搜索
过去几年，多模态模型在理解任务上快速演进，图像问答、OCR、视觉推理、跨模态对话等能力不断提升；与此同时，图像生成模型也在视觉质量、指令遵循和细节表达上持续突破。下一步一个自然的问题是：能否用同一个模型，同时做好理解与生成？这正是统一多模态模型（Unified Multimodal Models, UMMs）正在回答的问题。
想象一下这样的生活片段：你拿起手机 30 秒，屏幕立刻跳出提醒，“当前心率 78，压力中等，建议深呼吸”；家里的智能摄像头静静看着午睡的宝宝，突然通过 App 提醒你：“宝宝心率偏快，呼吸略显急促，建议进屋查看”；养老院里，巡检机器人通过一次擦身而过的对视，便能感知到老人今天情绪低落，且血氧饱和度略低于往常......
近期，围绕「世界模型」这一方向，有两项工作受到较多关注。
AI 驱动的自动化科研正从概念走向真实系统。近期受到广泛关注的 FARS，以及 Karpathy 开源的 autoresearch，都在不同程度上展示了 AI Scientist 自动进行 AI 领域研究的可行性。
现在的AI agent往往把长交互历史直接存起来，但很难高效复用。最朴素的方法直接从「原始记忆」里检索，但常常把模型淹没在冗长、低价值的上下文里。PlugMem把经验转化为结构化、可复用的知识，并提出一个任务无关（task-agnostic）的统一记忆模块，在多种Agent基准上提升性能，同时消耗更少。
如今，一场由 AI 智能体驱动的变革正在发生。近日，来自香港科技大学、西北工业大学、清华大学等多家高校及研究机构的学者联合发布了遥感 AI 智能体领域系统综述。全文逾万字，首次为「遥感智能体」给出了严格定义，系统梳理了其架构、应用、数据集与未来方向。
「龙虾」实火！最近，清华沈阳教授团队发布了两份最新报告，对OpenClaw做了深度且全面的解读。
中国教育界的OpenClaw来了！刚刚，清华教育学院、计算机系联合团队正式开源多智能体AI课堂OpenMAIC：AI老师语音授课，AI同学举手讨论，交互式课程一键生成。
最近科技圈最火的话题，非「养龙虾」莫属。
一支来自清华、哈佛的团队坐不住了。他们觉得：AI越强，理应越可控，而不是越难伺候。他们搞出了全球首个可操控AI平台MorphMind，直接把AI从一个黑箱对话框，改造成了一套可以被人随时干预的工作系统。比起简单快速拿到一个答案，在这里你直接稳拿顶级霸总剧本，运筹帷幄，操盘整支AI专家团，与他们并肩作战。