搜索
统一多模态大模型（U-MLLMs）逐渐成为研究热点，近期GPT-4o，Gemini-2.0-flash都展现出了非凡的理解和生成能力，而且还能实现跨模态输入输出，比如图像+文本输入，生成图像或文本。
4月7日，斯坦福以人为本人工智能研究所（HAI）发布《2025年AI指数报告》，这份长达456页的报告，全景展示了过去一年AI领域的关键进展。
谷歌推出A2A协议，即Agent2Agent，能让AI Agent在不同生态系统间安全协作，而无需考虑框架或供应商。不同平台构建的AI Agent之间可以进行通信、发现彼此的能力、协商任务并开展协作，企业可通过专业Agent团队处理复杂工作流。
无监督学习训练整数规划求解器的新范式来了。
LLM Agent 火了两年了，但业界仍然存在许多非共识。智能体数量卷上去了，概念炒上去了，但质量参差不齐，娱乐向的不好玩，提效向的不好用，具体企业落地更是各种大小问题不断。
好消息，由谷歌最新的 Gemini 2.5 Pro 模型提供支持的 Deep Research（深度研究）正式发布！坏消息，目前仅 Gemini Advanced 付费会员可体验。
嚯！完全由AI生成的论文，通过顶会ICLR workshop评审？！
Llama 4刚出世就被碾压！英伟达强势开源Llama Nemotron-253B推理模型，在数学编码、科学问答中准确率登顶，甚至以一半参数媲美DeepSeek R1，吞吐量暴涨4倍。关键秘诀，就在于团队采用的测试时Scaling。
AI 圈永远不缺「新活」。
GPT-4o图像生成架构被“破解”了！