每天都有新的 AI 工具在社交媒体上刷屏，每一个都号称是“颠覆性”的。喧嚣过后，哪些产品真正留在了用户的日常工作流里？衡量一个 AI 应用的真实价值，不应只是看融资额或 GitHub Star 数量，而要看它的 API 调用账单。
你知道目前一共有多少个大模型吗？ Hugging Face 上已经有超过 70 万个大模型了。 即使抛去不好用的，被 Artificial Analysis 收录的大模型也有 269 个。不仅模型琳琅满目，供应商也是多得让人眼花缭乱。
最新消息，C轮融资已拿到超10亿美元承诺资本，投后估值高达390亿美元，一举创下当前公开信息中具身智能赛道的最高估值纪录。本轮融资由Parkway Venture Capital领投，英伟达继续加注，Brookfield Asset Management、麦格理资本、英特尔资本、Align Ventures、
阿里昨晚放大招，正式开源通义DeepResearch，一举登顶碾压OpenAI、DeepSeek。模型、框架、方案全部开源，背后核心技术报告一同公开了。
还有一个多月，一年一度的“双十一”购物节就要来了！ 作为消费者，你通常会如何寻找心仪的商品呢？或许你兴致勃勃地在搜索框里敲下关键词，却发现呈现出来的商品列表总是差强人意。那么，问题究竟出在哪里？
自从 Google Gemini 将数学奥赛的成功部分归功于「并行思维」后，如何让大模型掌握这种并行探索多种推理路径的能力，成为了学界关注的焦点。
上下文学习”（In-Context Learning，ICL），是大模型不需要微调（fine-tuning），仅通过分析在提示词中给出的几个范例，就能解决当前任务的能力。您可能已经对这个场景再熟悉不过了：您在提示词里扔进去几个例子，然后，哇！大模型似乎瞬间就学会了一项新技能，表现得像个天才。
来自MIT Improbable AI Lab的研究者们最近发表了一篇题为《RL's Razor: Why Online Reinforcement Learning Forgets Less》的论文，系统性地回答了这个问题，他们不仅通过大量实验证实了这一现象，更进一步提出了一个简洁而深刻的解释，并将其命名为 “RL's Razor”（RL的剃刀）。
通义DeepResearch团队 投稿 量子位 | 公众号 QbitAI 阿里开源旗下首个深度研究Agent模型通义DeepResearch！ 相比于基于基础模型的ReAct Agent和闭源Deep
近年来，以人形机器人、自动驾驶为代表的具身人工智能（Embodied Artificial Intelligence, EAI）正以前所未有的速度发展，从数字世界大步迈向物理现实。然而，当一次错误的风险不再是屏幕上的一行乱码，而是可能导致真实世界中的物理伤害时，一个紧迫的问题摆在了我们面前： 如何确保这些日益强大的具身智能体是安全且值得信赖的？
