AI信息差
Agent做PPT的开源实践：代码端看MultiAgentPPT实现思路
今天是2025年6月25日，星期四，北京，晴 我们回答文档智能进展，来看一个自动生成PPT 的项目，其中流程的设计，以及用到的爬虫代码以及Agent的prompt都可借鉴。 代码层面看MultiAgentPPT实现思路 关于PPT自动生成，...
OCR推理大模型全军覆没？OCR-Reasoning基准揭示多模态大模型推理短板
近年多模态推理模型在数学题、学科题上表现出色（MathVista, MMMU等），但 OCR 相关 的复杂任务——比如看促销海报算计算最便宜买法、分析财务报表、规划最优路线、处理票据信息——它们的“真本事”到底如何？ 长期以来，竟然没有一...
ACL 2025 告别Prompt玄学！新理论揭示大模型Prompt设计的奥秘与效能
近年来，大型语言模型（LLM）在自然语言处理领域取得了革命性进展。然而，其底层的 Transformer 架构在处理复杂推理任务时仍有不足。尽管「思维链」（CoT）提示技术提供了一条实用路径，但多数方法依赖通用指令，导致提示工程高度依赖反...
MIT终身教授何恺明，入职谷歌了
一水 发自 凹非寺 量子位 | 公众号 QbitAI AI大牛何恺明最新动向来了！ 才刚拿下MIT终身教职没多久，这转眼又加盟谷歌DeepMind任杰出科学家。 目前这一消息已在个人主页同步更新： 也是在最近，MIT官网发布公告称： 今年...
首个面向科学任务、真实交互、自动评估的多模态智能体评测环境，ScienceBoard来了
第一作者孙秋实是香港大学计算与数据科学学院博士生，硕士毕业于新加坡国立大学数据科学系。主要研究方向为 Computer-using agents 和 Code intelligence，在 NLP 和 ML 顶会 ACL，EMNLP，IC...
鸿蒙生态的“中国速度”：技术破局与生态共创的胜利
作者_｜陆 邮箱｜_xiaoyu@pingwest.com 当华为常务董事、终端 BG 董事长余承东在 2025 年华为开发者大会（HDC 2025）上宣布 HarmonyOS 6 开发者 Beta 正式启动时，台下热烈的掌声回应着鸿蒙生...
谷歌太壕了！编程Agent大招至简：开源且免费，百万上下文、多模态、MCP全支持
鱼羊 发自 凹非寺 量子位 | 公众号 QbitAI 开源且免费！谷歌对编程Agent出手了。 推出Gemini CLI，让你在终端里就能访问Gemini，并且提供“业界最高免费限额”： 100万上下文窗口的Gemini 2.5 Pro，每...
Gemini CLI 一夜极限测评，谷歌掀翻了 Vibe Coding 的牌桌
Vol 46. Gemini CLI 一夜极限测评 以及我用 Claude Code 修复了 Gemini Cli 作者：南川·2025-06-28 开源#Claude-Code##Gemini-Cli##Vibe-Coding 如果说 C...
宇树科技王兴兴：公司年度营收超十亿元，近距离人机交互时安全性挑战更大
文｜ 刘嫚 杨文君（发自天津） 6月26日，在天津夏季达沃斯论坛“解读中国AI发展路径分论坛”现场，宇树科技首席执行官王兴兴表示，当前人形机器人大批量商业应用的时间还未到。谈及未来人形机器人的应用场景是否会包括家庭智能应用，王兴兴认为，人...