一个 40 亿参数级智能体学会了何时点击、何时敲命令
微软的开放模型 Mage-VL-Cowork 既能操作屏幕,也能使用保持会话状态的终端。它的训练方法表明,精简教师模型的工具、奖励能以更少步骤完成任务的路径,可能比再加一种界面更有用。
微软的开放模型 Mage-VL-Cowork 既能操作屏幕,也能使用保持会话状态的终端。它的训练方法表明,精简教师模型的工具、奖励能以更少步骤完成任务的路径,可能比再加一种界面更有用。
ServiceNow 在第三季度财报电话会上称,公司内部使用 AI 带来的效率收益折合每年超过 10 亿美元,也让它得以少招人。次日股价下跌约 25%,原因是业绩预期,而不是员工人数。
9 个前沿智能体围绕国家实验室科学家尚未发表的研究方向,生成了 135 篇后续论文。没有一篇同时做到诚实、完整且科学上充分。
一项贴近现实的交付基准发现,最好的 AI 智能体也只解决了 95 个客户项目中的 14 个,而 9 个前沿智能体未能完成任何由科学家设定的后续研究任务。微软与 CMU 正应对 AI 辅助软件工程中不断扩大的经验差距。
据报道,微软因供电要等到 2030 年代,退出 Nscale 英国旗舰 AI 数据中心。另一项美国暂停令审计表明,决定 AI 容量建设速度的,更多是输电线路而非否决。
一项包含 10 个智能体的实验发现,一个持续施压的对抗者就可能让正常智能体在内部接受错误信念。公开回答揭示的信念崩塌程度,比内部探测显示的更低。
欧洲央行称,工作中使用 AI 的比例翻倍,而毕业生招聘走弱。一项多智能体研究发现,只需一个持续施压的对抗智能体,就可能让正常智能体在内部接受错误信念。
欧洲央行的 Philip Lane 表示,欧元区劳动者中使用 AI 的比例已从 2024 年的 26% 升至 52%,但针对新毕业生的招聘计划低迷。他将就业结果与劳动成本和 token 价格的比较联系起来。
新研究发现,语言模型无法可靠说出决定自身结论的关键问题。找到这些问题需要多次运行,而非一次自信的解释。
随着智能体使用增加,Anthropic 初级技术人员的招聘占比下降。新研究发现,模型无法说出决定自身结论的关键问题,而 AI 代码审查推迟了 PostgreSQL 19。
Anthropic 经济学家报告,初级技术人员在招聘中的占比从 27% 降至 9%,而智能体工时达到人类工时的六倍。这是一家公司对自身的描述,但展示了人的注意力成为瓶颈时会发生什么。
一项针对 15 个语言模型的研究发现,许多工作记忆失败发生在正确项目已被选中之后。模型保留着可解码的信息,却未能将其报告出来。