AI进家庭

随着语音助手、会议转写、实时翻译等音频处理应用的普及，市场对轻量级、高性能的音频模型的需求日益增长。传统的音频处理模型往往面临参数庞大、计算资源消耗高、难以实时处理长音频等问题。为了解决这些挑战，LMMs-Lab 团队推出了一款名为 Aero-1-Audio 的轻量级音频模型。该模型不仅在参数规模上实现了高效性，还在多个音频处理任务中表现出色，尤其是在长音...

Grok Studio、Workspace、Memory 记忆、视频/语音模式，再加上今天要聊的 PDF 渲染功能 —— 仿佛开了挂的 xAI 总能悄悄整点新活，“钞能力”不鸣则已，一鸣惊人。 如果你用 Word 排版过论文，那么你一定懂：调行距、改字体、修图标、对齐参考文献，整个过程比写论文本身还费劲。 后来，你学会了 LaTeX，以为从此优雅搞定格式...

“ 影响大模型能力的因素有很多，但我们需要具体问题具体分析，不能希望一个技术解决所有问题。” 在人工智能应用场景中，可以说大模型扮演着至关重要的角色，因为大模型是人工智能应用的基座；因此这里就涉及到一个很重要的概念——大模型的能力。 即大模型的能力范围有多大，也就是大模型的能力圈；所以，这里就提出一个问题，大模型的能力是由哪些因素决定的？也可以说怎么提升...

最近在做智能问答系统的项目，深感任务型对话系统的架构正悄然发生变革。 从最初模块清晰的 Pipeline 架构，到如今大模型驱动的 End-to-End 模式，任务型对话系统不再只是冷冰冰的问答机器，而是逐渐成为用户生活中的得力助手。 昨天介绍了《智能问答系统：从规则到深度学习，下一步该怎么走？》。 今天，这篇文章将带你全面理解任务型对话系统的核心概念、主流...

还记得 GPT-4 一出手，横扫千军的场景吗？模型越来越强，参数越来越大，大家也越来越疑惑： 大模型到底怎么记住用户上下文的？ 为什么有的 AI 聊天机器人“越聊越聪明”？ 多轮对话时，它怎么知道你说的是哪个“它”？ 企业级 RAG、Agent 又是怎么协同多个模型、多个模块一起工作的？ 这一切的答案，都绕不开一个新词：MCP 协议（Model Comm...

今天是2025年5月6日，星期二，北京，晴。 我们今天来看两个问题。 一个是继续对现有的报告生成项目进行项目代码拆解，讲讲Deepresearch变体之公司报告自动生成company-research-agent，其是一个典型的工作流workflow，看其使用如何基于langgraph来设计节点并且完整的串起来一个项目。 一个是文档智能进展，看看多模态文档大...

作者｜IT桔子 封面｜公众号AI生成 据IT桔子数据统计，2024年北京共有115家独角兽上榜，其中人工智能独角兽行业公司数量最多，共有29家，占比为25%；估值总和为3617亿美元，占比约59%。 从全国范围来看，北京也是拥有AI独角兽数量最多的城市，这不仅是依靠首都强劲的科研实力和高人才密集度，也得益于北京市政府的扶持，包括政策、资本、配套等层面。 这...

**关注我，记得标星⭐️不迷路哦～ ✨ 1: DeepWiki DeepWiki是一款AI驱动的工具，能为GitHub等代码仓库自动创建精美、交互式Wiki文档，并生成可视化图表。 DeepWiki 是一个可以为 GitHub、GitLab 或 BitBucket 仓库自动创建美观且交互式 Wiki 的工具。用户只需输入仓库名称，DeepWiki 就会自...

最近被ChatGPT4o自然语言修图功能刷屏，我也生成了很多吉卜力风格的动漫图片。 比如我跑马拉松的照片： 比如我和银河合影的照片： 不过，ChatGPT4o免费版一天只能生成3张图片，付费价格并不便宜，如果不是高强度使用，充值不太划算。 如今，浙江大学和哈佛大学团队推出了免费开源的ICEdit，实现了近乎完美的平替效果。 一、论文 我们提出 ICE...

▎ 台积电、英特尔将激烈竞逐1.8nm芯片制造。WSTS预计，2025年全球芯片市场规模将达6970亿美元，增长11.2%；到2030年规模超1万亿美元，2035年超2.1万亿美元。 作者｜林志佳 编辑｜胡润峰 本文首发于钛媒体APP 继台积电公布1.8nm技术进展后，英特尔也更新Intel Foundry（英特尔代工厂）的技术路线图。 近期在美国加州圣...