

> 全新通用代理系统整合数十个顶尖模型，通过自动任务拆解与长时间运行，开启目标导向的复杂工作流变革。

## 多模型编排重构底层架构
继个人代理应用引发市场关注后，搜索平台Perplexity正式推出了被定义为通用数字工作者的下一代代理系统。该系统打破了依赖单一底层大语言模型的传统路径，创造性地引入了模型编排策略。通过集成十余个专有及开源顶尖模型，系统能够根据具体任务特长进行自动匹配，让擅长逻辑推理、深度研究与长文本记忆的模型各司其职。

![Generated Image February 26, 2026 - 10_00AM (1).png](https://static.downly.cn/images/c41d860c7322bf986c8372aa35bc7d04.png)

<center>图源备注 图片由AI生成</center>

## 深度沙箱释放全流程自动化潜力
在安全的运行环境中，这套系统展现出极强的自主执行能力。它具备深度的网页访问、代码运行及文件生成权限，支持长达数周的连续任务处理。内部测试数据表明，系统能够在极短时间内完成包含数千行复杂数据的电子表格处理，并独立统筹从初期调研、方案设计到最终程序部署的全生命周期管理。

## 按需计费开启数字劳动力商业化
为应对复杂自动化流程带来的庞大算力开销，Perplexity在向高级订阅用户开放该产品的同时，首次引入了按计算量计费的商业模式。用户不再需要输入繁琐的分步指令，只需设定最终业务目标，系统便会自动调度子程序并行推进。这一跃迁标志着人工智能真正迈入了企业级数字劳动力的实用化阶段。

Perplexity发布通用数字工作者 创新模型编排开启目标导向协作



> 社交媒体巨头𝕏近期完成算法核心的重大重构，正式启用由xAI研发的Grok大模型驱动全平台推荐系统。这一举措意味着平台彻底告别传统规则与硬编码时代，转向纯AI驱动的智能化分发，旨在通过深度语义理解为数亿用户重塑精准且公平的信息消费体验。

## 核心机制 亿级数据实时吞吐

新算法体系的运转基石在于Grok模型惊人的数据处理效能。面对平台每日涌现的超1亿条原创帖文、回复及多媒体内容，Grok不再依赖简单的关键词匹配，而是对文本、图像及视频进行全模态的深度实时分析。

系统通过理解内容本质进行智能筛选，将经过过滤的优质信息精准匹配给约3至4亿活跃用户。这一过程完全剔除了人工干预和预设的硬编码规则，转而基于用户真实的浏览行为与潜在互动意图，实现推荐逻辑的动态自我优化。

![Google_AI_Studio_2025-12-27T02_57_41.258Z.png](https://static.downly.cn/images/8c10167a2a78e6403b428ce8eba06f43.png)

<center>图源备注：图片由AI生成</center>

## 目标导向 重构流量分配逻辑

此次升级的战略意图不仅在于提升用户留存，更在于重塑流量分配的公平性。系统现在的首要任务是确保用户能接触到最契合其兴趣的高质量内容，同时自动识别并拦截垃圾信息、诈骗诱导及低质灌水内容，净化社区生态。

对于创作者而言，新算法带来了实质性的利好，特别是解决了长期存在的“冷启动”难题。新机制下，账号的粉丝基数不再是流量获取的唯一权重。即便是零粉丝基础的新用户，只要发布的内容质量过硬，就有机会被Grok识别并推向广阔受众。这种“内容为王”的导向将极大激活长尾创作者的活力，推动平台内容生态向多元化发展。

## 未来展望 用户主导的信息流

随着Grok模型的持续迭代，𝕏计划引入更具革命性的交互功能——自然语言控制。未来，用户将不再被动接受算法投喂，而是可以直接用自然语言向Grok下达指令，例如“减少政治类争吵内容”或“增加前沿科技深度分析”。

这种对个人Feed流的精细化掌控权，标志着社交媒体从“算法黑箱”向“用户共治”模式的转变。AIbase分析认为，Grok的全面介入不仅是𝕏平台自身的技术升级，更为全球社交媒体行业树立了AI深度融合的新标杆。

