这篇论文让人想起agentic LLM还能走多远。LLM内部是否可以有多本体的NTP生成轨迹？在充足且“行为可观测”的数据前提下，NTP 是把 agentic 模式“语言化并内化”的通用底座；配合 SFT 与 RL（PPO/GRPO）可使单体 LLM 展现广义 agentic 行为。但是当任务需要真实的异质性、并行探索、在线协商/博弈与非语言状态耦合时，外化的多Agent系统与工具介入仍不

#agentic LLM #NTP #多Agent系统 #语言模型 #行为可观测

相关新闻

meng shao

20小时前

[论文解读] DeepAnalyze: Agentic LLM 助力自主数据科学来自中国人民大学和清华大学团队的论文，提出 DeepAnalyze-8B 模型，基于 Agentic LLM 实现从原始数据到深度报告的自主数据科学，突破传统固定流程的局限。核心贡献 · DeepAnalyze-8B：80亿参数开源模型，自主协调规划、数据理解、代码生成等任务，通过提示或微调支持数据问答、建模及

Barret李靖

1周前

“AI 味”这件事，本质上是语言模型逃不掉的命运。因为它从诞生的第一刻起，就不是在“表达自己”，而是在“复刻统计平均”。模型的训练目标只是预测下一个词最可能是什么，它不会思考“我为什么要说这句话”，也没有任何主观意图。于是，它的语言天然带着一种“概率最优解”的味道——对，但平，准，但无魂。更致命的是，后期的 RLHF 奖励机制会进一步放大这种味道。人类标注者倾向于给那些“中庸、安全、全面”的答

𝙩𝙮≃𝙛{𝕩}^A𝕀²·ℙarad𝕚g𝕞

2周前

越来越有意思了，越来越多人意识到ICL大有可为！ context size将是下一个scaling因子。 Paper – arxiv. org/abs/2510.04618 Paper Title: "Agentic Context Engineering: Evolving Contexts for Self-Improving Language Models"

𝙩𝙮≃𝙛{𝕩}^A𝕀²·ℙarad𝕚g𝕞

2周前

见所未见，LLM的这种能力来自语言的超模态通感？

𝙩𝙮≃𝙛{𝕩}^A𝕀²·ℙarad𝕚g𝕞

3周前

NTP (Next Token Prediction): 这是所有LLM的“爬行动物脑”。是纯粹的、无意识的、基于统计的“本能”。它是L0智能的来源。终于找到可以对应MAX Bennet的智能简史中的5个动物智能的breakthrough了。

关联事件

#多智能体之争：Anthropic生态VS单智能体

Anthropic与Cognition就多智能体系统构建展开激辩，核心争议在于上下文共享与否。Anthropic强调构建多智能体生态，提升复杂任务处理效率，近期发布多智能体构建指南，阐述“协调者-执行者”架构，并通过代理协调和系统评估提升任务性能，认为单个智能体的上下文有限，压缩比太大就会失真。Cognition则更关注单个Agent的效率和稳定性。Anthropic还发布了关于多智能体系统的文章，详细阐述构建多个智能体所面临的工程挑战，并强调带宽、结构、机制的重要性。这场争论反映了AI发展路径的不同选择，对未来AI系统的设计和应用具有重要意义。