GPT-4o 最关键功能本周上线，语音交互的时代终于要来了
GPT-4o 最关键功能本周上线，语音交互的时代终于要来了Voice Agent 是与人类进行对话沟通的 AI，是下一代人机交互界面。和文本相比，声音交互的优势主要体现在：
来自主题: AI资讯
10675 点击 2024-07-30 12:23
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
Voice Agent 是与人类进行对话沟通的 AI，是下一代人机交互界面。和文本相比，声音交互的优势主要体现在：
解决问题：语言智能体的动作通常由 Token（令牌，语言模型中表示单词/短语/汉字的最小符号单元）序列组成，直接将强化学习用于语言智能体进行策略优化的过程中，一般需要预定义可行动作集合，同时忽略了动作内 Token 细粒度信用分配问题，团队将 Agent 优化从动作层分解到 Token 层，为每个动作内 Token 提供更精细的监督，可在语言动作空间不受约束的环境中实现可控优化复杂度
许多人都非常关心的问题是，究竟在什么场景下，当下 AI 技术容易落地？
无论是语速超快、发音复杂的绕口令，还是精妙绝伦的文言文，又或是充满即兴和灵感的随意聊天，模型都能流畅自然地给出准确而地道的翻译结果。
著名AI学者、斯坦福大学教授吴恩达提出了AI Agent的四种设计方式后，Agentic Workflow（智能体工作流）立即火爆全球，多个行业都在实践智能体工作流的应用，并推动了新的Agentic AI探索热潮。
AI Agent，开启AI时代的黄金十年
Agent 是什么
自从 Devin（首个全自动 AI 软件工程师）提出以来，针对软件工程的 AI Agent 的设计成为研究的焦点，越来越多基于 Agent 的 AI 自动软件工程师被提出，并在 SWE-bench 数据集上取得了不俗的表现、自动修复了许多真实的 GitHub issue。
生成式 AI 碰撞上自动驾驶技术，会产生怎样的火花？过去，生成式 AI 在业界已经被用来解决自动驾驶的长尾问题。目前，学界开始尝试在算法仿真领域引入多 Agent 数据集来增强仿真的效果。
智能体又双叒叕进化了！这次，什么游戏都能玩，什么软件都能操控了。