AI Agents vs 新员工

随着人工智能技术迅猛发展，全球企业高管纷纷投入巨额资金，期望用AI工具替代部分人力以节省成本。投资者开始追问：企业内部的工作应当由新招聘人员完成，还是交由大批AI智能体执行？最新数据显示，大型语言模型已从仅能完成数秒任务，发展到可胜任耗时约一小时的复杂工作，如查找加密货币合约漏洞，甚至自主优化模型。斯坦福大学分析指出，ChatGPT普及后，22至25岁年轻人的就业率受冲击达2.7%，在金融、软件等受影响最严重的领域更是高达12.8%。然而，由于数万亿词元的使用产生了惊人账单，许多企业已开始限制AI使用，暗示自动化存在上限。与此同时，西方企业正转向更便宜的中国模型，这使得未来就业图景充满不确定性。 #AI #人工智能 #就业 #自动化 #AI智能体 #大模型 #科技趋势 #劳动力市场

希捷

在2026世界人工智能大会期间，希捷科技中国区市场与业务战略负责人俞康指出，随着AI从训练转向大规模落地，智能体进入真实业务场景，存储正变得不可或缺。俞康表示，AI规模化挑战在于数据流动、闭环与复用能力，云边协同本质是数据协同，缺乏统一数据基础设施将形成数据孤岛。希捷预测，到2031年智能体相关应用存储总量将达10ZB。为解决数据膨胀下的成本与能耗问题，希捷推出基于HAMR技术的44TB硬盘，单盘容量提升可显著降低数据中心占地与能耗。目前全球数据中心约80%存储为机械硬盘，SSD与HDD分层架构长期共存。俞康看好制造业数字孪生、智能交通、自动驾驶等率先规模化应用，强调中国企业更注重边缘存储与数据治理。 #希捷 #存储 #AI #HAMR #数据基础设施 #WAIC #TCO #硬盘 #数据管理 #科技

Google Gemini 深夜“三箭齐发”：输出Token直降17%，模型分工更精细

Google 在未如期发布 Gemini 3.5 Pro 的情况下，突然推出三款新模型：Gemini 3.6 Flash、3.5 Flash-Lite 和 3.5 Flash Cyber。其中，3.6 Flash 作为主力模型，在代码、多模态理解等任务上显著提升，且输出 Token 消耗平均降低 17%，输入价格降至每百万 Token 1.5 美元，整体任务成本可降约三成。3.5 Flash-Lite 定位为最快、最便宜的模型，每秒输出 350 Token，适合高并发流水线场景；3.5 Flash Cyber 则专门用于发现和修复代码漏洞，配合安全 Agent 使用。此次发布表明，大模型正从单一能力竞争转向“工程化分工”——主力模型负责复杂推理，轻量模型负责批量任务，安全模型专门防御。业界猜测，原本跳票的 3.5 Pro 可能已被更先进的 4.0 项目取代。 #Google #Gemini #AI #大模型 #成本优化 #Flash系列 #Agent #科技新闻

自适应多视野强化学习论文在arXiv发布

一篇题为《Adaptive Multi-Horizon Reinforcement Learning》的学术论文于2026年7月22日在预印本平台arXiv上提交。该论文由Manoosh Samiei及其合作者完成，核心内容聚焦于提出一种新型的自适应多视野强化学习方法。尽管论文全文尚未公开具体算法细节，但其研究方向旨在通过整合不同时间视野的决策策略，提升强化学习在复杂任务中的适应性与效率。目前，该论文提供PDF及HTML版本供学界查阅，并附有BibTeX引用信息。相关研究领域涉及计算机科学中的机器学习与强化学习。 #强化学习 #多视野 #自适应 #机器学习 #AI #论文 #arXiv #计算机科学

Telegram必备的搜索引擎，极搜JISOU帮你精准找到，想要的群组、频道、视频、音乐

👉 t.me/jisou2?start=a_8247614025

新研究提出归因市场：基于费雪市场模型分配计划任务与执行动作的分数信用

一篇最新发表在arXiv上的论文提出了“归因市场”（Attribution Markets）概念，通过费雪市场（Fisher Market）公式化方法，解决计划任务与实际执行动作之间的分数信用分配问题。论文由Salavat Ishbulatov于2026年7月22日提交。该研究将经济学中的市场均衡思想引入机器学习与任务规划领域，为将整体回报按照贡献度分解到不同任务或动作提供了一种新的理论框架，有望推动多智能体协作、自动规划等方向的发展。 #学术论文 #arXiv #人工智能 #机器学习 #信用分配 #费雪市场 #任务规划