社交平台推荐机制变天 Grok大模型全面接管X信息流



> 在人工智能领域，生成模型是研究的热点之一，它们能够学习数据的分布并生成新的样本，在图像、文本、音频等领域展现出巨大的潜力。流匹配模型（Flow Matching Models）作为一种新兴的生成模型技术，因其训练稳定性和样本生成效率而受到关注。然而，传统的流匹配模型训练方式通常是离线的。近日，一项名为 Flow-GRPO 的研究提出了一种将流匹配模型的训练与在线强化学习相结合的新方法，为提升生成模型的性能和灵活性开辟了新的道路。



## 流匹配模型：一种生成模型的新范式

流匹配模型是一种基于连续规范化流（Continuous Normalizing Flows）的生成模型。它通过学习一个将简单先验分布（例如，高斯分布）映射到复杂目标数据分布的连续变换（即“流”）来工作。与扩散模型类似，流匹配模型也涉及到一个时间维度的过程，但其核心思想是学习一个向量场，使得沿着该向量场演化的轨迹能够将先验分布推向目标分布。相比于早期的规范化流或扩散模型，流匹配模型在训练稳定性、样本生成速度以及处理高维数据方面展现出优势。



![image.png](https://static.downly.cn/images/20250514030049.119395723.png)



## 传统训练方法的局限

传统的流匹配模型训练通常采用离线的方式。这意味着模型在固定的数据集上进行训练，学习数据集的分布。一旦训练完成，模型就固定下来，无法根据新的数据或特定的目标进行实时调整。这限制了流匹配模型在一些需要动态适应或追求特定生成目标的场景中的应用。例如，在需要根据用户实时反馈调整生成内容的交互式应用中，离线训练的模型就显得不够灵活。







## Flow-GRPO：引入在线强化学习

Flow-GRPO 技术的核心创新在于将流匹配模型的训练整合到在线强化学习（Online Reinforcement Learning）的框架中。强化学习是一种通过“试错”来学习最优决策的方法，智能体在环境中执行动作并接收奖励信号，根据奖励信号调整策略以最大化累积奖励。

在 Flow-GRPO 中，流匹配模型被视为一个生成策略，而训练过程则被转化为一个强化学习任务。模型生成的样本可以被视为“动作”，而一个“奖励函数”则根据生成样本的质量或与特定目标的符合程度来提供反馈。通过在线地与环境交互（例如，与用户进行交互，或在一个模拟环境中生成样本并评估其质量），流匹配模型可以根据实时获得的奖励信号不断调整其内部参数，优化生成策略。

Flow-GRPO 采用了一种基于梯度策略优化的方法（Gradient Policy Optimization），允许模型直接根据奖励信号的梯度来更新其生成策略，从而有效地将强化学习的在线适应能力与流匹配模型的生成能力结合起来。



![image.png](https://static.downly.cn/images/20250514030139.547775225.png)



## 优势与应用前景

Flow-GRPO 方法带来了多重优势：

*   **在线适应性：** 模型可以根据实时数据和反馈进行调整，更好地适应动态变化的环境或满足个性化需求。
*   **目标导向生成：** 通过设计特定的奖励函数，可以引导模型生成符合特定目标或偏好的样本，例如生成具有特定属性的图像或满足特定风格的文本。
*   **潜在的性能提升：** 在线学习的过程有机会探索更广阔的策略空间，可能发现比离线训练更好的生成策略。

Flow-GRPO 技术为流匹配模型在更广泛的应用领域提供了可能性，例如：

*   **交互式内容生成：** 根据用户的实时输入和反馈，动态调整生成内容。
*   **个性化推荐系统：** 生成符合用户实时偏好的推荐内容。
*   **机器人控制：** 将流匹配模型用于学习复杂的连续控制策略。
*   **科学计算与模拟：** 在需要实时调整模型参数的场景中应用。



![image.png](https://static.downly.cn/images/20250514030226.802827125.png)



## 挑战与未来展望

将流匹配模型与在线强化学习结合也面临一些挑战，例如如何设计有效的奖励函数、如何处理强化学习训练中的样本效率问题以及如何保证在线学习过程的稳定性等。然而，Flow-GRPO 的提出为解决这些问题提供了一个有前景的框架。未来，研究人员将进一步探索更有效的在线训练算法，将 Flow-GRPO 应用于更复杂的生成任务，并研究其理论性质。这项工作为生成模型的在线学习和强化学习的应用开辟了新的研究方向。


搜索结果: 目标导向