搜索
当您的Agent需要规划多步骤操作以达成目标时，比如游戏策略制定或旅行安排优化等等，传统规划方法往往需要复杂的搜索算法和多轮提示，计算成本高昂且效率不佳。来自Google DeepMind和CMU的研究者提出了一个简单却非常烧脑的问题：我们是否一直在用错误的方式选择示例来引导LLM学习规划？
多模态奖励模型（MRMs）在提升多模态大语言模型（MLLMs）的表现中起着至关重要的作用：
五一假期刚过，相信不少人已经在朋友圈的「人海直播」中深刻体会到了一个真理：出门旅游，光靠一腔热情远远不够。
外媒称，特朗普政府将撤销拜登时代《AI扩散框架》，取消AI芯片出口「三档」限制，并将提出简版规则，巩固美国AI创新地位。
智能体趋势真的爆了。
在AI生成内容即将突破质量临界点的当下，本文警告说：技术革命从不会等待制度完善，但人类的应对智慧将决定这场生产力解放最终导向共荣还是撕裂。立法者、企业与创作者，或许可以跳出版权范畴，在更广阔的劳资关系与价值分配维度寻找答案了。
长文本能力对语言模型（LM，Language Model）尤为重要，试想，如果 LM 可以处理无限长度的输入文本，我们可以预先把所有参考资料都喂给 LM，或许 LM 在应对人类的提问时就会变得无所不能。
在百度公布这项专利前的一个月，印度普拉迪卡兰拉姆克里希纳·莫尔学院的两位学者维贾伊·苏尼尔·贾达夫和桑托什·贾格特，发表了一篇论文，内容和百度专利非常相似：“利用人工智能进行动物面部检测以理解其情绪和行为”。
内容社区能不能打破AI困境？
OpenAI 怎么敢的？