本研究评估了先进多模态基础模型在 10 个数据集上的多样本上下文学习，揭示了持续的性能提升。批量查询显著降低了每个示例的延迟和推理成本而不牺牲性能。这些发现表明：利用大量演示示例可以快速适应新任务和新领域，而无需传统的微调。
前段时间，随着 GPT-4o、Sora 的陆续问世，多模态模型在生成式方面取得的成绩无可否认，而人工智能的下一个革命性突破将从何处涌现，引起了大量学者和相关人士的关注。
大模型的下一个突破方向是什么？斯坦福大学教授吴恩达的答案是AI智能体工作流。
本周，生成式 AI 的竞争达到了新的高潮。
前不久，斯坦福大学教授吴恩达在演讲中提到了智能体的巨大潜力，这也引起了众多讨论。其中，吴恩达谈到基于 GPT-3.5 构建的智能体工作流在应用中表现比 GPT-4 要好。这表明，将目光局限于大模型不一定可取，智能体或许会比其所用的基础模型更加优秀。
前不久，斯坦福大学教授吴恩达在演讲中提到了智能体的巨大潜力，这也引起了众多讨论。其中，吴恩达谈到基于 GPT-3.5 构建的智能体工作流在应用中表现比 GPT-4 要好。这表明，将目光局限于大模型不一定可取，智能体或许会比其所用的基础模型更加优秀。
AI Agent 正在成为今年的 AI 新风口，不仅仅是从技术实现的角度，还有当下 AI 落地和收入角度的考虑。
两个多月前，我写过一篇文章：字节的Coze、扣子和GPTs，有什么区别？浅谈了我对 Agent 和 GPTs 的一些思考。两个月后的今天，我们可以看到，GPTs 逐渐过气，字节的扣子逐步出圈，而钉钉、百度、Dify 等也都上线了工作流功能。且 Agent 的热度也越来越高，尤其是近段时间吴恩达教授在红杉演讲后。
吴恩达认为，AI Agent将在今年推动人工智能的大规模进步
号称世界首个AI工程师Devin，7×24小时不限时打工，能够debug、训模型、构建部署应用程序，胜任各种代码任务
