<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>Ai2 on 玩数据de强尼</title><link>https://awesomedata.pages.dev/tags/ai2/</link><description>Recent content in Ai2 on 玩数据de强尼</description><generator>Hugo -- gohugo.io</generator><language>zh</language><lastBuildDate>Fri, 20 Nov 2026 08:31:00 +0800</lastBuildDate><atom:link href="https://awesomedata.pages.dev/tags/ai2/index.xml" rel="self" type="application/rss+xml"/><item><title>每日AI资讯 2026-11-20</title><link>https://awesomedata.pages.dev/p/daily-ai-news-2026-11-20/</link><pubDate>Fri, 20 Nov 2026 08:31:00 +0800</pubDate><guid>https://awesomedata.pages.dev/p/daily-ai-news-2026-11-20/</guid><description>&lt;img src="https://awesomedata.pages.dev/p/daily-ai-news-2026-11-20/cover.jpg" alt="Featured image of post 每日AI资讯 2026-11-20" /&gt;&lt;h2 id="一模型与智能体能力"&gt;一、模型与智能体能力
&lt;/h2&gt;&lt;h3 id="1-google-在-gemini-api-推出-tool-retrieval-预览"&gt;1. Google 在 Gemini API 推出 Tool Retrieval 预览
&lt;/h3&gt;&lt;p&gt;&lt;strong&gt;事件内容&lt;/strong&gt;：&lt;/p&gt;
&lt;p&gt;Google 在 Gemini API 的 Interactions API 中，以预览形式推出 Tool Retrieval 功能。它让智能体按需加载工具的参数 schema，而不是每次请求都把完整工具库一并发送。&lt;/p&gt;
&lt;p&gt;官方说明指出，这一改动能显著减少输入 token，并在工具数量扩大时保持工具选择的准确率。&lt;/p&gt;
&lt;p&gt;&lt;strong&gt;值得关注的原因&lt;/strong&gt;：&lt;/p&gt;
&lt;p&gt;工具调用是 Agent 的核心，但「工具越多、提示词越臃肿」一直是规模化落地的工程痛点。Tool Retrieval 把工具库从「全量塞进上下文」变成「按需检索」，相当于给 Agent 加了一层工具搜索引擎。&lt;/p&gt;
&lt;p&gt;对搭企业级 Agent 的团队，这意味着可以挂载成百上千个工具而不牺牲成本和准确率——电商场景里商品查询、库存、优惠券、售后等几十个工具的编排，会明显受益。&lt;/p&gt;
&lt;p&gt;&lt;strong&gt;来源&lt;/strong&gt;：aihot.news（Google 官方公告）
&lt;strong&gt;原文链接&lt;/strong&gt;：https://ai.google.dev/gemini-api/docs&lt;/p&gt;
&lt;h3 id="2-mac-版-gemini-应用上线计算机操作功能"&gt;2. Mac 版 Gemini 应用上线计算机操作功能
&lt;/h3&gt;&lt;p&gt;&lt;strong&gt;事件内容&lt;/strong&gt;：&lt;/p&gt;
&lt;p&gt;Google Labs 副总裁 Josh Woodward 宣布，Mac 版 Gemini 应用新增 computer use 功能，可跨文件夹、应用和网页代用户执行任务，屏幕与光标控制权仍归用户。&lt;/p&gt;
&lt;p&gt;官方演示中，Gemini 能在后台窗口完成点击、滚动和输入，甚至把一张草图变成 Blender 里绑定的 3D 模型。&lt;/p&gt;
&lt;p&gt;&lt;strong&gt;值得关注的原因&lt;/strong&gt;：&lt;/p&gt;
&lt;p&gt;computer use 把 AI 从「对话窗口」推向「直接操作软件」，这是通用 Agent 落地的关键一步。对运营和数据岗位，跨应用批量操作（导数据、填表、整理文件）正是高频重复劳动。&lt;/p&gt;
&lt;p&gt;需要留意的是权限边界：官方强调控制权归用户，说明厂商也在为「AI 误操作」做防护。企业在引入这类能力时，应把高危操作的二次确认和数据脱敏作为先行条件。&lt;/p&gt;
&lt;p&gt;&lt;strong&gt;来源&lt;/strong&gt;：aihot.news（Google Labs）
&lt;strong&gt;原文链接&lt;/strong&gt;：https://blog.google/products/gemini/&lt;/p&gt;
&lt;hr&gt;
&lt;h2 id="二ai-工程化与自动化"&gt;二、AI 工程化与自动化
&lt;/h2&gt;&lt;h3 id="3-openai-详解-codex-驱动的-performance-factory"&gt;3. OpenAI 详解 Codex 驱动的 Performance Factory
&lt;/h3&gt;&lt;p&gt;&lt;strong&gt;事件内容&lt;/strong&gt;：&lt;/p&gt;
&lt;p&gt;OpenAI 官方详解了 Performance Factory 系统——用 Codex 智能体在云端自动排查并修复 ChatGPT 的性能回归。&lt;/p&gt;
&lt;p&gt;其中的 Regression Workflow 在三个多月里跟踪超过 1700 次调查、定位超过 600 个根因，相当于每天约 17 次自动调查。&lt;/p&gt;
