agi

AI潮汐日报0813期：Github CEO 辞职、ChatGPT 爆漏洞、下架GPT-4o引起失恋式抗议AI 潮汐日报，旨在提供最新潮、最核心、最有意思的AI速递。四大专栏：今日热点、应用速递、研究进展、思维碰撞。

【AGI】GPT-5：博士级AI助手的全面进化与协作智能时代的黎明“用过GPT-5，就再也回不去GPT-4了”——这不仅是用户的感慨，更是AI技术断代升级的宣言。2025年8月8日，OpenAI正式发布第五代生成式预训练Transformer模型——GPT-5。CEO山姆·奥尔特曼将其定义为“迄今最智能、最快速且最实用的模型”，并宣称其具备博士级专业能力，在数学、科学、金融、法律等领域的表现已超越人类专家水平。这场技术跃迁不仅刷新了AI性能的天花板，更重新定义了人机协作的边界。

【狂飙AGI】2025年上半年中文大模型综合性测评测评摘要测评要点1：o3以73.78的总分取得总榜第一，领跑全球。海外头部模型o3、o4-mini(high)和Gemini-2.5-Pro在本次七月通用基准测评中取得了73.78分、73.32分和68.98分的总成绩，分别位于榜单前三。Doubao-Seed-1.6-thinking-250715以68.04的总分取得国内第一、全球第四的成绩。

陈敬雷-充电了么-CEO兼CTO

MCP 协议：AI 时代的 “万能转接头”，从 “手动粘贴” 到 “万能接口”：MCP 协议如何重构 AI 工具调用规则？注：此文章内容均节选自充电了么创始人，CEO兼CTO陈敬雷老师的新书《GPT多模态大模型与AI Agent智能体》（跟我一起学人工智能）【陈敬雷编著】【清华大学出版社】

陈敬雷-充电了么-CEO兼CTO

从游戏NPC到手术助手：Agent AI重构多模态交互，具身智能打开AGI新大门注：此文章内容均节选自充电了么创始人，CEO兼CTO陈敬雷老师的新书《GPT多模态大模型与AI Agent智能体》（跟我一起学人工智能）【陈敬雷编著】【清华大学出版社】

陈敬雷-充电了么-CEO兼CTO

字节跳动开源Coze，开启AI Agent开发新时代？注：此文章内容均节选自充电了么创始人，CEO兼CTO陈敬雷老师的新书《GPT多模态大模型与AI Agent智能体》（跟我一起学人工智能）【陈敬雷编著】【清华大学出版社】

陈敬雷-充电了么-CEO兼CTO

OpenAI发布ChatGPT Agent，AI智能体迎来关键变革注：此文章内容均节选自充电了么创始人，CEO兼CTO陈敬雷老师的新书《GPT多模态大模型与AI Agent智能体》（跟我一起学人工智能）【陈敬雷编著】【清华大学出版社】

【项目】MCP+GraphRAG搭建检索增强智能体这里需要注意的是，相比pip，uv会自动识别当前项目主目录并创建虚拟环境。然后即可通过add方法在虚拟环境中安装相关的库。

轻量化分布式AGI架构：基于区块链构建终端神经元节点的互联网智脑该架构通过将终端设备（如手机、IoT设备）转化为神经元节点，结合区块链技术构建去中心化智能网络，形成“互联网智脑”。其核心在于突破传统AGI算力瓶颈，实现数据安全共享与价值分配。

AGI（4）大模型的推理综述本文源自基于基础模型的推理综述《A Survey of Reasoning with Foundation Models》，因为原文有点难于理解，在这个论文的基础上增加了自己的解释和理解，重新整理成此文。大家可以通过查看原文阅读原始论文。

【狂飙AGI】第6课：前沿技术-文生图（系列2）参考资料：【狂飙AGI】第5课：前沿技术-文生图（系列1）免责声明本文摘自清华大学《AIGC发展研究3.0》，仅为分享信息之目的，不代表本平台/作者观点。

【狂飙AGI】第5课：前沿技术-文生图（系列1）免责声明本文摘自清华大学《AIGC发展研究3.0》，仅为分享信息之目的，不代表本平台/作者观点。

【狂飙AGI】第4课：前沿技术-具身智能（1）2024全球十大人形机器人：中国机器人强势崛起！（2）宇树机器人解锁鲤鱼打挺，太极、格斗样样精通，更多实拍细节公布

未来智能系统演进路线：从AGI到ASI的技术蓝图在AI技术突破性发展的当下，我们正站在通用人工智能（AGI）向人工超级智能（ASI）跃迁的关键转折点。本文将系统解析未来3-10年的技术演进路径，通过模块化组件插件（MCP）架构实现智能系统的范式革新。

第一篇：Agent2Agent (A2A) 协议——协作式人工智能的黎明AI 领域的快速发展正在催生一个新时代，智能代理（agents）不再是孤立的个体，而是能够像一个数字团队一样协作。然而，当前 AI 生态系统的碎片化阻碍了这一愿景的实现，导致了“AI 巴别塔问题”——不同代理之间难以“说同一种语言”。

构建 MCP 服务器：第 3 部分 — 添加提示这是我们构建 MCP 服务器的四部分教程的第三部分。在第一部分中，我们使用基本资源创建了第一个MCP 服务器；在第二部分中，我们添加了资源模板并改进了代码组织。现在，我们将进一步重构代码并添加提示功能。

构建 MCP 服务器：第 4 部分 — 创建工具这是我们构建 MCP 服务器的四部分教程的最后一部分。在第一部分中，我们使用基本资源创建了第一个 MCP 服务器。第二部分添加了资源模板并改进了代码组织。在第三部分中，我们添加了提示符并进一步完善了服务器结构。现在，我们将通过添加工具来完成服务器的搭建。

通用人工智能 (AGI): 定义、挑战与未来展望通用人工智能 (AGI) 代表人工智能领域的理想追求，其目标是创造具备人类般广泛智能能力的系统。本文深入探讨 AGI 的核心概念，详细梳理通向 AGI 的潜在技术路径，同时分析实现过程中面临的挑战与应对策略，并对 AGI 的未来发展进行展望。AGI 具有跨领域学习、常识推理等特性，与当前的狭义人工智能形成鲜明对比。实现 AGI 需整合认知科学、算法创新及数据训练范式变革等多方面探索。尽管面临计算效率、价值对齐等难题，但随着技术发展，AGI 有望重塑众多领域，其发展也需合理规划与管控。

【AGI】Qwen3混合推理模型微调数据集搭建好基础环境后，开始准备Qwen3混合推理模型微调数据集。围绕Qwen3模型的高效微调，为了确保其仍然保留混合推理能力，我们可以考虑在微调数据集中加入如普通对话数据集FineTome（https://huggingface.co/datasets/mlabonne/FineTome-100k），以及带有推理字段的数学类数据集OpenMathReasoning（https://huggingface.co/datasets/unsloth/OpenMathReasoning-mini），并围绕这两个数据集

不死鸟.亚历山大.狼崽子

AGI大模型（34）：Advanced RAG之Pre-Retrieval（预检索）优化（1）检索效率低，检索结果不准确；（2）用户问题比较抽象或者概念比较模糊；（3）生成结果质量差，未忠实于检索文档的事实；