LLM+Tool Use与Self-Evolving AI Agent技术探索 - 当前AI技术处于矛盾阶段：LLM通过海量数据训练实现能力突破，但静态模型无法在动态交互环境中实时自我调整[6] - 自进化智能体研究成为焦点，2025年4月ICLR首次设立基础模型自我改进能力研讨会，探讨通过生成合成数据提升模型性能[7] - 自进化范式涉及基础模型、强化学习、在线学习和认知神经科学等多领域交叉，存在巨大潜力但尚未解决根本性问题[8] - 研究框架围绕三个核心维度：进化对象（模型/上下文/工具集/架构）、进化时机（测试内/测试间）、进化方法（三大范式）[9][10] - 进化方法三大范式包括基于奖励的进化、模仿与演示学习、种群与演化方法，实际应用中常混合使用[10] AI互联网时代的商业变现与巨头竞争 - AI应用公司面临能否复刻移动互联网商业奇迹的挑战，需突破传统流量红利建立新型变现模式[2] - AI与移动互联网时代的用户生态和商业边界存在显著差异，AI作为平台能力可能减少用户对多App的需求[2] - 中美互联网巨头在AI投入态度上的差异可能影响未来竞争力，技术能力向商业价值转化仍需关键要素[2] 大模型盈利模式与Scaling Law的影响 - 大模型在账面亏损情况下仍能盈利，因每代模型被视为独立“初创公司”进行损益核算[3] - 模型能力跃升自然驱动资金、算力和数据投入，Scaling Law持续生效对企业增长至关重要[3] - 现有AI界面无法完全释放模型能力，原生界面设计面临重大挑战[3] 其他技术要事 - 本期通讯包含32项AI与Robotics赛道要事速递，其中国内10项、国外13项、技术方向9项[3] - 通讯总字数29929字，免费试读至7%，完整版需99微信豆（约合人民币9.9元）兑换[4]