全部 · 2026-05-31

这条研究解决了一个很实际的痛点：现在大家拼命给智能体加工具，但模型面对一堆按钮和菜单经常点错。复旦和通义实验室的思路不是继续堆工具，而是专门训练模型“怎么选工具”。他们造了约4000个合成工具，生成18万步的屏幕操作和工具调用交叉轨迹来训练，最终在OSWorld-MCP基准上把准确率拉到46.85%。这个数字本身不算高，但考虑到任务是在真实操作系统界面上完成多步操作，已经比之前的方法强不少。 不过这条新闻有个硬伤：微信环境验证把正文拦住了，我没看到具体训练细节、消融实验和对比基线。46.85%这个数字是ToolCUA-8B跑出来的，但不知道对比的其他模型是多少，也不知道这4000个合成工具覆盖了哪些场景。如果工具种类太窄，换到真实应用里可能掉得厉害。另外18万步轨迹听起来不少，但摊到4000个工具上，每个工具平均才45步，样本量偏薄。 还缺一个关键信息：这套方法对基座模型有没有要求。他们用的是8B参数模型，如果换成更小的模型或者不同架构，效果会不会崩？这些都得等论文放出来才能判断。

这条消息最值得关注的点不是配置表，而是三家巨头在同一天用同一张图造势，说明这不是某个小厂的试水机，而是英伟达认真想推的“AI 开发者移动工作站”。目前流出的规格听起来很猛：20 核 Arm 架构 CPU、Blackwell GPU、6144 个 CUDA 核心、128GB LPDDR5X 统一内存。统一内存这个设计对跑大模型很友好，不用在 CPU 和 GPU 之间来回搬数据，理论上本地推理会快不少。 但正文没披露任何实测数据，连内存带宽都没提。Arm 架构跑 x86 软件要靠转译，效率打几折完全未知。128GB 内存看着大，如果带宽跟不上，跑大模型照样卡在数据搬运上。另外，这台机器到底卖多少钱、续航怎么样、软件兼容性如何，正文一概没说。这些才是决定它能不能用的关键，不是 CUDA 核心数。 我会先打个折看待这条消息。三家联合预告说明产品是真的，但“PC 新纪元”这种说法得等实测出来再判断。目前缺跑分、缺带宽、缺价格、缺续航，缺的东西比给的东西多。

一群电动车爱好者用特斯拉FSD V14.3.3从温哥华开到哈利法克斯，6051公里没碰方向盘和踏板，连进超充站倒车都是系统自己干的，花了4天21小时。这个版本放宽了对驾驶员盯路的判定，长途开起来没那么累。 数字很漂亮，但得打几个折。首先这是民间团队的单次路测，不是特斯拉官方测试，也没有第三方监督，数据全靠参与者自己说。其次，正文没提途中遇到的极端天气具体有多糟，也没交代是否刻意避开了复杂路况。FSD在官方定义里仍是L2辅助驾驶，法规要求人随时准备接管，这次“零干预”更多是参与者选择不干预，不代表系统真的能应对所有突发状况。 还缺什么：没有对比数据说明V14.3.3相比旧版本到底提升了多少，也没有披露途中系统犹豫、减速或接近退出的次数。光看一次成功的案例，没法判断这套系统在普通用户手里能复现到什么程度。