对噢！为什么LMs就不能直接输出答案+confidence呢？

当前语言模型在复杂问答任务中存在校准退化问题，本文提出RLCR方法，将概率校准融入RL训练目标，重构奖励函数，在多个数据集实验中显著降低校准误差，不损失准确性，为高风险场景AI部署奠基。

2025「中国最具价值 AGI 创新机构 TOP 50」发布

2025年中国AI行业新应用、新产品不断涌现。Founder Park从商业价值创新等四维度选出50家AI创业先锋，涵盖大公司新产品、垂直赛道头部公司和初创企业等，还介绍了如阿里生意管家、ACE Studio等众多创新产品。

多智能体在「燃烧」Token！Anthropic公开发现的一切

Anthropic发布多智能体研究系统构建解释，解决多智能体研究困惑。多智能体系统优势明显，在特定任务中表现出色，但token消耗大。其架构独特，还介绍了提示词工程、评估方法、面临的工程挑战等内容。

一粒「扣子」，开启了Agent的全生命周期进化

2025年被视为Agent爆发元年，自年初通用Agent产品Manus出现后，其受关注程度空前。火山引擎Force 2025大会上，升级后的扣子成焦点，它从开发平台进化为全生命周期平台，覆盖开发、框架、调优、协作四大部分。

一句“Hi”，80$蒸发！O3-Pro：地表最强，也最“坑”的AI！

昨晚ChatGPT宕机，OpenAI 2折甩卖o3模型并发布o3 Pro。o3 Pro编程能力强，达全球top150程序员水准。官方称甩卖的o3是原版但推理快近40%。o3使用成本高，还需足够上下文。

极低成本，复现GPT-4o图像风格化一致性！NUS推出OmniConsistency

NUS ShowLab 推出 OmniConsistency，解决开源扩散模型在图像风格化一致性上与商业 API 的差距。它成本低，能在保持风格化效果时精准保留图像细节等，还解决了风格化与一致性的跷跷板问题，且兼容性强。

打破AI能力的惯性评估方式，红杉中国推出全新双轨基准测试xbench｜甲子光年

红杉中国推出全新AI基准测试工具xbench，采用双轨评估体系，构建多维度测评数据集，追踪模型理论能力上限与Agent实际落地价值。还采用长青评估机制，首期发布两个核心评估集并给出综合排名，公开后邀各界完善。

微软 CTO 在 Rust Nation UK 大会上详解成功经验、挑战及对 Rust 编程语言的承诺

微软Azure首席技术官Mark Russinovich在Rust Nation UK大会探讨推动Rust采用的因素，展示微软产品中Rust应用成果，介绍用生成式AI加速C/C++向Rust迁移的努力，还提及开发者反馈及微软对Rust的承诺。

本文关注vllm V1中管控模型分布式推理的Executor部分，介绍其类型、Executor-Workers架构及数据传输机制，对比V0架构优势，以单机多卡的MultiprocExecutor为例展开讲解，还提及不同数据量的传输方式及相关代码。

亚马逊 CTO 要来中国了，说实话，这比泛滥的 AI 发布会值得关注

本文梳理亚马逊CTO Werner Vogels从业多年的技术思考路径：从供给侧造工具降低开发门槛，到转向关注使用者与真实需求，反思当前AI热潮下的行业焦虑，指出他本次2026年10月中国行，比泛滥的AI发布会更具关注价值。