一份早报塞进10篇技术文章,覆盖大模型、智能体落地、评测方法三条线。信息密度不低,但真正值得停下来看的,是其中关于AI自我改进的那一段。
![]()
Gemini 4 Neon与GPT-6.2的双线推进
Google DeepMind发布Gemini 4 Neon,给出四档思考强度和付费入口,开发者可以按任务难度试跑。OpenAI这边推出GPT-6.2 Astra与Sol,前者主打三维交互,后者把成本效率放在优先位置。
两家的技术报告都区分了榜单成绩与实际产品交付价值——榜单是一回事,交付到用户手里是另一回事。
自我改进卡在哪
Mark Chen与John Schulman通过实验给出一个判断:模型已经能执行计划、监控运行,但人类仍需判断问题是否值得研究。
自动化确实在提速,可要证明自主自我改进成立,还得靠人工判断这一环。瓶颈不在执行,在选题。
智能体落地的几个样本
- Ramp CEO分享AI如何被纳入整个公司工作流程,客服提交修复的方式随之改变
- Claude Docs团队用混沌测试验证上线准备
- 淘宝闪购共享实时可信业务知识
- 美团通过评测白皮书优化商家AI助手
评测闭环怎么搭
美团把商家助手流程拆成状态图,用线上失败回补评测集,再校准判分器定位问题根源。淘特动线Agent则按用户进端、在端、离端三个时机划分智能体职责,供增长团队决定策略延迟与成本。
CodeRabbit把智能体用在代码评审上,Coinbase CEO谈创业时代与AI智能体应用。十篇文章方向各异,共同点是:模型能力在涨,落地和评测的活儿还得一件件补。
特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.