搜索
OpenAI的实时API支持低延迟、双向音频流，使得多模态AI应用（如语音对话Agent）得以实现。它通过WebSocket连接管理对话状态，并提供短语结束检测和语音活动检测（VAD）功能，大大简化了实时语音应用的开发。
在探索迈向AGI（通用人工智能）物理世界的路径中，通用机器人被视作关键载体。
嘿！最近 AI 圈都在关注 OpenAI 的连续 12 场直播。就在直播开播同一天，OpenAI 也出炉了 o1 系统卡（o1 System Card），今天咱们就来啃啃这块硬骨头。
距离普通人凭想法就能做出游戏的时代，又近了一步。 AI游戏生成天花板今年以来不断突破，就在昨天，国产游戏AI团队也加入卷出了新高度。
OpenAI谷歌天天刷流量，微软也坐不住了，推出最新小模型Phi-4。 参数量仅14B，MMLU性能就和Llama 3.3/ Qwen2.5等70B级别大模型坐一桌。
大模型的出现，让汽车行业来到了「AI定义汽车」的新拐点。
遵循世界的 3D 特性，很多事就会变得自然而然。 说到斯坦福大学教授李飞飞（Fei-Fei Li），她提倡的「空间智能」最近正在引领 AI 发展方向。
江旭是OpenAI GPT 4的重要贡献者，于2023年离开OpenAI。
因为流匹配的公式很简单，并且生成样本的路径很直接，最近越来越受研究者们的欢迎，于是很多人都在问： 「到底是扩散模型好呢？还是流匹配好？」
时隔7个月，OpenAI版「Her」终于全量上线了！视频聊天和屏幕共享两大功能畅玩，还送上了圣诞老人限定声音。
OpenAI 是懂营销的，连续 12 天发布，每天一个新花样，如今刚过一半，热度依旧不减。
大语言模型（LLMs）通过更多的推理展现出了更强的能力和可靠性，从思维链提示发展到了 OpenAI-o1 这样具有较强推理能力的模型。
只需要在手腕上戴一个腕带，就能够实现隔空打字。Meta近期推出的开源表面肌电图（sEMG）数据集，可进行姿态估计和表面类型识别，推动神经运动接口发展。
来自中科院自动化所的研究团队提出了用于大规模复杂三维场景的高效重建算法CityGaussianV2，能够在快速实现训练和压缩的同时，得到精准的几何结构与逼真的实时渲染体验。
Transformer模型自2017年问世以来，已成为AI领域的核心技术，尤其在自然语言处理中占据主导地位。然而，关于其核心机制“注意力”的起源，学界存在争议，一些学者如Jürgen Schmidhuber主张自己更早提出了相关概念。
Sora来了，集视频生成和编辑于一体，已经开放给所有人使用了。
李飞飞最新采访来了，继续延伸她在NeurIPS有关视觉智能的话题。
本期我们请到了具身智能初创企业千寻智能Spirit AI的两位创始人，千寻智能于2024年2月成立，不到1年时间，千寻智能已接连完成三轮融资。其最近一次融资，在2024年10 月完成交割，而且千寻新一轮融资也在火爆进行中，据说已经进入收尾阶段。
我们距离AGI还有多远？智能体、智能体自动化的5个级别与自主工作的6个level
最近，Apollo Research团队发布了一项令人深思的研究。这项研究揭示了一个惊人的发现：当前主流的前沿AI模型已经具备了基本的"策划"（Scheming）能力。
人工评估是指让人类评价模型输出回答的好坏。本文讨论的都是后验评估，即模型已经完成训练，给定一个任务让人类进行评估。
阿里和蚂蚁都已是AI战略
头部厂商的动向往往是行业的风向标，这一次，Codeway的新应用引起了我们的注意。 Learna AI Tutor（以下简称Learna）在9月24日上线，至今仅有2个月的时间，全球下载量已经超过400万，特别是在Google Play渠道，下载量已经超过300万。
携手原华为车BU首席科学家
长文本向量模型能够将十页长的文本编码为单个向量，听起来很强大，但真的实用吗？ 很多人觉得... 未必。 直接用行不行？该不该分块？怎么分才最高效？本文将带你深入探讨长文本向量模型的不同分块策略，分析利弊，帮你避坑。
OpenAI 年底 AI 春晚第六弹来了。 继昨日 ChatGPT 正式登陆苹果全家桶之后，OpenAI 又带来了重磅更新。
AI自习室如何赢得家长们的心？
大模型“套壳”事件防不胜防，有没有方法可以检测套壳行为呢？ 来自上海AI实验室、中科院、人大和上交大的学者们，提出了一种大模型的“指纹识别”方法——REEF（Representation Encoding Fingerprints）。
谷歌Gemini 2.0昨晚鲨疯了！仅过去不到24小时，一大波网友试玩已新鲜出炉~
站在年尾来看，奔涌的AI浪潮呈现出怎样的趋势？又给2025年留下了什么样的伏笔？ 3个视角维度，10大年度趋势，在量子位智库今日重磅发布的《2024年度AI十大趋势报告》中清晰详尽地呈现。
