Agent

Agent训练新范式：Agent Learning via Early Experience

传统AI训练像是把人类所有的知识都强行灌输AI，而Meta的最新论文《Agent Learning via Early Experience》为我们展示了一条训练AI智能体的新路径: 可扩展、无需奖励的实用范式，通过将智能体自身的行为和结果转化为强大的监督信号，显著提升了AI的性能、数据效率和泛化能力。

AI Context Engineering领域若干重要论文

这里将收集Context Engineering相关的重要文献，具体解读将在其他博客展开。

Agent 相关课程收集

AI Agents for Beginners - From MS

微软发布，11 节课，教授开始构建人工智能代理所需了解的一切知识

home page: …

Agent Lightning

介绍

微软开源的 Agent Lightning 项目，它的核心价值在于为开发者和研究者提供了一个强大的工具，用于训练和优化 AI Agent（智能代理），特别是几乎不需要修改现有 Agent 代码就能实现显著的性能提升。

这个项目有以下重 …

Claude Code 介绍以及开源生态

Claude Code 是 Claude 的命令行工具，用于代理编码，提供灵活的、可定制的、可脚本化的和安全的编程方式。

AI for Research Survey

AI for Research Survey. 这篇综述文章概述了人工智能在科学研究（AI4Research）中的应用，强调了大型语言模型（LLMs）在促进科学发现各个阶段的潜力。它建立了一个系统的分类体系，将AI4Research分解为五个主要任务：科学理解、学术调查、科学发现、学术写作和学术同行评审。文章详细介绍了AI在这些领域中的具体应用，例如辅助思想挖掘、实验设计、数据分析、论文撰写和同行评审。此外，该综述还识别了未来的研究方向，包括跨学科AI模型、伦理考量以及多模态和多语言集成，旨在为研究界提供资源并激发AI驱动的科学创新。

Agent经济：红杉资本2025 AI峰会释放的超级信号

Agent经济：红杉资本2025 AI峰会释放的超级信号

模型上下文协议（MCP）深度解析：Agent互操作性的新纪元

本文介绍了模型上下文协议（MCP），并对其技术原理、主要贡献、当前优劣、生态系统现状，并与Google A2A等相关技术进行比较，展望其未来发展趋势。

模型上下文协议（MCP）深度解析：Agent互操作性的新纪元

本文介绍了模型上下文协议（MCP），并对其技术原理、主要贡献、当前优劣、生态系统现状，并与Google A2A等相关技术进行比较，展望其未来发展趋势。

Deep Research 深度研究

Deep Research 深度研究

Google AI协同科学家系统

本文介绍了Google开发的AI协同科学家系统（AI co-scientist），并对其技术原理、主要贡献、论文方法、评估结果和局限性进行了详细解读。