近年来，视觉-语言-动作模型（Vision-Language-Action, VLA）在诸多机器人任务上取得了显著的进展，但它们仍面临一些关键问题，例如由于仅依赖从成功的执行轨迹中进行行为克隆，导致对新任务的泛化能力较差。
17日众议院议长约翰逊提交避免行政部门停摆的3800亿美元紧急预算，一千五百页的文件只给议员留了17小时审查时间，按以往经验谁也看不完最后会顺利通过。但这次马斯克的DOGE部门启用AI(Gork)总结文档摘要，查出被塞进去的私货，包括给议员加薪40%、给议员增加健康保险等条款。
OpenAI 前段时间做了 12 天的持续发布，赛博禅心进行了全程追踪：《o3详解，与 12 天发布汇总》
就在OpenAI热闹的12天发布会刚刚落下帷幕，谷歌的火力全开新模型Voe2和Gemnini2吸引了全球AI开发者的眼球时，Meta作为三巨头之一则在筹划着一场静悄悄的革命。
大模型中，线性层的低比特量化已经逐步落地。然而，对于注意力模块，目前几乎各个模型都还在用高精度（例如 FP16 或 FP32）的注意力运算进行训练和推理。并且，随着大型模型需要处理的序列长度不断增加，Attention（注意力运算）的时间开销逐渐成为主要开销。
随着Gemini家族的日趋完善、阵容的发展壮大，谷歌大模型将可代表用户完成更多现实工作。
微软对 Windows 系统中的 Copilot 实现方式进行了又一次更新。
Sora、Genie等模型会都用到的Tokenizer，微软下手了—— 开源了一套全能的Video Tokenizer，名为VidTok。
Mindgard 宣布完成800万美元的融资，旨在加速其研发进程，并推动其在美国市场的扩展。此次融资由.406Ventures 领投，参与投资的还有 Atlantic Bridge、Willowtree Investments 及现有投资者 IQ Capital 和 Lakestar。同时，Mindgard 还任命了两位行业领军人物，分别担任产品负责人和市场副总裁，以强化公司的产品开发和市场推广。
2024年，AI Agent称得上最火热的概念。一方面，大模型赛道降温，并呈现出赢家通吃的局面；另一方面，AI Agent则是大模型应用落地的最佳形式，其能够解决LLMs在具体应用场景中的局限性。
