字节Seed开源长线记忆多模态Agent，像人一样能听会看
字节Seed开源长线记忆多模态Agent，像人一样能听会看字节Seed发布全新多模态智能体框架——M3-Agent。 像人类一样能听会看、具备长期记忆，并且免费开源！？
来自主题: AI技术研报
5116 点击 2025-08-19 10:16
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
字节Seed发布全新多模态智能体框架——M3-Agent。 像人类一样能听会看、具备长期记忆，并且免费开源！？
今天凌晨，阿里推出了最新图像编辑模型 Qwen-Image-Edit！该模型基于 200 亿参数的 Qwen-Image 架构构建，支持中英文双语精准文本编辑，在保持原有风格的同时完成修改。此外，Qwen-Image-Edit 将输⼊图像同时输⼊到 Qwen2.5-VL（实现视觉语义控制）和 VAE Encoder（实现视觉外观控制），兼具语义与外观的双重编辑能⼒。
在大语言模型（LLMs）领域，自回归（AR）范式长期占据主导地位，但其逐 token 生成也带来了固有的推理效率瓶颈。此前，谷歌的 Gemini Diffusion 和字节的 Seed Diffusion 以每秒千余 Tokens 的惊人吞吐量，向业界展现了扩散大语言模型（dLLMs）在推理速度上的巨大潜力。
今年，AI+医疗无疑成了全球市场的热门赛道，而Truemeds凭借其独特的商业模式，成为印度在这一领域的黑马。
一家名为Palabra AI 的初创公司正在开发 AI 语音翻译引擎，致力于解决教学大型语言模型(LLMs)理解多种语言这一颇具挑战性的难题。
AI生成论文泛滥成灾，arXiv平台看不下去了—— 紧急升级审核机制，用自动化工具来检测AI生成内容。 Nature最新发现，原来每年竟然都有2%的论文会因为AI使用被拒？！ 比如像，bioRxiv和medRxiv每天都要拒绝十多篇公式化AI手稿，每个月就高达7000多份。
印度音频连续剧平台Pocket FM 致力于成为音频界的 Netflix。该公司计划根据用户喜好，为其匹配拥有数百集内容的音频剧集。为实现这一目标，平台需要快速发布内容——这正是其目前借助 AI 技术发力的方向。
刚刚，一篇来自香港大学 XLANG Lab 和月之暗面等多家机构的论文上线了 arXiv，其中提出了一个用于构建和扩展 CUA（使用计算机的智能体）的完全开源的框架。 使用该框架，他们还构建了一个旗舰模型 OpenCUA-32B，其在 OSWorld-Verified 上达到了 34.8% 的成功率，创下了新的开源 SOTA，甚至在这个基准测试中超越了 GPT-4o。
最近 AI 界的大新闻是 GPT-5 和谷歌的世界模型 Genie 3。然而，在无人在意的角落里，微软悄悄把 Edge 进化成了了 AI 浏览器。
在今年三月份，清华 AIR 和字节联合 SIA Lab 发布了 DAPO，即 Decoupled Clip and Dynamic sAmpling Policy Optimization（解耦剪辑和动态采样策略优化）。