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。
但实际上，AI Agent即将进入我们的日常生活，将会在我们工作、学习中扮演着越来越重要的角色。
加拿大滑铁卢大学的研究人员在《Nature Computational Science》发表题为《Language models for quantum simulation》 的 Perspective 文章，强调了语言模型在构建量子计算机方面所做出的贡献，并讨论了它们在量子优势竞争中的未来角色。
一直以来，让 AI 成为手机操作助手都是一项颇具挑战性的任务。在该场景下，AI 需要根据用户的要求自动操作手机，逐步完成任务。
Bard又双叒升级了！谷歌正式解禁Bard生图能力，文生图Imagen 2模型加持，效果对标DALL·E。
新的Agent打破了APP的界限，能够跨应用完成任务，成为了真·超级手机助手。
过去几个月中，随着 GPT-4V、DALL-E 3、Gemini 等重磅工作的相继推出，「AGI 的下一步」—— 多模态生成大模型迅速成为全球学者瞩目的焦点。
每隔一段时间，关于「新社交大战」的话题就会在中文互联网的语境中再度涌现，不是关于「字节放不下社交」，就是创业者们所显露出的「成为下一个抖音、微信」的野心。 新技术、新需求与新产品形态总会书写新一轮的社交竞争格局，这一次尝试改变的是来自AI。
AI智能体实火！谷歌被曝出DeepMind核心技术大佬离职，连Gemini项目的主要开发者也留不住了。
“大模型排位赛”权威榜单Chatbot Arena刷新：谷歌Bard超越GPT-4，排名位居第二，仅次于GPT-4 Turbo。