CEDAR 论文提出自回归过程因果边发现新方法

一篇题为“CEDAR: Causal Edge Discovery for Autoregressive Processes”的研究论文近日在 arXiv 上发布。该论文由 Mohammad Fesanghary 撰写，于2026年7月22日提交。论文聚焦于自回归过程中的因果结构学习，提出了一种名为 CEDAR 的新方法，旨在从时间序列数据中更准确地发现变量间的因果关系。该工作有望为经济学、神经科学、气候学等领域中复杂系统的因果推断提供新的工具。目前论文提供 PDF 版本，并开放 HTML 预览和 TeX 源码。 #论文 #arXiv #因果发现 #自回归 #机器学习 #时间序列

高维安全最优反馈控制的端到端学习

该研究提出一种端到端学习方法，将控制障碍函数层集成到高维安全最优反馈控制框架中。传统方法在处理高维系统时面临计算复杂度和安全性保障的挑战，而该方法通过可微的控制障碍函数层与神经网络结合，实现了端到端的学习与优化。实验表明，该方法在多个高维动力学系统上能够有效保证安全约束，同时保持最优控制性能，为机器人、自动驾驶等复杂系统的安全控制提供了新的思路。 #控制理论 #机器学习 #安全控制 #端到端学习 #控制障碍函数 #高维系统 #论文

基于解释的运行时验证方法，保障ML驱动光网络的可信性

一项发表在arXiv上的研究提出了基于解释的运行时验证框架，旨在提升机器学习驱动的光网络系统的可信赖性。该论文由Omran Ayoub等七位作者共同完成，于2026年7月22日提交。研究指出，随着机器学习在光网络中的广泛应用，其决策过程的透明度和可靠性成为关键挑战。为此，团队利用可解释性技术，在系统运行期间持续验证ML模型的输出，确保其符合预设的安全与性能约束。该方法通过引入解释机制，不仅能检测异常行为，还能提供可理解的反馈，帮助运维人员及时调整策略。实验表明该框架在保证网络性能的同时，显著增强了系统的鲁棒性和可审计性。该工作为智能光网络的可靠部署提供了新的技术路径。 #光网络 #机器学习 #可信赖AI #运行时验证 #可解释性 #网络运维

LLMs在用户意图演化中“迷失”

一项预印本研究《LLMs Get Lost in Evolving User Intent》指出，大语言模型在处理用户意图随时间演变的任务时表现不佳，容易在动态交互中“迷失”方向。该研究由Jihoon Tack等人完成，已在arXiv平台发布。这一发现揭示了当前LLMs在适应不断变化的目标和情境时的局限性，为改进模型在多轮对话中的灵活性和持续理解能力提供了重要参考。 #大语言模型 #用户意图 #AI研究 #arXiv #LLM #动态交互 #自然语言处理

One Round Is All You Need：作者提出单轮联邦学习解决多标签医学图像分类任务异构问题

研究人员提出一种名为"Analytic Federated Learning"的新框架，仅需一轮通信即可完成多标签医学图像分类中的任务异构联邦学习。传统联邦学习通常需要多轮迭代，而该方法通过解析解直接计算全局模型，大幅降低通信成本。实验表明，该方案在保持高精度的同时，显著提高了训练效率，为医疗影像分布式诊断提供了新的解决方案。 #联邦学习 #医学图像 #多标签分类 #人工智能 #机器学习 #医疗AI #arXiv

研究提出视角潜在作为主动推理智能体中因果涌现的结构条件

一篇题为“Perspective Latents as an Architectural Condition for Causal Emergence in Active Inference Agents”的论文近日在预印本平台arXiv上发布。该论文由Pae Hongju撰写，探讨了在主动推理框架中，如何通过视角潜在变量作为架构条件来实现因果涌现。研究结合计算机科学与定量生物学视角，为理解智能体从微观层级互动中产生宏观因果结构提供了新思路。该工作有望推动主动推理理论在人工智能和认知科学领域的进一步发展。 #主动推理 #因果涌现 #智能体 #arXiv #AI #论文 #认知科学 #计算建模

SalesLoop：利用绩效反馈的强化学习优化销售线索排名

一篇题为《SalesLoop: Reinforcement Learning from Performance Feedback for Sales Lead Ranking》的学术论文近期在arXiv上发布。该研究由Chenyu Zhang等人提出，核心思路是通过强化学习框架，从销售人员的实际绩效反馈中动态优化销售线索的排序模型。传统方法通常依赖静态规则或历史数据，而SalesLoop能持续学习销售团队对不同线索的响应效果，从而提升转化率与资源分配效率。论文展示了在真实销售场景中的应用潜力，为销售自动化与智能决策提供了新思路。 #强化学习 #SalesLoop #销售线索排名 #AI #arXiv #论文