原标题：最新 | 福布斯发布2025年AI十大趋势！ 文章来源：人工智能学家 内容字数：9942字2025年人工智能十大趋势：机遇与挑战并存 本文总结了美国《福布斯》...

在这里做一个简单的code walkthroug，以release的0.5.3版本为基准。

原标题：OpenAI真的开源了！这波「嵌入式实时语音」操作，让万物开口说话，我爱了 文章来源：夕小瑶科技说 内容字数：3712字OpenAI开源嵌入式实时语音SDK：让...

原标题：Agent操纵手机/电脑屏幕的全面综述 文章来源：夕小瑶科技说 内容字数：8428字LLM-Brained GUI Agents: 革命性的交互方式 随着LLM和Agent技术的飞速...

时代巨轮不可阻挡。

发现下一个明日产品。

Ray-Ban 智能眼镜离 AR 硬件又近了一步。

AgentScope是阿里巴巴集团开源的多智能体开发平台，帮助开发者轻松构建和部署多智能体应用。AgentScope提供高易用性、高鲁棒性和分布式支持，内置多种模型API...

VisionFM（伏羲慧眼）是多模态多任务的视觉基础模型，专为通用眼科人工智能而设计。通过预训练3.4百万张来自560,457个个体的眼科图像，覆盖广泛的眼科疾病、...

大模型下半场开启。

AI应用将如何驱动模型创新？

精度、算力和应用场景局限，是大模型跨越幻灭低谷的关键。

InvSR是创新的图像超分辨率模型，基于扩散模型的逆过程恢复高分辨率图像。用大型预训练扩散模型中丰富的图像先验，改善超分辨率的效果。InvSR的核心在于深度...

DisPose是北京大学、中国科学技术大学、清华大学和香港科技大学的研究团队共同推出的，提高人物图像动画质量的控制技术，基于从骨骼姿态和参考图像中提取有效...

MetaMorph是多模态大模型（MLLM），通过指令微调（Instruction Tuning）实现视觉理解和生成。它提出了一种名为Visual-Predictive Instruction Tuning（VPiT）...