多模态大模型（Multimodal Large Language Models，MLLMs）在不同的任务中表现出了令人印象深刻的能力，尽管如此，这些模型在检测任务中的潜力仍被低估。
收购Rockset几天后，OpenAI又收购了一家初创公司Multi，该公司旨在为企业用户提供屏幕共享与协作平台。连续收购动作透露出OpenAI试图进行产品扩展，开拓商业用户的野心，最终可能导向奥特曼的盈利目标。
如封面展示，就在昨天，特工宇宙作为合作伙伴，参与了扣子动手实验室的杭州站活动。
2023-2024年，以 GPT-4V、Gemini、Claude、LLaVA 为代表的多模态大模型（Multimodal LLMs）已经在文本和图像等多模态内容处理方面表现出了空前的能力，成为技术新浪潮。
AgentLite 便是其中一个起点，专注从科学研究的角度把 Agent 以及 Multi-Agent 的开发标准统一，让学术界的奇思妙想更快迭代
LLM-Powered Agent凭借长期记忆+自主规划+自动执行等特性，是探索人工通用智能(AGI)的可能途径之一。从单一智能体到多智能体的迭代，是实现AI执行更多更复杂的工作的重要跨越。
PreFLMR模型是一个通用的预训练多模态知识检索器，可用于搭建多模态RAG应用。模型基于发表于 NeurIPS 2023 的 Fine-grained Late-interaction Multi-modal Retriever (FLMR) 并进行了模型改进和 M2KR 上的大规模预训练。
近日，谷歌DeepMind宣布推出一个可扩展指令多世界智能体（Scalable Instructable Multiworld Agent，SIMA）。
随着多模态大语言模型（Multimodal Large Language Model，MLLM）的快速发展，以 MLLM 为基础的多模态 agent 逐渐应用于各种实际应用场景中，这使得借助多模态 agent 实现手机操作助手成为了可能。
Sam Altman认为AGI很快就会降临，但若是没有感官兼备的AI何以称为智能？最近，UCLA等机构研究人员提出多模态具身智能大模型MultiPLY，AI可以知冷知热、辨音识物。
