控制电脑手机的智能体人人都能造，微软开源OmniParser
控制电脑手机的智能体人人都能造，微软开源OmniParser最近这几天，让大模型具备控制计算机（包括电脑和手机）的相关研究和应用如雨后春笋般不断涌现。
来自主题: AI技术研报
12367 点击 2024-10-26 20:18
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
最近这几天，让大模型具备控制计算机（包括电脑和手机）的相关研究和应用如雨后春笋般不断涌现。
2024 年的双十一购物节，比往常来的更早一些。 这场比拼脑筋与手速的硬仗，早在 10 月 14 日就初见端倪。不少朋友表示，今年的双十一不仅战线长，规则也更加复杂。
自从 OpenAI 把模型升级，整合了思维链进去之后，整个 AI 界仿佛……仿佛无事发生。
一直以来，在互联网搜索领域，百度长时间占据着中国市场的主导者位置。然而，随着AI技术的普及与用户行为的多元化，全流量用户的搜索行为正以前所未有的规模渗透到各类平台，如新闻资讯、社交、搜索、视频等。
这两天，Claude 3.5 Sonnet升级版刷爆了朋友圈，满屏都是：它能像人一样操作电脑。 大语言模型（Large Language Model，LLM）能够像人一样操作电脑这件事，看起来蛮炸裂的，但在AI Agent圈子里早已经见多不怪了。
哈佛大学研究了大型语言模型在回答晦涩难懂和有争议问题时产生「幻觉」的原因，发现模型输出的准确性高度依赖于训练数据的质量和数量。研究结果指出，大模型在处理有广泛共识的问题时表现较好，但在面对争议性或信息不足的主题时则容易产生误导性的回答。
AI接管人类电脑，未来已来！Claude自主操控电脑，从编程到科研无所不能，代表着万能API。另一边，OpenAI内部加急研发多智能体AI，已经有了雏形。
据TechCrunch报道，Smashing 一款由Otis Chandler（Goodreads的联合创始人）推出的新应用，现已向公众开放。
西安电子科大、上海AI Lab等提出多模态融合检测算法E2E-MFD，将图像融合和目标检测整合到一个单阶段、端到端框架中，简化训练的同时，提升目标解析性能。 相关论文已入选顶会NeurlPS 2024 Oral，代码、模型均已开源。
大模型分不清“9.9和9.11哪个更大”的谜团，终于被可解释性研究揭秘了！