发表于昨天的论文《Agent Laboratory: Using LLM Agents as Research Assistants》对于科研界具有划时代意义，过去几周才能完成的科研任务现在仅需20分钟到一两个小时左右（不同LLM），花费2-13个美金的Token即可完成！
随着AI Agent市场的越发火爆，为了让用户全面了解AI Agent并积极参与生态构建，一些公司相继推出了官方智能体相关的解读及白皮书。
检索-增强生成 (RAG) 是一个永不过时的话题，并在不断扩展以增强LLMs 的功能。对于那些不太熟悉RAG 的人来说：这种方法利用外部知识来增强模型的能力，从外部资源中检索您实际需要的信息。
对于专业应用和创意工作流来说，除了高质量的形状和纹理，更需要可以独立操作的「零部件级3D模型」。为此，Meta与牛津大学的研究人员推出了全新的多视图扩散模型。
随着大语言模型（LLM）技术的快速发展，单一AI智能体已经展现出强大的问题解决能力。然而，在面对复杂的企业级应用场景时，单一智能体的能力往往显得捉襟见肘。
现在，大模型可以帮你梳理新闻时间线了，以后吃瓜就更方便了！ AI Agent的风，咱们赛博乐子人也得吹吹。 这就是来自阿里巴巴通义实验室与上海交通大学的新研究，他们提出了一种基于Agent的新闻时间线摘要新框架——CHRONOS。
在人工智能快速发展的今天，单一大模型在处理复杂任务时的局限性日益凸显。微软研究院最新发布的Magentic-One系统，通过创新性的多智能体协作架构，展示了突破这一瓶颈的新方向。
刚刚，OpenAI 的 CEO Sam Altman 发布了自己的年终总结！！
真正有用的主力模型。
此项研究成果已被 AAAI 2025 录用。该论文的第一作者是南洋理工大学计算与数据科学学院 (CCDS) 的硕士生杨潇，师从苗春燕教授，主要研究方向是图神经网络。
