abs/2505.04769 摘要 视觉-语言-动作（Vision-Language-Action, VLA）模型标志着人工智能领域的变革性进展，旨在将感知、自然语言理解与具身动作统一于单一计算框架之中。本文作为基础性综述，系统梳理了近年来VLA模型的最新进展，并 阅读全文

摘要： https://arxiv.org/abs/2503.06072 摘要 大型语言模型（LLMs）的出现彻底改变了自然语言处理，使其在从对话系统到科学探索等各领域中变得不可或缺。然而，其预训练架构在特定场景下常暴露出诸多局限，包括推理能力受限、伦理风险不明以及领域适应性不足等问题。这些挑战促使先进的后 阅读全文

摘要： https://arxiv.org/abs/2505.20416 https://github.com/open-sciencelab/GraphGen 摘要 大规模语言模型（LLM）的微调通常需要大量高质量的有监督数据，而这些数据的获取既昂贵又耗时。尽管合成数据生成已成为一种有前景的解决方案，但现 阅读全文