推理时扩展相关 AI 资讯 · AI 热点

7月31日

12:53

12:53

官方账号arXiv cs.AI@Woongkyu Lee, Jungwook Choi

这项研究在 OSWorld 基准上测试了 Qwen3-VL-8B/30B-A3B、UI-TARS-1.5-7B 和 OpenCUA-7B 三类本地计算机使用智能体。结果表明，上下文扩展可提升轨迹稳定性但收益很快饱和，时间扩展减少 max-step 停滞却不提升任务成功率。结构分解会引入规划和格式化开销，并行扩展能部分缓解但计算成本显著增加。研究建议本地高效智能体需要选择性计算分配和失败感知控制机制。

论文 Qwen3-VL UI-TARS OSWorld

推荐理由：这篇论文实测了三个本地模型在 OSWorld 上的推理时扩展，发现多算不一定提升成功率，反而换着花样失败。做本地 CUA 部署的可以当避坑参考。

6月11日

01:59

01:59

rohanpaul_ai@rohanpaul_ai

72°

Apodex-1.0-H 是一个用于深度研究的重型智能体团队，通过将网络研究任务分配给多个智能体，并在生成答案前审计每条证据链，声称达到 SOTA 结果。它将深度研究视为 AI 智能体的分布式系统问题：一个编排器分配子智能体不同的上下文和工具，然后事实核查、冲突审查和草稿审查智能体测试薄弱声明。真正的亮点在于，Apodex 展示了一条可能的“推理时扩展”路径，即更好的答案不是来自更大的模型，而是来自多个协调的搜索智能体、持久追踪和独立的验证层。

AI产品智能体深度研究推理时扩展

推荐理由：做深度研究或复杂信息检索的开发者，值得关注 Apodex 的分布式智能体思路——它可能改变“大模型=好答案”的惯性认知，用多智能体协作+验证层来提升结果可信度。