Agent 前沿速递：生态、协作与上下文的关键演进
AI Agent领域在2025年6月经历显著进展，包括新一代基础设施、融合真实工作流的新技术以及多智能体协作架构的发展。核心焦点是构建可靠的基础设施、丰富的上下文和协作智能生态，而非单一模型能力。这一周的技术突破涵盖了从后端服务到多智能体系统，预示着一个全新的AI时代即将开启。
复杂问题
实证：现在的LLM根本不会Reasoning！
MLNLP社区致力于推动国内外自然语言处理领域的学术与行业发展。最新论文指出，热门的大推理模型可能只是在’表演思考’。该论文通过特定谜题揭示了这类模型的问题复杂度上限，并提出了改进方向。
天塌了！苹果刚刚证明：DeepSeek，o3，Claude等“推理”模型根本没有推理能力
最新研究质疑苹果认为推理模型具备真正逻辑思维能力的观点，指出其在面对复杂问题时表现不佳，并可能陷入性能与思考努力双重崩溃的现象。
一篇142页全面复盘DeepSeek R1思考推理技术综述
通过分类体系分析DeepSeek-R1的推理模块及其在不同任务中的表现，揭示了推理链条的结构一致性、反刍行为和长度对性能的影响，并发现存在一个“最佳点”来优化模型性能，同时探讨了长文本处理与人类认知负荷的关系。
OpenAI的「看图思考」被玩坏了！我把工位照片给 o3 ，隐藏属性都被扒出来……
文章介绍了Alibaba Cloud的最新模型O3在视觉推理方面的强大能力，包括其识别图片元素、理解并解决实际任务的能力。通过一系列测试题目展示了O3的表现，并对其局限性进行了讨论。
Gemini 2.5 Pro真是强到没对手！谷歌不愧为AI黄埔军校！
Gemini 2.5 Pro 是 Gemini 模型的新成员，具备强大的推理、编程能力和多模态任务处理能力。它在多个基准测试中表现出色，并引入了逐步推理机制以提高答案准确性。
牛津提出新方法让LLM reasoning能力翻倍！从“单打独斗”进化成“团队作战”
MLNLP社区介绍其知名社区致力于推动国内外自然语言处理与机器学习领域内的交流合作，本文分享了一篇论文，通过集成搜索助手、代码助手和思维导图管家等工具帮助大型语言模型提升推理能力的文章，并展示了其实验结果及其潜力。
硕博们要笑醒？谷歌推出科研机器人：选题，文献检索，实验设计统统拿下
谷歌发布AI co-scientist系统，可处理科研选题、文献检索、实验设计等任务。特点包括理解研究目标、生成创新假设和研究方案、加速科研进程等。它采用多智能体架构模拟科学研究全流程，并通过‘测试时间计算’提升输出质量。实验证明其在药物重定向、靶点发现和抗生素耐药性机制解释等方面超越人类专家。