GUI智能体总是出错， 甚至是不可逆的错误。 即使是像GPT-4o这样的顶级多模态大模型，也会因为缺乏常识而在执行GUI任务时犯错。在它即将执行错误决策时，需要有人提醒它出错了。
NVIDIA等研究团队提出了一种革命性的AI训练范式——视觉游戏学习ViGaL。通过让7B参数的多模态模型玩贪吃蛇和3D旋转等街机游戏，AI不仅掌握了游戏技巧，还培养出强大的跨领域推理能力，在数学、几何等复杂任务上击败GPT-4o等顶级模型。
由香港中文大学团队撰写的语音语言模型综述论文《Recent Advances in Speech Language Models: A Survey》已成功被 ACL 2025 主会议接收！这是该领域首个全面系统的综述，为语音 AI 的未来发展指明了方向。
美国国防部与OpenAI签订为期一年、价值2亿美元的合同，将采用其人工智能模型
随着大模型的不断发展，多模态数据处理成为了新的热点领域。多模态生成任务主要通过整合多种类型的数据，如文本、图像、音频等，实现不同模态之间的相互转换与生成。
深夜，沉寂已久的Kimi突然发布了新模型—— 开源代码模型Kimi-Dev，在SWE-bench Verified上以60.4%的成绩取得开源SOTA。
在苹果AI中国版一片静默之际，阿里出牌了。
在开源模型领域，DeepSeek 又带来了惊喜。
如果你也在用 Cursor 或者类似的 AI 编程神器，我敢打赌，你每个月的 AI 调用次数（Request）至少浪费了90%！
你有没有想过，那些每天花费数千美元、耗时数月的市场调研项目，竟然可以在几天内完成，成本还能降低81%？当我看到Outset这家仅有14名员工的旧金山创业公司刚刚完成1700万美元A轮融资时，我意识到一个存在了几十年的行业正在被彻底颠覆。
