复杂的Harness Evolution，甚至不如多跑几遍
复杂的Harness Evolution，甚至不如多跑几遍一个 Agent 第一次没把任务做对。
来自主题: AI技术研报
6378 点击 2026-09-16 14:40
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
一个 Agent 第一次没把任务做对。
随着 Genie 3 的发布，可交互世界模型真正走到台前：用户不再只是观看生成视频，而是可以输入动作实时改变一个持续演化的世界。世界模型开始从「生成一段视频」走向「模拟一个可交互世界」，但能走进去，不等于经得起探索。模型能否持续响应控制、维持视觉与空间一致、遵守物理规律并记住来路，仍缺少系统评测。
忍！不！了！了！ 你老A社天天一会儿AI要失控、一会儿互联网要完蛋，转头自己IPO、融资、扩算力，一个都没耽误？？
“智能并不局限于大脑内部。当我们使用纸笔或地图来梳理复杂问题时，这些外部工具就成为了我们‘延展的心智’。”
OKEight（回了么）是程梦琪团队开发的AI回复工具，它为每位联系人维护本地人物卡，学习用户与不同人的沟通风格，在Mac端读取当前对话生成候选回复，并记录未完成的约定和事项。
DeepSeek资深MLSys工程师刘胜与深夜发文，坦承刚完成V4.1核心算子交付后，意识到AI已能自主编写和优化GPU算子，正迫使他从手写底层算子转向驾驭AI Agent的"机甲驾驶员"，并警示工程底层能力空心化可能带来系统性风险。
Token词元替代了Byte字节，但不意味着大模型都得是Token。
过去两周，AI圈最让人坐不住的三个字母，就是RSI。
真实家庭任务往往从「不完整的信息」开始：机器人不知道目标在哪里，用户也未必能一次说清自己想要什么。面对「帮我从餐桌上拿点零食」这样的模糊指令，机器人不仅要主动寻找候选物体，还要在发现面包和多个甜甜圈后进一步询问用户，确认究竟该拿哪一个。
多轮智能体任务只有一个终点奖励，但在一条包含搜索、工具调用和多轮决策的轨迹里，决定成败的往往是一个不起眼的查询词、动作或对象选择。