扫描下载APP
其它方式登录
Google DeepMind在Nature发表文章，提出Agentic Profile框架，从自主性、效能、目标复杂度和泛化四个维度系统刻画AI Agent核心属性，打破二元分类局限，为不同能力特征的AI系统提供差异化治理依据，推动AI监管从‘是否是Agent’转向‘具备何种行动能力及影响’。
浙江大学团队在Nature Communications发表论文指出，大模型参数规模增大虽提升具体物体识别能力，却削弱抽象概念理解能力；团队提出用人类脑信号约束模型结构，使AI学习人脑式的概念分类与迁移机制，推动AI从‘更大即更好’转向‘结构更智能’，强调认知结构优化对通用智能的重要性。
周乐鑫团队在Nature发表新论文，提出基于18维通用量表的AI评估框架，实现对AI能力的可解释性建模与跨任务表现预测，揭示现有基准测试存在‘作弊’和污染问题，并指出大模型缩放存在边际递减效应，推动AI评测从分数导向转向能力画像。
