23:56elvis@omarsar0精选72°一项新研究挑战了自我进化智能体的普遍假设,即更强的模型能写出更好的提示和技能编辑。实验表明,模型生成进化更新的能力在不同能力级别上基本持平,Qwen3.5-9B与Claude Opus 4.6表现相当。而受益于这些更新的能力呈倒U型曲线,中等模型效果最佳,弱模型无法激活更新,强模型改进空间有限。因此,建议将廉价模型用于进化器角色,昂贵模型用于求解器角色,以最大化收益。该发现对构建长期任务智能体的开发者具有重要指导意义。论文智能体自我进化模型选择研究论文成本优化推荐理由:这篇研究戳破了“大模型=好进化器”的直觉误区,做智能体开发的团队可以重新分配预算——用便宜模型写更新,贵模型做执行,效果反而更好。原文
11:08AI Will@FinanceYF5精选一项基于2691人的实验揭示了AI使用的三层认知偏差:人们实际使用AI的频率高于自我报告,且对AI节省时间的预期高于实际效果。使用AI后,这些偏差反而会加深,形成认知反馈循环。研究指出,AI在简单任务中的收益被显著高估。论文效率增益幻觉认知偏差用户行为研究论文推荐理由:看看你高估AI多少原文
16:36Gary Marcus@GaryMarcus一项新研究揭示,即使经过超万亿美元的投资,LLM智能体的记忆系统仍存在根本性缺陷。研究发现,持续更新的记忆(如压缩后的可复用记忆)不仅无法提升性能,有时甚至比完全没有记忆的表现更差,包括在已解决过的问题上。相比之下,保留原始片段的“情景记忆”更为可靠。这表明当前模型尚无法从经验中学习可复用的抽象知识,而这正是智能体持续改进的关键能力。论文LLM智能体记忆机制可靠性研究论文持续学习推荐理由:做AI智能体开发的团队值得关注——记忆机制是当前瓶颈,这篇论文直接挑战了“记忆越多越好”的假设,看完会重新思考你的记忆策略。原文