算法论文8

Agentic上下文工程：无需微调实现模型进化

机器之心2025-10-11

AI 摘要

斯坦福大学等团队提出 Agentic Context Engineering 技术，让语言模型无需微调自我提升。该技术通过构建动态上下文，在智能体和领域特定任务上表现出色，成本和延迟降低，有望推动持续学习。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

浙大论文揭露VLM微调真相，给CLIP‘踩刹车’

浙大陈静远教授课题组等提出自适应非对称适配器，放弃对图像分支硬性微调，引入预测置信度自动给视觉塔‘踩刹车’。经实验总结出微调三大核心洞察，在多个数据集测试中表现优异。

何恺明团队推出全新连续扩散语言模型ELF，不走GPT自回归老路。它将生成过程留在连续embedding空间，最后离散化变回token。ELF用较少参数、训练token和采样步数，跑赢主流扩散语言模型。

腾讯混元团队推出CL - Bench Life，用于精准衡量AI在现实生活中的“上下文学习”能力。测试12个语言模型，结果显示模型处理高噪声零碎context能力不足，揭示当前顶尖AI模型还远未读懂日常。

UIUC Ge Liu团队发布《LangFlow: Continuous Flow Matching for Large Language Models》，回归连续扩散架构。研究指出连续扩散受挫非先天缺陷，经优化，LangFlow让连续扩散在标准基准追平离散扩散，为多模态统一架构打通底层路线。