既然当前 LLM 在复杂 Agent 任务上表现不佳，那出路在哪？我认为，基于参数的后训练优化，特别是强化学习（RL），是当下更可靠的方向！ 从 OpenAI 的 PPO 算法，到今年 DeepSeek 的 GROP，都展示了 RL 在提升模型能力和效率上的巨大潜力。RLHF 技术更是改善模型表现的关键。 同时，像 LoRA/QLoRA 这样的 SFT 高效微调技术也在快速发展，能以较低成本优化大模型。 虽然我们期待 LLM 的突破，但现阶段，深耕 RL 可能是让 Agent 真正“智能”起来的关键一步。为什么说强化学习（RL）可能是 Agent 的未来？RL 具体如何应用在 Agent 上？SFT 微调技术有哪些优势？想深入了解 Agent 的前沿技术方向，我在知识星球《AI桐木和他的贵人们》等你探讨！

当前 LLM 能力不足，很多人试图通过提示词工程、工具调用、多智能体协作甚至 RAG 来“曲线救国”，提升 Agent 效果。 但这些本质上是用“工程能力”弥补“模型能力”的不足。历史经验告诉我们，过度依赖工程弥补模型短板的公司往往走不远。 还记得前年火热的“提示词工程”吗？现在大模型进步了，简单的 Prompt 也能出好效果。警惕！模型的迭代速度远超想象，今天费尽心机做的工程优化，明天可能就毫无价值。如何避免在 AI 发展中做无用功？怎样判断哪些技术值得投入？Agent 的长期发展方向是什么？加入知识星球《AI桐木和他的贵人们》，获取我的前瞻分析和避坑指南。 #AI[话题]# #Agent[话题]# #智能体[话题]# #LLM[话题]# #大模型[话题]# #提示词工程[话题]# #PromptEngineering[话题]# #AI趋势[话题]# #技术迭代[话题]# #工程优化[话题]# #AI陷阱[话题]#

想让 AI Agent 帮你操作电脑？比如删个文件、自动通过微信好友？我用自己的开源项目 autoMate 亲测了！ 结果呢？用了最新的 GPT-4o，即使我把提示词写得像“保姆级教程”（鼠标放哪、右键、点哪个按钮），删除文件的成功率也才从 10% 提升到 30%！换更贵的 GPT-4.5，效果提升微乎其微，成本却飙升十几倍！ 让它识别微信“好友图标”更是灾难，无论怎么描述位置、颜色、样式，成功率不到 10%... 我甚至开始怀疑人生，为啥不直接用 OpenCV？多模态大模型在桌面任务上到底有多难用？我踩了哪些坑？有哪些暂时无解的问题？完整版实测体验和深度思考，尽在我的知识星球《AI桐木和他的贵人们》。

OpenAI 最近发布了《构建 Agent 实用指南》，看似权威，但我细看后觉得有点失望。指南过度聚焦 LLM，仿佛它是 Agent 的唯一核心。 但真的如此吗？他们定义的 Agent 是能控制应用完成任务的，可现实是...（留个悬念） 我基于 LLM 构建 Agent 的亲身经历，发现很多坑。难道我们都被“大模型思维”框住了？Agent 的真正潜力或许在别处！ LLM 做 Agent 为何效果不佳？OpenAI 指南忽略了什么关键点？想看我的深度分析和不同思路，欢迎加入知识星球《AI桐木和他的贵人们》探讨！

告别AI“推理/非推理”标签

有人说 Llama 4 是“最好的非推理模型”，但这种划分真的科学吗？🤔 对 AI 模型简单粗暴地贴上“推理”或“非推理”的标签，其实是一种误导。Nathan Lambert 建议，我们应该用两类不同的基准来评估所有模型：

1️⃣ 复杂推理任务（数学、逻辑、多步解决）
2️⃣ 不需要复杂推理的任务（文本分类、信息提取）

一个“推理能力”强的 AI，通常综合能力都不错，简单任务也能胜任。但反之不成立，就像小学算术高手解不了微积分。

如何更科学地理解和评估 AI 模型的能力？AI 的“智能”到底体现在哪里？加入我的知识星球《AI桐木和他的贵人们》，学习 AI 核心概念，提升你的 AI 素养！ 拒绝被忽悠，真正懂 AI！关注我，获取 AI 科普干货。加入星球，系统学习 AI 知识，成为内行！

#AI模型 #人工智能 #大模型 #推理能力 #AI评测 #技术科普 #AI基础 #干货 #学习 #认知提升 #NathanLambert

Llama 4暴露Meta战略困境
Llama 主要面向开源社区和企业私有化部署，用户资源有限。理想策略或许是像 Qwen 2.5 那样提供从 0.5B 到 72B 的全系列模型。但 Meta 却似乎想走 DeepSeek 的大模型路线，意图“大而全”。然而，Llama 4 的开源协议比 DeepSeek 的 MIT 协议限制多得多，要求标注、限制商业用途。🤔 一边想竞争，一边又放不开手脚，想争第一的包袱太重，反而可能违背开源初衷，失去了方向感。对比之下，OpenAI 持续引领方向（如 PaperBench）。

Meta 的战略到底出了什么问题？AI 巨头们如何在开源和商业化之间抉择？加入我的知识星球《AI桐木和他的贵人们》，探讨 AI 行业战略、开源生态和未来走向！ 不止看技术，更要懂战略！关注我，洞察 AI 行业格局。加入星球，获取深度行业分析，理解巨头博弈！

