
南大00后,用AI模拟产品全生命周期,为品牌省下百万试错成本(在新窗口打开)
数宗科技创始人丁天(南京大学00后)创立AI Agent公司,开发企业级产品Brand Master,通过虚拟消费者模拟帮助品牌在新品上市前完成全生命周期测试,将新品研发周期从2个月缩短至1周,营销ROI平均提升80%,已服务雅诗兰黛、盒马、7-Eleven等客户。
共 48 篇

数宗科技创始人丁天(南京大学00后)创立AI Agent公司,开发企业级产品Brand Master,通过虚拟消费者模拟帮助品牌在新品上市前完成全生命周期测试,将新品研发周期从2个月缩短至1周,营销ROI平均提升80%,已服务雅诗兰黛、盒马、7-Eleven等客户。

没错,又一个新概念来了。这一次是「自驱型公司(The Self-Driving Company)」,来自 Replit CEO Amjad Masad。这个概念究竟意味着什么,或许还需要时间检验;但它显然击中了当下 AI 圈的讨论热点。博客发布仅一天多,浏览量便突破 1.1M。

现在的 AI Agent 动辄需要处理超长上下文,既要看系统提示词、工具说明,又要翻阅历史对话和检索文档。为了省钱、省算力并降低延迟,很多开发者会给系统加上 “提示词压缩”(Prompt Compression)模块,把冗长的上下文浓缩后再喂给大模型。

从原始视频出发,无需人工介入,自动生成 3D 重建、深度、2D mask、3D 框、实例描述、3D grounding 和空间问答。Holi-Spatial 试图把「空间智能」的数据生产,推进到自动化、可扩展的新阶段。

过去,AI 研发基本是一条由人主导的流水线。

智能体时代,如何让视觉分割更准确? 复旦、创智联合推出RSAgent,给出最新答案——让多模态大模型通过多轮工具调用生成准确掩码。 相关工作已入选ICML 2026。 视觉分割,一直是个“说起来简单,但做起来容易失手”的任务。 给模型一张图、一句话,让它把目标区域的像素圈出来——听起来直接,但一旦目标含糊、被遮挡,或者需要推理才能定位,一次性猜出正确的掩码就变得相当困难。 RSAgent团队认为,现有方法缺少的,不是更强的分割头,而是“确认和纠错”的过程。 为此,他们推出了RSAgent这个让多模态大模型通过多轮工具调用,完成文本引导分割的智能体框架。 模型不再一次性输出mask,而是先观察图

今天凌晨,俄勒冈州立大学杰出教授(荣休)、arXiv 计算机科学分区 CoRR 的机器学习板块首席版主 Thomas G. Dietterich 宣布:根据我们的行为准则,在论文上署名即表示每位作者对其全部内容承担完全责任,无论这些内容是如何生成的。

DeepMind 刚上任的 AGI 经济学总监 Alex Imas 曾担忧 AI 导致失业和需求坍缩,如今提出一个谨慎乐观判断,AI 会压低可复制劳动价格,也会推高护理、教育、医疗、服务等关系型劳动的价值。

基于视觉语言模型(VLM)的多智能体系统(MAS)正成为复杂多模态协作的核心方案,却被一个致命痛点死死卡住:多智能体视觉幻觉滚雪球——单个智能体的视觉误判通过纯文本信息流逐级放大,早期细微错误最终演变成系统性崩溃。

最近,谷歌联合ResNet作者何恺明、谢赛宁、NeRF先驱Jonathan T. Barron、 3D图形学名家Thomas Funkhouser,正式发布了Vision Banana。它向世界宣告:视觉AI终于不再需要那些臃肿的任务头了,理解,本质上只是生成过程中的一次「对齐」。