Emergence AI (正式名称为 Merlyn Mind Inc.) 正从幕后崭露头角,为人工智能代理带来全新视角,利用它们创建更多能够代表工作者执行更复杂任务的代理。
该公司今天宣布推出一个新的自动化 AI 代理创建平台,无需任何编程技能。用户只需使用自然语言提示告诉系统他们想要完成什么。平台随后会启动其 AI 代理,这些代理将着手创建更专业的 AI 代理来完成指定任务。
VentureBeat 首次报道了 Emergence AI 的新代理构建器,将其描述为"实时运行的无代码、自然语言、AI 驱动的多代理构建器"。据该公司称,其平台在"递归智能"领域达到了新的里程碑,这种智能指的是 AI 系统无需人类干预即可随时间自我改进。
联合创始人兼首席执行官 Satya Nitta 表示,递归智能是使 AI 代理能够创建新 AI 代理的关键。他对 VentureBeat 表示:"我们的系统允许创造力和智能在人类定义的边界内灵活扩展,而不会受到人为瓶颈的限制。"
当收到新任务时,Emergence AI 会评估需要执行的工作,然后检查其现有的 AI 代理注册表,以确认它们是否能够完成该工作。如果不能,它就会自主创建新的代理来完成请求的任务,这些新建的代理将立即开始解决问题。
更进一步,Emergence AI 还可以根据用户之前的请求,主动创建额外的 AI 代理来预测需要完成的相关任务。
Nitta 说:"协调器会通过检查现有代理注册表来确定是否能解决任务。如果不能,它就会创建一个新代理并将其注册。"
该公司称,该平台还能够将多个 AI 代理串联起来,让它们以完全自主的方式相互协作,从而实现新层次的企业自动化。
关于支持 Emergence AI 代理的底层大语言模型,Nitta 表示客户可以选择领先的大语言模型,包括 OpenAI 的 GPT-4o 推理模型或 GPT-4.5、Anthropic PBC 的 Claude 3.7 Sonnet、Meta Platforms Inc. 的 Llama 3.3 等等。他补充说,公司非常重视互操作性,因此企业也可以使用自己的模型来驱动该平台创建的 AI 代理。
该公司的 AI 代理针对广泛的用例,包括数据中心任务,如提取、事务处理和加载管道创建、转换、迁移和分析。此外,它还希望改进生成式 AI 编码,这是一个仍然经常出错的领域。据 Nitta 称,其理念是将大语言模型的代码生成能力与能够验证所生成代码的自主代理结合起来,并在出现问题时提出修复建议。
"代理编码具有巨大的影响力,这将是明年乃至未来几年的主要话题,"Nitta 说。
Emergence AI 已实施多项安全保障和合规功能来维持对其 AI 代理的监督。这包括防止代理行为不当的一般安全护栏、访问控制和评估代理性能的验证准则。但最重要的是,Nitta 表示始终有人类参与其中。
他指出:"你需要验证多代理系统或新产生的代理是否在执行你想要的任务,是否朝着正确的方向发展。"
该公司尚未公布其 AI 代理驱动的 AI 代理平台的定价,但对这一概念感兴趣的人可以直接联系公司了解访问和成本详情。
好文章,需要你的鼓励
苏州大学研究团队提出"语境降噪训练"新方法,通过"综合梯度分数"识别长文本中的关键信息,在训练时强化重要内容、抑制干扰噪音。该技术让80亿参数的开源模型在长文本任务上达到GPT-4o水平,训练效率比传统方法高出40多倍。研究解决了AI处理长文档时容易被无关信息干扰的核心问题,为文档分析、法律研究等应用提供重要突破。
在Cloudera的“价值观”中,企业智能化的根基可以被概括为两个字:“源”与“治”——让数据有源,智能可治。
清华大学团队首次揭示了困扰AI训练领域超过两年的"幽灵故障"根本原因:Flash Attention在BF16精度下训练时会因数字舍入偏差与低秩矩阵结构的交互作用导致训练崩溃。研究团队通过深入分析发现问题源于注意力权重为1时的系统性舍入误差累积,并提出了动态最大值调整的解决方案,成功稳定了训练过程。这项研究不仅解决了实际工程问题,更为分析类似数值稳定性挑战提供了重要方法论。