微软于2月8日推出了一个以用户界面（UI）为核心的Agent（智能体）—UFO，它专门为Windows操作系统设计，能够理解和执行用户的自然语言请求。UFO利用了GPT-Vision的能力，通过观察和分析Windows应用程序的图形用户界面（GUI），实现在多个应用程序之间无缝导航和操作，完成用户的任务。 GitHub... 阅读全文

谷歌开源了一款名为Magika的AI驱动的文件类型识别系统，这一创新工具旨在帮助广大用户更精确地检测二进制和文本文件类型。Magika的核心在于其定制化的、高度优化的深度学习模型，这个轻量级的模型（仅重约1MB）即使在单个CPU上也能实现毫秒级的精确文件识别。在谷歌内部，Magika已被广泛应用。它通过智能地将Gmai... 阅读全文

Google推出新一代模型Gemini 1.5，该模型在处理能力和跨模态理解上取得显著提升。该模型具有惊人的100万个token的上下文理解能力，成为目前市场上最强大的模型之一。 主要特点： 超强的上下文处理：Gemini 1.5可以处理高达100万个token的连续信息，为大型基础模型设立了最长的上下文窗口记录。 跨... 阅读全文

来自上海人工智能实验室、华东师范大学、普林斯顿大学、香港大学的研究人员推出智能代理框架OS-Copilot，它旨在构建能够与操作系统（OS）中各种元素交互的通用计算机代理。这些代理能够处理网络、代码终端、文件、多媒体以及各种第三方应用程序。OS-COPILOT框架的核心是创建了一个名为FRIDAY的自改进实体代理，用于... 阅读全文

美国国家生物技术信息中心（NCBI）开发推出医疗大模型GeneGPT（基因GPT） ，旨在通过结合大语言模型（LLMs）和国家生物技术信息中心（NCBI）的Web API，来提高对生物医学信息的访问效率和准确性。GeneGPT的核心功能是帮助用户通过自然语言处理（NLP）技术，更轻松地解答与基因组学相关的问题。具体来说... 阅读全文

AgentKit 是由 BCG X 开发的一款 LangChain / FastAPI / Next.js14 工具包，用于构建 Agent。开发人员可以使用 AgentKit 快速构建高质量、可扩展至生产级应用的 Agent 应用。 AgentKit 的主要优势包括： 🚀 快速构建高质量 Agent 应用：模块化、易... 阅读全文

AMD之前与第三方开发者Andrzej Janik合作，开发了一个名为“ZLUDA”的项目。这个项目旨在利用ROCm技术栈（Radeon Open Compute Platform）实现英伟达CUDA应用二进制兼容性，使得CUDA应用无需修改源代码就可以在AMD硬件上运行。经过两年的努力，Janik成功推进了“ZLUD... 阅读全文

全球每天有数百万人使用AI聊天机器人，这些机器人由基于NVIDIA GPU的云服务器提供支持。如今，这些创新性的工具搭载NVIDIA RTX，为本地Windows PC用户带来快速、定制化的生成式AI体验。「Chat With RTX」是一款可免费下载的技术演示软件，允许用户根据自己的内容个性化定制聊天机器人。通过搭载... 阅读全文

Keras-llm-robot Web UI基础代码继承自 Langchain-Chatchat项目底层架构使用Langchain和Fastchat等开源框架，顶层使用streamlit实现。本项目完全开源，目标是可离线部署和测试Huggingface网站上的大部分开源模型，并且可以通过配置将多个模型组合起来，实现多模... 阅读全文

Adeus是一款创新的可穿戴设备，它能实时捕捉和转录用户在现实世界中的对话和环境声音，并将这些数据存储在用户自有的服务器上，确保隐私和数据安全。用户可以通过配套的应用程序与Adeus进行交流，得益于其存储的数据，Adeus能够提供真正个性化的交互体验。 官方文档：https://docs.adeus.ai 令人兴奋的是... 阅读全文

在科技日新月异的今天，各种视觉语言模型（VLMs）如GPT-4V、Gemini、Llava、Qwen-VL等层出不穷，它们各具特色，各有千秋。但究竟哪个模型更胜一筹呢？一个专为视觉模型打造的竞技场Vision Arena在Hugging Face上线。你可以轻松测试并比较不同的视觉模型。更激动人心的是，你可以同时测试两... 阅读全文