搜索
字节跳动开源了一个口碑还不错的模型——BAGEL （ByteDance Agnostic Generation and Empathetic Language model）, 一个统一多模态基础模型。啥叫“统一”？一个模型就能同时理解和生成文本、图像、视频！
最近，Yoodli宣布完成了1370万美元的A轮融资，由Neotribe Ventures领投，Madrona和Cercano等现有投资者跟投。这使得他们的累计融资超过2000万美元。但让我感兴趣的不仅仅是融资数字，而是这家公司正在创建的全新品类：AI角色扮演。
在建筑行业中，管理人员很容易与现场实际情况脱节。他们需要同时处理多项任务，包括掌握成本动态、与所有利益相关方沟通，以及评估与承包商账单和绩效等方面相关的风险。
AI生图新突破！一个模型同时接受文本和图像输入。
“要是这些历史能在地图上‘动’起来就好了！” 这个念头一直在我脑子里盘旋。我渴望能有一张直观的地图，让我轻松洞悉历史发展的脉络。目前人工智能浪潮奔涌而至，其在文本、图像乃至动画领域的创造力令人瞩目。我便想着，能否借助AI之力，将《枪炮、病菌与钢铁》所描绘的世界，真实地投射到一张交互式的地图之上？
多模态大模型（MLLM）在静态图像上已经展现出卓越的 OCR 能力，能准确识别和理解图像中的文字内容。MME-VideoOCR 致力于系统评估并推动MLLM在视频OCR中的感知、理解和推理能力。
每天宣扬「AI变革」的外媒Business Insider，终于看到这把屠龙刀落在了自己头上。刚刚，CEO宣布：裁员21%，全面拥抱AI！讽刺吗？那些亲手写下「AI将颠覆媒体」的记者们，正被AI亲手送下了楼。工会怒斥：这是对新闻的背叛，是对人类记者尊严的公然践踏！更可怕的是，今天是他们，明天会不会轮到你？
多AI智能体系统的复杂构建与优化，长期以来是用智能体解决科研问题和场景落地的瓶颈。来自英国格拉斯哥大学的研究团队发布了全球首个AI智能体自进化开源框架EvoAgentX，通过引入自我进化机制，打破了传统多智能体系统在构建和优化中的限制！
就是这两个黄毛小伙子，他们试图建立新的教育体系。 他们为学生创建了一种制作自定义视频教程的方法，一键生成所有科目的讲解视频，比真人老师讲的更好更仔细，就像可汗学院一样，并允许他们像与真正的导师/老师交谈一样进行互动，让每位学生都有私教老师。
我在《晚点》公众号读到一篇质量非常高的访谈，嘉宾是 AI 应用创业公司 YouWare 的创始人明超平。YouWare 做的事情正是 Vibe Coding。这篇是我近期读到最为深刻的创始人访谈文章。明超平居然是 95 年的，但认知很深刻，他提到一个有意思的视角：