继 BrowserUse 和 ComputerUse 席卷 AI 自动化领域后，手机操作类项目终于迎来重磅选手：DroidRun！开源 AI 手机操作神器，解锁 Android 自动化新时代！
要理解上半场，看看它的赢家。你认为到目前为止最有影响力的 AI 论文是哪些？我尝试了斯坦福大学 224N 课程的测验，答案并不令人惊讶：Transformer、AlexNet、GPT-3 等等。这些论文有什么共同点？它们提出了一些训练更好模型的基本突破。但同样，它们通过在一些基准测试上展示一些（显著的）改进来发表论文。
早在去年10月底IBM推出了PDL声明式提示编程语言，本篇是基于PDL的一种对Agent的自动优化方法，是工业界前沿的解决方案。当你在开发基于大语言模型的Agent产品时，是否曾经在提示模式选择和优化上浪费了大量时间？在各种提示模式（Zero-Shot、CoT、ReAct、ReWOO等）中选择最佳方案，再逐字斟酌提示内容，这一过程不仅耗时，而且常常依赖经验和直觉而非数据驱动的决策。
知名科技记者马克·古尔曼曾在3月爆料，苹果公司的Siri可能要到2027年才能真正实现现代化的对话式功能。这个爆料并非空穴来风。苹果向来是科技行业的风向标，其遵循押注未来科技发展趋势，而非仅追求当前利益。在2023年，库克就宣布计划每年花费10亿美元开发生成式AI产品，但事实却是——与其他科技巨头相比，苹果的AI步伐迟缓无比。
传统科技公司、尤其是 2B 的公司，其信息、视觉传达都是以公司、产品、技术创新为中心的。但是，处在现代最前沿技术之一的 AI 公司，似乎想做一些不一样的传达。我们将近距离看一下 OpenAI，Cohere，Anthropic 这三家 AI 模型公司的信息、视觉传达，看看他们怎么是从传统科技公司的风格中，做出一些不一样的、以人为本的品牌设计的。
神奇！人类和海豚真的能实现跨物种交流了？！
ICLR 2025时间检验奖重磅揭晓！Yoshua Bengio与华人科学家Jimmy Ba分别领衔的两篇十年前论文摘得冠军与亚军。一个是Adam优化器，另一个注意力机制，彻底重塑深度学习的未来。
SuperCLUE-Fact是专门评估大语言模型在中文短问答中识别和应对事实性幻觉的测试基准。测评任务包括知识、常识、对抗性和上下文幻觉。
什么？！ 现在随便一个完全不懂编程的人，都可以开发完整网站了？？？
AI智能体如何更好连接现实世界，正成为不少人关心的命题。
国内大模型赛道出现了第一家启动 IPO 的创业公司。
英伟达宣布了一项开创性计划，在美国制造AI超级计算机，通过与台积电、富士康等巨头合作，打造价值5000亿美元的AI基础设施。
国内最大MCP中文社区上线了，支付宝、MiniMax明星服务在魔搭MCP广场独家首发，还有近1500款MCP服务全领域覆盖，再次降低AI开发门槛。
超过150多个国家及地区参与的大阪世博会于近日正式开园，中国馆作为面积最大的外国自建馆成为人气焦点。
大家好，我是袋鼠帝上个月底，智谱发布了一个非常牛逼的产品AutoGLM沉思版（国内首个免费使用的DeepResearch），它既能推理，又能动手，还能接管你的浏览器帮你干活儿。
前段时间，GPT-4o 火出了圈，其断崖式提升的生图、改图能力让每个人都想尝试一下。虽然 OpenAI 后来宣布免费用户也可以用，但出图慢、次数受限仍然困扰着没有订阅 ChatGPT 的普通人。
在 Sora 之前，就已经受到全世界用户的认可的生成式视频工具是什么？——可灵 AI。无需折腾剪辑软件，几分钟，就能拿到自然如实拍，画面质感如电影的动态视频。
前段时间我去 QCon 北京全球软件大会分享了一个专题：AI 时代的新范式：如何构建 AI 产品？观众反响特别好，想着要不把分享的内容公开出来，所以整理了这篇文章。本篇内容是对我过去两年时间，做了无数个 AI 产品 demo 的一个阶段性的总结，主要聚焦这三个方面的经验
智能语音交互领域，学术研究也能如此酷炫。全球首个纯学术界自研的支持多人实时口语对话的语音情感大模型 ——“交交”，正式推出！
开源语音模型Orpheus让LLM涌现出人类情感！在A100 40GB显卡上，30亿参数模型的流式推理速度甚至超过了音频播放速度。甚至可以zero-shot克隆声音。
字节Seed团队视频生成基础模型，来了。
密集模型的推理能力也能和DeepSeek-R1掰手腕了？
文生图新架构来了！
多模态大语言模型（MLLM）在具身智能和自动驾驶“端到端”方案中的应用日益增多，但它们真的准备好理解复杂的物理世界了吗？
移动GUI自动化智能体V-Droid采用「验证器驱动」架构，通过离散化动作空间并利用LLM评估候选动作，实现了高效决策。在AndroidWorld等多个基准测试中任务成功率分别达到59.5%、38.3%和49%，决策延迟仅0.7秒，接近实时响应。
Google Classroom 推出了一项新的人工智能驱动功能，旨在帮助教师生成测验题目的 AI 功能。该工具于周一上线，允许教育工作者基于特定文本输入创建一系列问题。
我们中的许多人已经在 Product Hunt 上发布了一段时间，越来越多的人开始质疑那里的受众是否真实，toB的产品是否仍然值得在他们的平台上发布。
近日，阿里通义实验室推出了全新数字人视频生成大模型 OmniTalker，只需上传一段参考视频，不仅能学会视频中人物的表情和声音，还能模仿说话风格。相比传统的数字人生产流程，该方法能够有效降低制作成本，提高生成内容的真实感和互动体验，满足更广泛的应用需求。目前该项目已在魔搭社区、HuggingFace 开放体验入口，并提供了十多个模板，所有人可以直接免费使用。
组合优化问题（COPs）在科学和工业领域无处不在，从物流调度到芯片设计，从社交网络分析到人工智能算法，其高效求解一直是研究热点。
近年来，大语言模型（LLMs）的对齐研究成为人工智能领域的核心挑战之一，而偏好数据集的质量直接决定了对齐的效果。无论是通过人类反馈的强化学习（RLHF），还是基于「RL-Free」的各类直接偏好优化方法（例如 DPO），都离不开高质量偏好数据集的构建。
