字节Seed最新版原生智能体来了！一个模型搞定手机/电脑/浏览器自主操作
字节Seed最新版原生智能体来了！一个模型搞定手机/电脑/浏览器自主操作AI自己玩手机、玩电脑、操作网页浏览器……背后还只靠一个模型。 卷王字节Seed又把智能体带到了一个全新level~
来自主题: AI技术研报
5588 点击 2025-09-05 15:58
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
AI自己玩手机、玩电脑、操作网页浏览器……背后还只靠一个模型。 卷王字节Seed又把智能体带到了一个全新level~
为了“骗”过模型，有人每天陪AI聊天，摸透模型的脾气和规则；有人在图片里用透明字体写上诱导语，扰乱模型答案排序。
无需海量数据标注，智能体也能精确识别定位目标元素了！ 来自浙大等机构的研究人员提出GUI-RCPO——一种自我监督的强化学习方法，可以让模型在没有标注的数据上自主提升GUI grounding（图形界面定位）能力。
9 月 5 日，全球主流大模型之一 Claude 背后的开发商 Anthropic 发布一则《更新对不受支持地区的销售限制》公告。该公告指出，根据最新政策，立即停止 Claude 提供给多数股权由中国资本持有的集团或其子公司使用。
DeepSeek下一步，被曝剑指智能体。 知情人士透露，DeepSeek正在开发具有更强大AI Agent能力的新模型，预计在今年年底就会推出。
就在刚刚，斯坦福大学经典 CV 课程 ——《CS231n：深度学习与计算机视觉》（2025 春季）正式上线了！课程网站：https://cs231n.stanford.edu/该系列课程深入探讨了深度学习架构的细节，并重点关注围绕图像分类、定位和检测等视觉识别任务的端到端模型学习，尤其是图像分类领域。
订阅了 ElevenLabs 的小伙伴看过来，它的开源平替来了！Chatterbox 是全球首个支持强烈情绪控制的开源TTS 模型，更是号称开源 TTS 中的 SOTA ，由 Resemble AI 推出。
这并非科幻片中的桥段，而是来自清华大学与北京航空航天大学团队的最新成果——BSC-Nav 的真实演示。通过模仿生物大脑构建、维护空间记忆的原理，研究团队让智能体拥有了前所未有的「空间感」。
图像生成中的多指标一致性问题，被字节团队解决了！ 字节UXO团队设计并开源了统一框架USO，让看上去不关联的任务相互促进，实现风格迁移和主体保持单任务和组合任务的SOTA。
本文主要介绍来自该团队的最新论文：TRKT，该任务针对弱监督动态场景图任务展开研究，发现目前的性能瓶颈在场景中目标检测的质量，因为外部预训练的目标检测器在需要考虑关系信息和时序上下文的场景图视频数据上检测结果欠佳。