哈佛斯坦福MIT等机构首次提出「精度感知」scaling law，揭示了精度、参数规模、数据量之间的统一关系。数据量增加，模型对量化精度要求随之提高，这预示着AI领域低精度加速的时代即将结束！
本期我们邀请到了 Hedra 的联合创始人兼 CEO Michael。他曾在斯坦福大学攻读博士学位，由吴教授和李飞飞教授共同指导，专注于物理世界建模与具身智能的交叉研究。在 NVIDIA 的 Omniverse 团队实习期间，他参与了 Omni-Gibson 的研究，对模拟物理与真实感表现系统的结合有深入探索，同时对电影、电视剧和动画等娱乐行业充满热情。
从文字生成三维世界的场景有多难？
在Prompt工程领域，角色扮演提示是否能够有效提高大型语言模型（LLM）的性能一直是一个备受关注的话题。
空间智能版ImageNet来了，来自斯坦福李飞飞吴佳俊团队！
纳尼？AI Agent容易受到弹幕影响！ 甚至比人类更容易。
生成式AI正在加速软件开发的速度，一方面帮助有经验的开发者提高效率，另一方面也让没有太多编程经验的人能够快速进入软件工程领域。因此，整个领域的速度在加快，开发出的软件也越来越多。
斯坦福大学奥马尔（Omar）的DSPy研究团队最近更新了他们的项目文档，发了很多不错的案例，以及很多国际知名企业的DSPy用例，这些可能对您的项目有启发。
与最先进的开源方法甚至闭源模型 GPT-4o 相比，MMedAgent 在各种医疗任务中实现了卓越的性能。此外，MMedAgent 在更新和集成新医疗工具方面表现出效率。
今年 4 月，斯坦福大学推出了一款利用大语言模型（LLM）辅助编写类维基百科文章的神器。它就是开源的 STORM，可以在三分钟左右将你输入的主题转换为长篇文章或者研究论文，并能够以 PDF 格式直接下载。