#Llama4 #MetaAI #大模型 #AI战略 #开源 #DeepSeek #Qwen #科技评论 #行业观察 #人工智能

Llama 4逆天千万上下文！

Meta Llama 4 家族登场！最吸睛的 Llama 4 Scout 不仅是同类最佳多模态模型，更支持高达 1000 万 Token 的长上下文！🚀 采用 MoE 架构，据说训练计算量比 Llama 3 还少，仅需一块 H100 就能部署。但官方只放了 NIAH 评测结果，这足以证明其长上下文能力吗？RULER 或 NoLiMa.3 的测试去哪了？ 🤔

想知道 Llama 4 的 MoE 架构有何玄机？1000万长上下文的真实水平如何？加入我的知识星球《AI桐木和他的贵人们》，深入剖析 Llama 4 技术亮点与局限！

硬核 AI 技术解读，关注我没错！加入星球，看懂 Llama 4 的真正实力，掌握前沿技术趋势！

Llama 4发布疑云：评分造假？

Meta 本周末悄悄发布了 Llama 4，时机微妙引人遐想。更让人跌眼镜的是，他们在 LMArena 榜单上号称遥遥领先的分数，仔细一看官方博客小字，竟然用的是内部实验版 Llama 4 Maverick，而非公开发布的 Scout 版本！🤯 这波操作是不是有点“离谱”？背后反映了 Meta 怎样的焦虑和策略？

想深入了解 Llama 4 技术细节、Meta 的战略困境以及 AI 行业更多内幕？加入我的知识星球《AI桐木和他的贵人们》，获取完整分析和硬核干货！

关注我，带你拨开 AI 迷雾，看透大厂操作！加入星球，获取 Llama 4 全面解读和更多独家见解！

近一周AI Agent的概念满天飞，AutoGLM、UI TARS、Midscene 全都涌现了出来。我试用了一下这几款工具，真要让这些软件帮你干点电脑上的精细活儿，比如精准操作某个特定软件的复杂界面，完成一套严谨的业务流程时，你可能会发现…… 好像就有点卡壳了，要么慢吞吞，要么点不准，要么干脆“我不知道该怎么做”。

这就有点意思了。按理说，软件应该比真实的物理世界更规整、更容易被AI理解和操控，但现实好像并不是这样：反观具身智能领域，让机器人在现实世界里翻跟头、跳舞、端茶倒水，让汽车在路上自动化驾驶，另外本周发生的小米Su7自燃事件确实人让觉得惋惜，这件事暗示着自动化尚处于早期阶段，还不能完全脱离人的控制，但相比软件方向的进展，具身智能已经做的很好了，难道具身智能已经领先软件Agent了吗？

这件事可以从原理来看，现在很多软件Agent的核心大脑就是我们熟知大模型（LLM）。这东西很擅长画画、聊天、做总结和搞创作，但要让它像素级精准地、毫秒级响应地去点击一个按钮，拖拽一个文件，或者在一套复杂的软件界面里规划出最优操作路径，这基本不可能。为啥？因为它本质上是个“语言”模型，强项在于理解和生成文本信息，对于视觉空间的精确感知、快速的决策反应以及需要多步骤精确规划的任务，天然就不是主场。我们在之前的文章也分析过，现在的大模型缺少 精性、速度和规划能力。让它做这些精细操作，有点像让一位哲学家去干外科手术，道理能学会，但手速却怎么也跟不上。

那自动驾驶怎么识别路上的车、人、红绿灯？它依赖像YOLO这样的视觉识别模型，或者是基于Transformer直接训练端到端视觉模型，目标就是快、准、狠地识别出环境里的关键元素。识别出来之后会衔接一套复杂的规则系统（大量的if...else...），也可能有专门训练的端到端决策模型，来决定是刹车、是加速、还是转向。

这个思路，完全可以借鉴到软件操作上！想象一下，我们是不是也可以训练一个专门识别软件界面元素的“YOLO模型”，让它能一眼认出各种按钮、输入框、菜单项？然后，我们人类就像教实习生一样，亲自演示一遍操作流程：“先点这个按钮，再填这个表格，然后拖到这里……” 这时候，大模型（LLM）可以发挥它的强项，去“观察”和“理解”我们的操作意图，把这个过程总结成一个工作流或者一系列指令。这个过程其实可以借用RLHF来搭建一个场景，然后把这个能力就循环的建立了起来。

这周具身智能领域还有一个大事件，华为天才少年稚辉君所在的智元公司发布了roboBrain，这个模型的一个核心能力，就是观察人的行为然后总结成工作流，比如我们说“把一个茶杯放在盘子里”，roboBrain会输出“1 找到茶杯；2 抓起茶杯；3 举起茶杯； 4 将茶杯移到盘子上方； 5 降低高度；6 放下茶杯 ”，虽然它输出的结果很简单，但这里面有一个核心，现阶段让Agent去“看懂人做事”比让它“直接上手精准做事”要靠谱得多。

Hinton 说 RLHF 就是一坨垃圾，但其实他想说 RLHF 是一种修补手段并不是核心的能力。以 ChatGPT 为代表的大模型的核心能力在预训练阶段，而 RLHF 仅仅为后训练的一种对齐手段，况且以 deepseek 为代理的模型已经逐渐减少后训练的工作量而采用蒸馏的方法。