搜索
近日，浙江大学 OmniAI 团队在 《Show, Don’t Tell: Evaluating Spatial Cognition in Generative Pixels Rather Than LLM Text》 中提出 ProVisE，让图像生成模型直接在图中回答空间问题，并将视觉答案还原为原 benchmark 可以评分的结构化预测。
这个框架名叫 Prime Agent，由 Prime Intellect 发布。官方对它的定义是：一个面向编程、研究和长时间自主任务的「自我改进 RLM harness」。RLM 是 MIT 博士生 Alex Zhang 等人去年 10 月发布的一项工作（参见《递归语言模型登场！MIT华人新作爆火，扩展模型上下文便宜又简单》）
近日，由华为2012实验室、华为云、终端、计算等团队联合构建的openJiuwen开源AI Agent平台发布了企业级分布式蜂群架构，把JiuwenSwarm蜂群能力，扩展到企业级分布式集群。
近日来自南京大学模式识别实验室（PRLab）的梁嘉骏、廖宇程，在司晨阳教授的指导下，联合新加坡南洋理工大学、英国帝国理工学院，提出连续扩散语言模型 AURORA-LM（Autoencoding Unified Representation for Continuous-Latent Diffusion Language Modeling），对连续空间下的语言建模作出了更多的思考和发现。
海淀拿出了 43.6 平方公里，从北五环到北京北站，比整个澳门还大。这片土地的城市设计只开放给 Agent，并方案落地，你的 Github Name，会被刻在纪念碑上，长期保留。一百年前，詹天佑设计了这条京张铁路，一百年后，这里也会刻上你的名字
今年 6月，OpenAI 将 Codex 正式合并进 ChatGPT，让聊天对话框直接具备了执行代码、操作文件、完成复杂任务的能力。它指向了一个 AI 行业正在加剧趋势，AI助手正在从「你问我答」进化成能自主拆解目标、调用工具、交付成果的Agent。
一张证书，暂时还不会影响到你「换机」节奏。
过去一年，Agent 已经能接通电话、投放广告，甚至转账付钱。但能执行，不意味着企业敢完全放手。话说出口能撤回吗？广告预算花超了算谁的？钱转错了又该谁负责？
当下计算机视觉长期陷入“一任务一专用模型”内卷： 做深度估计要用DepthAnything，分割依赖SAM，人体姿态单独训练Sapiens，几何重建还得搭VGGT，各类网络骨干、解码器、损失函数完全割裂，研发与部署成本居高不下。
首先，对于公众号这样的图文创作来说，有几个核心元素是可以借助 Agent 来帮忙快速实现的：标题、封面、排版、配图。借助 Codex + Obsidian，就完全能实现创作-排版-发布-数据分析整个的完全闭环。