大语言模型（LLM）正在推动通信行业向智能化转型，在自动生成网络配置、优化网络管理和预测网络流量等方面展现出巨大潜力。未来，LLM在电信领域的应用将需要克服数据集构建、模型部署和提示工程等挑战，并探索多模态集成、增强机器学习算法和经济高效的模型压缩技术。
终于，Windows用户也可以用上ChatGPT了。就在刚刚，OpenAI推出了适用Windows系统的ChatGPT应用。不过，目前仅供ChatGPT Plus、Team、Enterprise和Edu用户使用。
从GPT诞生到现在已经两年了，如果说一开始大模型之战还是属于“神仙打架”，那么2024年AI应用的爆发，让普通人有了更加切身的体会。
智能体或重塑医疗AI应用，需精细化满足需求。 2024年尚未结束，涌入医疗领域的大模型已逾百个。
在AI技术浪潮汹涌而来的今天，为什么我们仍未见其大规模应用？本文将剖析AI技术普及中的瓶颈，探讨AI技术如何迈过“最后一公里”的马拉松。
推理型AI搜索是近期AI应用领域比较火的方向之一。国内的AI厂商，如月之暗面的Kimi推出了Kimi探索版，智谱AI推出了AI搜索智能体，360AI则是在原有的360AI搜索的基础上增加了慢思考模式。国外的AI玩家，如AI搜索的领头羊Perplexity，也在这两天在Pro Search中增加了能够自动运行的推理模式
近期，LLM领域有不少关于系统1和系统2思考的讨论，在Agent方向上这方面的讨论还很少。如何让AI agents既能快速响应用户，又能进行深度思考和规划，一直是一个巨大的挑战。
生成式人工智能浪潮下，软件应用正逐渐从以往促进流程、工作流和任务的工具，转变为能够代表终端用户开展工作的智能系统，特别是在企业级市场，软件应用将从仅仅支持业务流程的执行，逐步演变为代表人类员工进行工作或完成部分工作的智能应用
在当今科技界,关于人工智能是否被过度炒作的争论从未停息。然而,很少有像谷歌 DeepMind 的安全研究专家和机器学习科学家 Nicholas Carlini 这样的专家，用亲身经历为我们提供了一个独特的视角。通过他的文章,我们看到了大型语言模型(LLM)在实际应用中的强大能力和多样性。这些并非空洞的营销宣传,而是切实可以改变工作方式、提高生产效率、激发创意的工具。
2024 年诺贝尔化学奖颁发给了在计算蛋白质设计和蛋白质结构预测领域做出突出贡献的三位科学家，凸显了人工智能和计算方法在解析生物语言中的关键作用，也预示着 AI 技术在生物医药领域更为广阔的应用前景。
