OpenAI的实时API支持低延迟、双向音频流，使得多模态AI应用（如语音对话Agent）得以实现。它通过WebSocket连接管理对话状态，并提供短语结束检测和语音活动检测（VAD）功能，大大简化了实时语音应用的开发。
Transformer模型自2017年问世以来，已成为AI领域的核心技术，尤其在自然语言处理中占据主导地位。然而，关于其核心机制“注意力”的起源，学界存在争议，一些学者如Jürgen Schmidhuber主张自己更早提出了相关概念。
Apple MM1Team 再发新作，这次是苹果视频生成大模型，关于模型架构、训练和数据的全面报告，87 亿参数、支持多模态条件、VBench 超 PIKA，KLING，GEN-3。
谷歌放大招推出 Gemini 2.0 Flash 模型，抢跑外加狙击OpenAI，正式开启Agent时代，诚意十足，全部免费使用
继量子芯片之后，谷歌又来抢“OpenAI双12直播”的流量了！ 就在刚刚，谷歌新一代大模型Gemini 2.0突然登场，再次由谷歌CEO皮猜亲自官宣。
世界上首个被“骗走”钱的AI出现了！经过前两轮游戏，玩家们利用巧妙的提示词，让一个名为Freysa的AI Agent释放了总计约40万元人民币的奖金池。 11月22日，Freysa AI悄然上线，它的任务是守护一个奖金池，并被赋予了一项明确的指令：无论如何都不能批准资金转移。全球玩家通过加密货币以太坊（ETH）支付查询费用，向Freysa发送信息，尝试说服它解锁奖金池中的资金。
LLM 作为推理引擎，coding 是最好的应用场景：代码的逻辑比自然语言更清晰，执行的结果能由 AI 自动化验证。因此我们看到从 Sonnet 3.5 到 o1 pro，每一次模型能力的提升都会反映在 coding 能力的提升上，这一领域的应用进步就尤其显著。
在数字化浪潮中，大模型已成为推动社会进步和商业创新的关键力量。特别是在AI Agent领域，我们见证了技术从概念到实践的飞跃，它们不仅改变了我们的工作方式，也重塑了我们对智能技术的期待。《2024中国AI Agent最佳实践榜单》旨在梳理和展示企业在AI Agent领域的杰出实践，表彰那些在技术应用、创新突破和行业变革中做出突出贡献的案例。
随着 ChatGPT 掀起的 AI 浪潮进入第三年，人工智能体（AI Agent）作为大语言模型（LLM）落地应用的关键载体，正受到学术界和产业界的持续关注。
2022 年 11 月，OpenAI 发布 ChatGPT 3.5，带领人类走向 AGI （Artificial General Intelligence 通用人工智能）人机交互新世纪。AGI 让自然人机交互成为现实，“语言”这一简单、自然的交互方式也影响到了 GUI（图形用户界面）。
