AI同时操控200个机器人，任务成功率超90_，半数故障依然「能打」

AI Agent 已逐渐从科幻走进现实——不仅能够执行编写代码、调用工具、进行多轮对话等复杂任务，甚至还可以进行端到端的软件开发，已经在金融、游戏、软件开发等诸多领域落地应用。然而，当前的 AI Agent 在训练与优化环节却面临着严峻挑战，传统强化学习（RL）方法也在复杂、动态交互场景下表现不佳。为此，微软团队推出了一个灵活、可扩展的框架 —— Agent Lightning，其可对任何 AI

AI：人们为何会相信某个信息是真或假？

恭喜！

一场针对AI“视觉本能”的测试。

对于开放世界游戏、复杂软件操作和多步骤具身任务来说，学会在关键转折点重新思考、在稳定阶段低成本执行，可能是提升智能体实用性的关键路径。

让 Agent 记忆跟着环境一起演化。

在数据集构建方面，Vision2Web 筛选并整合了大量真实世界的网站资源，最终包含了 193 个开发任务，广泛覆盖内容、交易、SaaS 平台及公共服务 4 个类别下的 16 个子类，总计配备了 918 张原型图像和 1255 个测试用例，旨在为评估模型在多样化、高复杂度场景下的泛化能力提供坚实且高质量的数据基础。作为对工程能力的终极考核，全栈网站开发任务则要求模型面对结构化的需求文档与复杂原型图

重新定义 AI 评估标准

MobileMoE 并为端侧大语言模型建立了新的帕累托前沿，在精度与推理计算开销的权衡上取得了更优结果。