搜索
AI应用股王Palantir在6月举办的7thAIP Conference公布了最新一批Agent用例，Palantir公布Agent新用例，不止于next level｜AIPCon7介绍了3家医疗客户用例，今天介绍的金融Agent，客户实践出来的企业AI落地原则非常有意义。
6月举办的AIPCon7，又有7家Palantir的客户详细介绍并演示了Agent用例，这次有3家医疗，2家金融，1家电商，1家汽车客户。
为什么语言模型能从预测下一个词中学到很多，而视频模型却从预测下一帧中学到很少？
我们很多语音生成工作，正是通过加入这些不完美的“人性化特征”，让合成声音显得更加真实和有情感，这也成为ElevenLabs的声音技术与众不同之处。当然，并不是所有场景都适合这种风格。但总体而言，“人性”中的不完美，恰恰是人愿意互动的关键。
AI文本转语音已经进化到这种程度了吗？(⊙ˍ⊙)莎士比亚戏剧腔、体育赛事激情解说、沉浸式有声书等诸多玩法简直轻松拿捏，而且听起来确实人机傻傻分不清楚~
当大多数人还在学习如何使用ChatGPT生成简单文本时，一对年轻创始人已经让AI为你直接构建完整的移动应用。Levan Kvirkvelia和Daniel Dhawan创建的Rork让人想起了硅谷的电影剧情：从信用卡债务缠身、朋友家地板上的床垫，到一条病毒式推文引来百万美元融资，这家初创公司在vibe coding领域掀起了新浪潮。
理想中的多模态大模型应该是什么样？十所顶尖高校联合发布General-Level评估框架和General-Bench基准数据集，用五级分类制明确了多模态通才模型的能力标准。当前多模态大语言模型在任务支持、模态覆盖等方面存在不足，且多数通用模型未能超越专家模型，真正的通用人工智能需要实现模态间的协同效应。
多模态大模型（Multimodal Large Language Models, MLLM）正迅速崛起，从只能理解单一模态，到如今可以同时理解和生成图像、文本、音频甚至视频等多种模态。正因如此，在AI竞赛进入“下半场”之际（由最近的OpenAI研究员姚顺雨所引发的共识观点），设计科学的评估机制俨然成为决定胜负的核心关键。
国产大模型进步的速度早已大大超出了人们的预期。年初 DeepSeek-R1 爆火，以超低的成本实现了部分超越 OpenAI o1 的表现，一定程度上让人不再过度「迷信」国外大模型。
随着生成式人工智能技术的飞速发展，合成数据正日益成为大模型训练的重要组成部分。未来的 GPT 系列语言模型不可避免地将依赖于由人工数据和合成数据混合构成的大规模语料。