算法论文8
蚂蚁团队Atom - Searcher突破Agentic研究限制
机器之心
AI 摘要
蚂蚁安全团队:为突破Agentic Deep Research系统性能限制,提出Atom - Searcher,结合监督微调与细粒度奖励强化学习,解决梯度冲突和奖励稀疏问题,实验显示性能提升显著。
阅读原文 · 机器之心
Agentic Deep Research新范式,推理能力再突破,可信度增加,蚂蚁安全团队出品
尽管LLM能力提升,但在复杂任务上受静态内部知识限制。业界提出Agentic Deep Research系统,不过现存系统有梯度冲突和奖励稀疏问题。蚂蚁安全团队提出Atom - Searcher,解决上述问题,实验效果良好。

关注公众号
扫码关注
第一时间收到每日精选
相关文章
算法论文8
Token压缩率飙升60% 大模型分词革新
当前大模型效率优化多聚焦降低单位Token计算存储开销,本文解读arXiv新预印论文,针对传统BPE分词的固有局限,提出CNF-MCE分词框架,可大幅提升Token压缩率,开辟大模型效率优化新路径。
InfoQ
开源动态9
Pi 1.0发布 接入曾骂过的MCP
本文编译自Pi团队播客访谈,Pi迎来1.0大更新,推出全新长时持久Agent框架Pi Durable,正式接入此前骂了一年的MCP协议,深度讨论AI编程能力边界与未来方向。
InfoQ
新闻资讯9
Linus用Claude写内核 性能涨3倍
本文报道Linux之父Linus Torvalds在Linux官方内核仓库新增带LLM后缀的分支,他指导Claude Code参与内核内存管理模块的代码编写、测试和文档撰写,优化后多线程读取性能暴涨3倍,还借助AI梳理十年前的旧代码,挖出3个隐藏多年的Bug,打破了Linus此前对AI的质疑。
新智元
算法论文8
清华Jev-LDE:一次编辑暴涨ICL准确率
清华大学自动化系研究者针对大模型上下文学习(ICL)中示例选择成本高、效果不佳的问题,提出Jev-LDE方法,仅对初始检索示例做一次局部编辑,即可大幅提升1-shot准确率,推理成本增量很低。
机器之心