知鸦日报2026-07-16

AI生成的人脸看似精致，却千篇一律，源于对“美”的统计平均。这种平均脸虽安全合规，但缺乏个性与记忆点，甚至引发审美疲劳和恐怖谷效应。真正的吸引力在于可控地偏离均值，让面孔拥有故事与生命力。

AI从“聊天工具”进化为“数字员工”，核心在于Agent（智能体）与Skill（技能）。Agent是大脑，负责规划决策；Skill是手脚，执行具体任务。通过“感知-思考-行动”闭环，AI能自主调用工具、纠错并完成任务，实现从“替你思考”到“替你干活”的跨越。

爆品团排序模型从“堆模块”转向RankMixer架构，将特征组织为Token统一处理。实验表明：全量负样本配合Loss加权优于随机采样；Pad-Split Tokenization简单有效；Dense FFN比Sparse MoE更稳定。模型从85M扩至243M，线上收益显著。

Marvis 是一款端云混布的AI桌面助手，通过六只小马实现多智能体协作，直接执行而非仅提供方案。它强调隐私、离线可用，并支持手机远程控电脑。上线后用户量激增，玩法多样，如写小说、修电脑、选股等，团队正优化硬件门槛以适配更多设备。

HSCodeComp 是一个评估AI Agent在专家级分层规则应用能力的基准，聚焦海关商品编码任务。测试发现，最强Agent准确率仅49.4%，远低于人类专家的95%。Agent难以处理层级推理、语义模糊和规则耦合，简单增加算力或反思无法弥合差距，关键瓶颈在于对专家规则与知识的精准检索与应用。

智能客服的痛点在于听不懂人话、成本高、解决能力弱。通过Multi-Agent架构、PE自动化与RL决策训练，提升多轮协商与拟人化能力。半双工消息流控制与模型蒸馏对齐人类经验，使模型评分接近顶尖人工水平。

AI资产度量应以“人的投入减少”为核心，而非“AI产出多少”。通过“任务”为单元，构建结果、过程、证据三层模型，从历史会话中提取信号，校准判断，让模糊协作变成可讨论、可改进的证据。