04:53rohanpaul_ai@rohanpaul_ai精选一篇新论文提出 AdaCoM,通过一个独立的小模型来清理和组织 Agent 的上下文,从而提升其在长任务中的表现,无需重新训练 Agent 本身。AdaCoM 在 Agent 每一步行动前,对任务历史进行重写、合并、剪枝或保留,然后让原始 Agent 基于清理后的上下文行动。与简单摘要不同,AdaCoM 能学习不同 Agent 需要何种上下文——强 Agent 可保留更多原始历史,弱 Agent 则需要更简洁的笔记。在网页搜索和深度研究任务上,AdaCoM 将平均搜索性能提升了 39%。论文AdaCoM上下文管理长任务Agent性能提升推荐理由:做长任务 Agent 开发的团队终于有了一个不碰模型权重就能提升性能的方案——AdaCoM 用一个小模型当上下文管家,实测搜索任务提升 39%,值得在项目里试试。原文
10:31AI Will@FinanceYF5Ethan Mollick指出,AI模型发布正加速,尤其是OpenAI和Anthropic。他制作的时间线显示,仅列出在Artificial Analysis指数中得分比前代高3分以上的新模型。这表明AI进步速度加快,竞争激烈。关键细节是,这些模型在性能上有显著提升,而非微调。行业OpenAIAnthropic模型发布性能提升行业趋势10 个信源在谈推荐理由:AI从业者需要了解模型迭代节奏,OpenAI和Anthropic的加速发布意味着技术拐点临近,建议关注时间线以把握趋势。原文