本周AI前沿聚焦Agent系统优化、训练范式革新与安全风险。DecisionRAG实现无检索文档导航，提升检索精度；Unified Training统一多阶段训练流程，简化训练链；HarnessMM通过缓存决策显著降低DeepSeek Agent的token消耗与调用次数。EMMA以情景记忆保障多智能体稳定进化，而视觉符号（如红色爱心）可隐性诱导模型生成递归代码。

AI Agent时代催生39个新兴创业机会，聚焦模型之外的生态建设。从Agent身份管理、安全保险到跨工具记忆、任务交易市场，再到机器人租赁、算力共享与创作者权益保护，核心在于构建支撑AI“工作”的基础设施与信任体系。未来商业红利不再仅属于模型本身，而是围绕智能体运行所需的权限、数据、责任与服务的新生态。

前北大学霸、曾因“抢算力”被字节辞退并赔50万的田柯宇，凭借NeurIPS最佳论文成果，仅用两年时间便以10人团队创办初创实验室，获3000万美元融资，估值达2亿美元。其核心创新基于自回归编码机制，致力于降低世界模型训练成本，引发顶级风投追捧。从“算力盗贼”到资本宠儿，田柯宇的逆袭折射出科技圈对技术颠覆力的狂热与伦理边界的模糊，成为生成式AI时代最具反差感的“时代标本”。

Janus是DeepSeek开源的多模式自回归框架，统一了多模态理解和生成，既可以理解图片内容又可以生成图片。

BiRefNet：突破分辨率限制，实现高精度图像分割！利用双边参考和逐步细化技术，BiRefNet 能够生成精细且准确的分割结果，并应用于建筑检测、目标提取等场景，为图像分割领域带来革命性突破！

吴恩达近日发布长文，系统阐述编码智能体（Coding Agents）已成为AI工程的关键技能。他指出，编码智能体演进速度极快，专有与开源工具持续通过模型与工具链双重升级。真正拉开差距的，不是单纯写代码，而是引导智能体完成代码编写与数据分析、系统管理等非代码任务的能力。

这篇文章主要介绍如何多方式体验Qwen2阿里云最强开源大模型

本文综述了强化学习在提升大型语言模型（LLMs）为大型推理模型（LRMs）能力中的最新进展与挑战，回顾了以 OpenAI o1 和 DeepSeek‑R1 为代表的里程碑，强调通过 train‑time RL 与 test‑time compute 可放大长链推理能力

本专著阐述了指导扩散模型发展的核心原则，追溯了它们的起源，并展示了各种不同的模型形式如何源于共同的数学思想。扩散模型首先定义一个正向过程，该过程逐步将数据转化为噪声，并通过一系列中间分布将数据分布与一个简单的先验联系起来。其目标是学习一个反向过程，将噪声转换回数据，同时恢复相同的中间分布。我们描述了三种互补的观点。变分观点受变分自编码器的启发，将扩散视为逐步学习去除噪声的过程。基于得分的观点源于能

在整个圈内媒体都在喊「智能体元年」的时代，Andrej Karpathy 的话像是给业内泼了一盆冷水。近日Andrej Karpathy 上了 Dwarkesh 的播客，信息密度极高。他的核心结论可以用一句话概括：Agent 的发展还需要十年。