標籤 · #ai-research

大型語言模型智能體中的跨任務技能遷移：子任務與文本勝出

為什麼值得讀 開發自主智能體的開發人員可以通過將記憶體結構化為文本形式的子任務來提高可靠性。所提出的效用評分提供了一種執行前的診斷工具，用於篩選有效的技能。

研究發現，子任務級別的歸納與文本格式能使大型語言模型智能體實現可靠的技能遷移，其表現優於任務級別和基於代碼的方法。

實體AI人才爭奪戰——頂尖工程師的去向與科技領導權預測

2026年頂尖ML研究員與機器人工程師的人才流向，預測2028年的科技領導格局。

Recursive Superintelligence 帶 $6.5 億美元出場，挑戰「自我改進的 AI」

為什麼值得讀 NVIDIA 與 AMD 同時出現在 cap table 才是暗號：押注的是「對哪家晶片廠都不忠誠的算力工作量」（對架構空間做遞迴搜尋）—— 而不是某家的模型家族。

$6.5 億美元、估值 $46.5 億美元，產品未出。GV 與 Greycroft 領投；NVIDIA 與 AMD 同場跟投。論點：AI 自動進行架構搜尋。