搜索
Agent从来不是不会用浏览器，只是浪费太多时间在探索——BrowserBC把人类轨迹蒸馏成可复用Skill来完成Behavior Cloning，用户点一遍，Agent照着就能跑通。Einsia AI旗下Navers Lab发布的开源项目BrowserBC给出的答案，是一条三步范式：录制→转写成Skill→交付执行。
最近看到越来越多的一些国民级产品，开始把自己的一些能力，给封装称Skill或者MCP，来向大家开放，我觉得这个大家逐渐为Agent来做能力的趋势，越来越明显了。特别是前段时间瑞幸咖啡上线了AI开放平台，支持MCP、CLI、Skill三种接入方式。
难怪Meta CTO都不得不承认“内部士气快跌到历史谷底”了。围绕AI，小扎又整出了新的幺蛾子：之前不是说要把员工们全蒸馏了吗？这事紧急叫停了，因为数据搞！泄！露！啦！
Fable 5正在引发众多质疑：一声「你好」就能触发警报，一问高端技术就会被暗箱降智。Anthropic的安全承诺，正在变成一场开源圈愤怒的「安全谎言」。
Claude刚刚发布的新模型Fable 5，很多人可能压根就用不上！有不少网友实测发现，Fable 5的安全护栏检测机制的触发几率似乎比官方宣称的不到5%严格得多。无论是普通编码任务。
“我们有点处在自己的科技泡沫里。”
近期，来自复旦大学与阿里巴巴通义万相的研究团队对此提出了新的思考。他们认为，多任务强化学习不应被视为一个统一优化问题，而应该解耦为两个彼此独立的过程：单任务的在线策略探索 & 多任务能力整合。
网上有条帖子炸了，稳定复现，通过 API 问 Claude Opus 4.8 你是什么模型。回答是：Qwen，或者 DeepSeek。重要的事说三遍：必须是通过 API，必须是通过 API，必须是通过 API。因为网页端有系统提示词，会做二次处理。
Codex自家程序员，直接把Codex「自我蒸馏」的秘籍给爆出来了…
今年以来，在线策略蒸馏 OPD（On-Policy Distillation）已经逐渐成为大厂 LLM 后训练中的重要组件，例如 DeepSeek-V4，GLM5 就使用了多教师 OPD 来整合不同领域专家模型的能力，相比混合奖励强化学习收敛更快、效果更好。