AI

Jason wei在各个场合的观点

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。

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。

该论文介绍了一个名为 ACE(Agentic Context Engineering，代理上下文工程) 的框架，该框架旨在通过演化上下文而非微调模型权重的方式，实现大型语言模型（LLMs）的自我改进。ACE将上下文视为不断累积、提炼和组织策略的 “演化剧本”，从而克服了现有上下文适应方法中存在的简洁性偏差和上下文崩溃等主要限制。通过使用 生成器、反射器和策展器 这三个代理组件，ACE实现了增量更新和“增长与提炼”机制，以保持详细的领域知识并提高可扩展性。实验结果表明，ACE在代理基准测试和金融等领域特定任务中显著优于现有基线方法，同时还能大幅降低适应的延迟和成本。

RPG：从“对话”到“蓝图”，用图谱指导AI思考

NVIDIA深度学习学院提供免费和收费的课程，同时提供了证书。NVIDIA深度学习学院就像一所由世界领先的AI计算公司创办的“技术大学”。它专门为想要提升专业技能的人士提供高质量的实践培训。

智谱AI(GLM)产品线收集整理分析

强化学习的奠基人惊人警告：为什么说LLM可能是一条死胡同？

腾讯AI产品线收集整理分析

Meta发布的一项名为“代码世界模型”（Code World Model, CWM）的全新研究，正试图从根本上解决当前代码AI面临的一大痛点。