「多智能体系统」是人工智能领域最热门的流行词之一，也是开源框架 MetaGPT 、 Autogen 等研究的焦点。 但是，多智能体系统就一定是完美的吗 近日，来自卡内基梅隆大学的副教授 Graham Neubig 在文章《Don't Sleep on Single-agent Systems》中强调了单智能体系统也不可忽视。
准确的统计数据、时效性强的信息，一直是大语言模型产生幻觉的重灾区。谷歌在近日推出了自己筹划已久的大型数据库Data Commons，以及在此基础上诞生的大模型DataGemma。
与 Text2SQL 或 RAG 不同，TAG 充分利用了数据库系统和 LLM 的功能。
Emory大学的研究团队提出了一种创新的方法，将大语言模型（LLM）在文本图（Text-Attributed Graph, 缩写为TAG）学习中的强大能力蒸馏到本地模型中，以应对文本图学习中的数据稀缺、隐私保护和成本问题。通过训练一个解释器模型来理解LLM的推理过程，并对学生模型进行对齐优化，在多个数据集上实现了显著的性能提升，平均提高了6.2%。
迄今为止，AIGC 主要应用于像 ChatGPT 这样的聊天机器人。初创公司如 Character.AI 和Replika，通过赋予聊天机器人更接近人类伴侣的性格，已经取得了初步的成果。 然而，设想一下，如果我们将这些人工智能角色置于一个类似于 Instagram 的社交平台，并让它们进行互动，那将会带来什么样的全新体验呢？
摄影师 Miles Astray 决定玩一个诡计：在 AI 主题大赛中，提交一张实拍的照片。 拍摄地点在阿鲁巴岛，定格的画面里，这只火烈鸟弯下脖子，用喙挠自己的肚子，似乎没有头，看起来像很多 AI 图片一样，有些不真实。
请问我可以成为你的网上邻居吗？ChatGPT 是助手，Character.AI 是伴侣，评论罗伯特是评论机器人，但还没有哪个 AI，是我们在冲浪时遇到的「网友」。
Llama 3开源后，聊天机器人Meta AI也宣布使用新模型作为基座，在Meta旗下的各种软件（Meta.ai、Instagram、Facebook、WhatsApp）中都可以进行免费体验。
最近有个AI搜索工具在小圈子里挺火。被疯狂安利的时候打满了这么几个tag：干净清爽、无广告又智能。只要输入一个问题，就能在全网范围内秒秒钟筛选出高质量相关资料摆在你眼前，还有对所有资料的一键整理、总结、归纳。
GitHub三万Star项目MetaGPT上新，号称是“开源Devin”——推出数据解释器（Data Interpreter），能够应对数据实时变化、任务之间复杂的依赖关系、流程优化需求以及执行结果反馈的逻辑一致性等挑战。
