有点子了，就去执行……
不等Gemini4，谷歌新办公Agent支持调用Claude
刚有消息传，谷歌没等Gemini 4正式发布，先悄悄推出了一款面向办公场景的Agent产品，它最受关注的功能之一，是支持调用Anthropic旗下的Claude大模型。不等Gemini 4，谷歌...
Google把Gemini改成商用AI智能体，还配了专属邮箱
Google给Gemini做了个核心改动——不再是只陪聊的AI，而是面向企业的AI智能体。这次改的核心是什么？它的核心功能是能自己规划任务、执行任务，还能把细分的子任务分给更小的智能体去做。它不...
Anthropic更新Claude使用政策：明确禁止滥用与选举干预
Anthropic刚更新了Claude的使用政策，其中最明确的一条是：极端情况下反复滥用模型的行为被禁止，但日常对模型的不满、批评仍被允许。新规到底卡了谁？之前不少AI模型的使用规则，常把“滥用...
OmniCapBench：解决多模态模型评测痛点的新框架
你知道现在评测多模态大模型（MLLM）有多挠头吗？要么评分全但找不到具体问题在哪，要么能定位但覆盖不全，用大模型当裁判又容易乱打分。直到OmniCapBench出来——它靠786个精标视频，把评...
SpatialHarness补了GPT-6 Astra精细操作的空间短板
给GPT-6 Astra的插针测试，之前成功率才26.7%，用SpatialHarness一上，直接飙到66.7%——汉诺塔更是从0变100%。这不是游戏，是arXiv cs.RO分类里一篇机器...
给多智能体加个“读心术”：新框架补了协作短板
你可能没注意——现在靠大模型驱动的智能体组队干活，大多是“盲打”状态。普通多智能体的协作硬伤之前的多智能体系统，靠提示词设计、短期记忆或者端到端行为优化推进任务。但核心问题很致命：不会显式建模队...
统一多模态深度研究Agent OneSearch-VL 做对了什么
OneSearch-VL-8B比带工具调用的Qwen3-VL-8B，在两个新的多模态视觉基准上，分别高出20.2和17.6个百分点。同参数级别的模型，差十几个点已经是很明显的能力差距——这不是小...
WOVEN：补上多模态大模型的视觉推理短板
38个顶尖多模态大模型里，没一个能达到人类的视觉推理水平。多模态大模型的集体硬伤多模态大模型（MLLMs）在空间、具象化、物理、时间推理上表现极差。研究人员发现这些失效其实指向同一个核心问题：视...
HRIL用高阶张量抓多模态协同：比现有方法强在哪？
多模态自监督学习已经在好多场景出成果了，但有个死穴：有些任务需要的信号，单看某一个模态根本找不到。比如一张图配一句“猫在追老鼠”，“追”这个动作的核心信号，得同时看猫的身体姿态和老鼠的位置，单拿...
GeoReform如何帮大模型搞定几何题？
Geometry3K数据集上，多模态大模型做几何题的准确率，之前只有42%。换了叫GeoReform的框架后，直接涨到56%。但你知道吗？之前有人试过另一种解法，在200个例子里，改了28个几何...