&lt;p&gt;&lt;strong&gt;值得关注的原因&lt;/strong&gt;：&lt;/p&gt;
&lt;p&gt;这是「AI 修 AI」规模化落地的少见公开数据。1700 次调查、600 个根因意味着自动排查已经不是演示，而是稳定运转的工程系统。&lt;/p&gt;
&lt;p&gt;对技术团队的启发是：把重复的性能排查交给智能体，把人力留给架构判断。数据侧同样可以借鉴——异常归因、指标波动定位这类「有明确模式、可追溯根因」的活，正是 Agent 最擅长的切入点。&lt;/p&gt;
&lt;p&gt;&lt;strong&gt;来源&lt;/strong&gt;：aihot.news（OpenAI 官方博客）
&lt;strong&gt;原文链接&lt;/strong&gt;：https://openai.com/index/&lt;/p&gt;
&lt;h3 id="4-ai2-开源科研理论生成智能体-theorizer"&gt;4. Ai2 开源科研理论生成智能体 Theorizer
&lt;/h3&gt;&lt;p&gt;&lt;strong&gt;事件内容&lt;/strong&gt;：&lt;/p&gt;
&lt;p&gt;Ai2 于 11 月 19 日在科研智能体平台 Asta 中上线 Theorizer。该智能体检索文献，为无法解释的观测提出候选理论，所有论断均链接到支持文献，代码同步开源。&lt;/p&gt;
&lt;p&gt;通过网页界面使用时，Ai2 在限额内承担 token 费用；也可在本地运行开源库自行付费。&lt;/p&gt;
&lt;p&gt;&lt;strong&gt;值得关注的原因&lt;/strong&gt;：&lt;/p&gt;
&lt;p&gt;Theorizer 的价值不在「生成理论」，而在「每条论断都链接支持文献」——这是把可溯源做进智能体输出结构里，正好击中 AI 幻觉的痛点。&lt;/p&gt;
&lt;p&gt;这种「论断—证据」绑定思路对数据分析同样适用：自动归因、经营诊断类 Agent，如果每个结论都能回指到具体数据行和来源，可信度会有质的提升。开源也意味着可以直接拿来改造成企业内部的分析助手。&lt;/p&gt;
&lt;p&gt;&lt;strong&gt;来源&lt;/strong&gt;：aihot.news（Ai2）
&lt;strong&gt;原文链接&lt;/strong&gt;：https://allenai.org/&lt;/p&gt;
&lt;hr&gt;
&lt;h2 id="三算力与地缘博弈"&gt;三、算力与地缘博弈
&lt;/h2&gt;&lt;h3 id="5-芯片停运叠加海外云通道关闭中国科技公司面临双重冲击"&gt;5. 芯片停运叠加海外云通道关闭，中国科技公司面临双重冲击
&lt;/h3&gt;&lt;p&gt;&lt;strong&gt;事件内容&lt;/strong&gt;：&lt;/p&gt;
&lt;p&gt;美国商务部收紧 AI 芯片出口管制并关闭第三方国家云算力通道后，亚洲多笔大型 AI 数据中心交易开始瓦解。&lt;/p&gt;
&lt;p&gt;Moonshot AI 取消了与印尼云服务商的 1.5 亿美元合同——原计划租用 Nvidia Blackwell Ultra B300 集群训练 Kimi K4，此前已预付约 50% 而非行业标准的 15%。台积电和三星暂停向中国客户交付部分处理器，需申请许可；字节跳动、百度昆仑等也受到影响。&lt;/p&gt;
&lt;p&gt;&lt;strong&gt;值得关注的原因&lt;/strong&gt;：&lt;/p&gt;
&lt;p&gt;这是算力供给从「买得到」变成「批得下来」的转折点。对依赖海外算力的 AI 团队，风险从成本波动升级为供给中断，模型训练排期和资本开支都需要重新评估。&lt;/p&gt;
&lt;p&gt;更现实的信号是预付比例：50% 的预付款打了水漂，说明算力采购合同的条款设计本身成了风险点。对国内企业，国产算力替代的紧迫性从「备选」变成「必选」；对数据团队，则应提前测算不同算力约束下的模型可行性边界。&lt;/p&gt;
&lt;p&gt;&lt;strong&gt;来源&lt;/strong&gt;：aihot.news
&lt;strong&gt;原文链接&lt;/strong&gt;：https://aihot.news/&lt;/p&gt;
&lt;hr&gt;
&lt;h2 id="今日核心洞察"&gt;今日核心洞察
&lt;/h2&gt;&lt;ol&gt;
&lt;li&gt;&lt;strong&gt;工具按需加载成为 Agent 规模化关键&lt;/strong&gt;：Gemini 的 Tool Retrieval 把工具库从全量注入变成按需检索，让挂载成百上千个工具不再拖累成本和准确率。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;computer use 推动 AI 从对话走向操作&lt;/strong&gt;：Mac 版 Gemini 直接跨应用执行任务，跨系统批量操作这一高频重复劳动开始被自动化，但权限边界仍是前提。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;「AI 修 AI」进入 Stable 工程阶段&lt;/strong&gt;：Codex 三个月 1700 次自动调查、600 个根因，说明智能体排查已可稳定替代部分人力，可复用到指标归因类场景。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;可溯源是 Agent 可信度的护城河&lt;/strong&gt;：Theorizer 把「论断—证据」绑定进输出结构，为自动归因、经营诊断类智能体提供了对抗幻觉的范式。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;算力风险从成本升级为供给中断&lt;/strong&gt;：芯片管制叠加云通道关闭，预付款打水漂暴露合同风险，国产替代从备选变为必选。&lt;/li&gt;
&lt;/ol&gt;</description></item></channel></rss>