GRAFT用执行证据引导智能体进化,测试准确率达82%

arXiv 于 2026 年 11 月 19 日发布新论文 GRAFT,提出用“执行证据”而非只看总分来引导大模型智能体架构的进化搜索,在六个评测设置中平均测试准确率达到 82.0%。

arXiv 于 2026 年 11 月 19 日发布新论文 GRAFT,提出用“执行证据”而非只看总分来引导大模型智能体架构的进化搜索,在六个评测设置中平均测试准确率达到 82.0%。

豆包工作上线三个月,日活用户突破800万,企业客户年化收入ARR超过20亿元。这组数据说明办公场景里生成式AI的付费意愿正在被验证,B2B AI应用的规模化商业闭环开始有可参考的样本。

arXiv 上出现一项名为 BOS Summary 的免训练推理期方法,通过让序列首个 token(BOS)在 prefill 阶段聚合全部输入上下文,改善视觉语言模型和大模型在多步推理任务中的表现,且不增加参数与解码开销。

Google 于 2026 年 11 月 18 日在全球桌面和移动浏览器的搜索 AI 模式中上线“临时线程”,让用户进行不进入个人历史、不影响推荐的一次性搜索,但后台数据保留与账户关联的时间从 72 小时延长到约两个月。

arXiv 上一篇新论文提出 SpecLook,用“小模型先猜、大模型验证”的方式替代多模态智能体的反复放大循环,在公开基准上兼顾准确率与速度,但目前只是论文成果,信息来自摘要,未经产品化验证。

谷歌于2026年11月18日推出新模型 Gemini 4 Neon,主打百万级 token 上下文窗口与多智能体协作,官方称其完成任务速度约为同系列 Gemini 4 Carbon 的三倍,并在编码代理榜单上领先 Claude Opus 5.5。

腾讯2026年第三季度财报电话会上,总裁刘炽平承认消费级AI助手元宝未达预期并大幅削减投入,同时微信内测AI助手“小微”日活已达3000万,成本控制成为重点。

一项 arXiv 预印本论文测试了 6 个视觉语言模型在急诊 CT 和 MRI 上的阅片表现:无论哪种浏览策略,准确率都远低于放射科医生,而且模型一旦形成初步假设就很少修正。

2026年11月19日发布于arXiv的一篇论文提出GUARD框架,让自主AI智能体无需外部评分器即可持续自我改进其提示词与记忆等“外挂组件”,在避免灾难性遗忘的同时降低推理Token消耗。

微软CEO纳德拉在播客中回应约6万人规模的自愿离职计划,称AI正在改写软件开发和工作方式,他无法承诺“一切保持原样”。这反映出大厂组织调整正与AI落地同步推进。