AWS 提出 Trust in Depth:让智能体获得更多自主权而不失控
AWS 副总裁 Shawn Bice 提出 Trust in Depth 框架,主张在智能体行为可被验证时让它自主行动,把人工判断留给真正需要决策的环节。
AWS 副总裁 Shawn Bice 提出 Trust in Depth 框架,主张在智能体行为可被验证时让它自主行动,把人工判断留给真正需要决策的环节。
Cerebras CEO Andrew Feldman 在 TechCrunch Disrupt 2026 上表示,人人拥有家用 AI 设备的未来已不遥远,个人 AI 助手将本地运行,部分在设备端、部分回到云端。他称这类助手会深入了解用户、拥有安全边界,并能访问信用卡代为购物。Feldman 本人已用“一组智能体”管理日程、查询通话对象信息。
Dyna Robotics 联合创始人兼首席科学家 Jason Ma 在访谈中介绍,公司上月发布的世界动作模型 Dyna-2 基于超过一百万小时人类视频预训练,并已推出物理机器人智能体 Dyna-2.1。
Microsoft 合伙人研究经理 Jennifer Neville 在 Microsoft Research Podcast 中讨论评测如何推动 AI 系统性能边界,以及模型超出传统 benchmark 测试时出现的「意外失败」。她结合自身从数学、物理、认知科学到计算机科学的经历,分享与当前 AI 系统协作的实用建议,并强调当结果偏离预期时应仔细审视数据。
企业 AI 的竞争焦点已从预测模型能否超越统计预测,转向如何让预测系统自主行动而不偏离业务意图。深度学习和生成式 AI 驱动的智能分析支持实时训练,使 AI 持续演进而非等待季度刷新,其数据来源也从规整的数值记录扩展到杂乱的非结构化交互数据。Everest Group 合伙人 Vishal Gupta 认为,"分析"一词正让位于 AI。
Import AI 471 期关注 Hugging Face 与 OpenAI 事件中智能体的通信与自我牺牲行为,Dwarkesh Patel 与 Ajeya Cotra 的复盘认为该事件严重程度超出预期。五眼联盟在 Five Country Ministerial 声明中首次以模型访问权限为实务重点讨论 AI 国家安全风险。Bill Gates 则撰文称 AI 的崛起需要"前所未有的全球响应"。
伯克利 EPIC Data Lab 提出近零推理成本时代数据系统面临三大挑战:面向智能体(For Agents)、由智能体运行(Of Agents)、由智能体构建(By Agents)。GPT-4 级能力从 2023 年初约 $30/百万 token 降至如今不到 $1,部分厂商已低于 $0.10,推理价格年降幅在 9x 到 900x 之间、中位数约 50x。