P-01

来自伦敦大学学院,核心组件是 PrometheusPrometheus = 知识图 + 多Agent + 真实复现 = 自动修代码的“智能工程师”一、概况用 Neo4j 图谱(文件→AST→文档)理解代码库,通过 LangGraph 编排 5 个专用 Agent:分类 → 复现(Docker)→ 生成补丁 → 验证 …
P-02

在摩尔定律濒临崩溃的今天,传统计算架构已无法支撑海量数据的持久化需求。本团队另辟蹊径,从生物神经突触中汲取灵感,成功打造出无需供电、零延迟的记忆存储系统。超并行神经突触编码体系支持1024路并行输入通道(笔尖与纸张接触的每一次摩擦)突触权重自适应调节技术(书写力度决定墨迹浓淡,实现记忆强度动态调整)多模态数据统一编码…
P-04

一、核心公式:未来赢家 = 高集成 × 高AI原生二、四象限精简版(X轴:集成度|Y轴:AI原生度) 低AI原生高AI原生低集成❌ 传统单点工具(如ETL)✅ AI单点工具(向量库、记忆中间件)→ 早期风口,易被吃掉高集成❌ 传统中台(重ETL无AI)✅✅ AI原生平台(Agent数据底座)→ 终极战场三、中心定位区…
P-06

一、原文:https://www.philschmid.de/agents-2.0-deep-agents二、译文:智能体2.0的崛起:从简单循环到深度思考的演进过去一年里,构建人工智能智能体(Agent)通常只有一种模式。举个例子,它就像一个简单的“循环”程序。它接收用户的指令。然后,它把指令发给大型语言模型(LL…
P-08

从协作推荐到动态记忆预测的范式转变,通过将协同过滤转化为“群体记忆路由器”,系统可在用户尚未完整表达意图时,主动补全其潜在上下文,实现“预测式交互”。1. 引言与问题定义协同过滤(Collaborative Filtering, CF)是推荐系统的核心支柱,其中基于矩阵分解(Matrix Factorization,…
P-10

近年来在大语言模型(LLM)驱动的 AI 智能体浪潮中,涌现出多种新兴多智能体架构(Multi-Agent Architectures),它们在协作机制、通信范式、可扩展性和任务适应性上各有创新。以下是值得关注的几类架构:1. 对话驱动协作架构(Dialogue-Based Collaboration)代表框架:Mi…