搜索
多智能体系统（Multi-Agent Systems，MAS）展示了令人印象深刻的能力：一个模型负责提出方案，另一个模型进行批评，还有模型承担投票、规划或执行。通过角色分工和多轮协作，系统能够解决单个模型难以稳定完成的数学推理、代码生成和知识问答任务。
外界第一次认识苏度，是在今年 4 月。彼时，sudo R1 的开放物体抓取能力给行业留下深刻印象：在开放环境中面对随机物体，机器人能够稳定完成抓取。抓取，这是一个足够基础、又足够难的技能。
针对这一挑战，腾讯内容服务部 BAC 提出了一个名为 ProLaViT（Progressive Latent Visual Thought） 的全新框架。它的核心思想是：别急着下结论，先在连续隐空间里像人一样「步步推导」。 即让模型遵循 「定位 → 聚焦 → 分离」（Locate → Focus → Isolate） 的因果链，逐步收紧视觉注意力，最终精准锁定目标。
昨天看到了一篇论文，特别有意思，让我连夜读完了。
模型决定起点，数据定义终局。
好久不见，汇报一下近况。 这两个月没闲着，推掉了大部分事情，全力在做自己非常喜欢的新产品——Chat Memo 的 Agent 端。（目前小规模内测，公开内测等发布文章）
北京时间今天凌晨，时隔16年，西班牙人重新举起大力神杯！
过去两年，AI智能体（Agent）完成了一次身份转变。
就在今年的WAIC上，无问芯穹一口气亮出了「前店后厂一中心」，一整套完整的Agentic Infra战略布局：算力集散中心（一中心）：Agentic Infra自主式基础设施平台；Token工厂（后厂）：Agentic MaaS大模型服务平台；
最近，世界人工智能大会上，中科闻歌磐石 ScienceOne 团队一口气亮出两张王牌：专攻科学场景下深入理解、预测与生成的科学多模态统一推理模型 —— S1-Omni；以 S1-Omni 为基座、贯穿整个科研生命周期的智能化服务平台 —— ScienceOne。