多模态大语言模型 (Multimodal Large Language Moodel, MLLM) 以其强大的语言理解能力和生成能力，在各个领域取得了巨大成功。
以GPT-4o为代表的多模态大语言模型（MLLMs）因其在语言、图像等多种模态上的卓越表现而备受瞩目。它们不仅在日常工作中成为用户的得力助手，还逐渐渗透到自动驾驶、医学诊断等各大应用领域，掀起了一场技术革命。
多模态大模型（Multimodal Large Language Models，MLLMs）在不同的任务中表现出了令人印象深刻的能力，尽管如此，这些模型在检测任务中的潜力仍被低估。
收购Rockset几天后，OpenAI又收购了一家初创公司Multi，该公司旨在为企业用户提供屏幕共享与协作平台。连续收购动作透露出OpenAI试图进行产品扩展，开拓商业用户的野心，最终可能导向奥特曼的盈利目标。
如封面展示，就在昨天，特工宇宙作为合作伙伴，参与了扣子动手实验室的杭州站活动。
2023-2024年，以 GPT-4V、Gemini、Claude、LLaVA 为代表的多模态大模型（Multimodal LLMs）已经在文本和图像等多模态内容处理方面表现出了空前的能力，成为技术新浪潮。
AgentLite 便是其中一个起点，专注从科学研究的角度把 Agent 以及 Multi-Agent 的开发标准统一，让学术界的奇思妙想更快迭代
LLM-Powered Agent凭借长期记忆+自主规划+自动执行等特性，是探索人工通用智能(AGI)的可能途径之一。从单一智能体到多智能体的迭代，是实现AI执行更多更复杂的工作的重要跨越。
PreFLMR模型是一个通用的预训练多模态知识检索器，可用于搭建多模态RAG应用。模型基于发表于 NeurIPS 2023 的 Fine-grained Late-interaction Multi-modal Retriever (FLMR) 并进行了模型改进和 M2KR 上的大规模预训练。
近日，谷歌DeepMind宣布推出一个可扩展指令多世界智能体（Scalable Instructable Multiworld Agent，SIMA）。
