事件时间线
按月查看已核验的行业事件和重要研究，可按领域或内容类型筛选。
Grok 4.5 发布：xAI 将代码、Agent 与 Office 工作合并为旗舰模型
xAI 于 2026 年 7 月发布 Grok 4.5，并通过 API、Grok Build、Cursor 与 Office 插件提供使用。
近 7 天 · 最近进展 2026年7月9日 · Microsoft / OpenAIGPT-5.6 进入 Microsoft 365 Copilot：Agent 获得企业级分发
GPT-5.6 成为 Microsoft 365 Copilot 的首选模型，覆盖 Word、Excel、PowerPoint、Chat 和 Cowork。
近 7 天 · 最近进展 2026年7月12日 · OpenAIGPT-5.6 发布：OpenAI 把模型升级推向长期自主 Agent
OpenAI 发布 GPT-5.6，并同步推出面向跨应用、文件与长期任务的 ChatGPT Work。
近 7 天 · 最近进展 2026年7月8日 · OpenAIGPT-Live 推进全双工语音：Agent 的交互带宽继续上升
OpenAI 发布新一代语音模型 GPT-Live，并接入 ChatGPT Voice。
当月论文组 · 2026年7月本月精选 1 篇高质量研究Global Workspace · J-space · 可解释性 · 隐式推理 · 因果干预
展开全部论文
Global Workspace · J-space · 可解释性 · 隐式推理 · 因果干预
LingBot-VLA 2.0 开源：国产具身模型进入跨本体规模化阶段
蚂蚁集团 Robbyant 发布 LingBot-VLA 2.0 技术报告、预训练权重与代码；官方披露训练数据覆盖 20 种机器人配置和约 6 万小时机器人/第一视角视频。
近 7 天 · 最近进展 2026年7月14日 · OpenAIHow data science teams use ChatGPT Work
OpenAI 于 2026-07-14 发布了两篇教程，分别面向数据科学团队和销售团队，展示如何使用 ChatGPT Work 从实际工作输入构建根因简报、影响报告、KPI 备忘录、范围分析和仪表盘规范（数据科学），以及管道简报、会议准备包、预测回顾、账户计划和停滞交易诊断（销售）。
近 7 天 · 最近进展 2026年7月13日 · GoogleEmpowering India’s next generation of innovators with ATL Saathi
Google and AIM launched ATL Saathi, a Gemini-powered AI tool for Indian educators in robotics labs.
近 7 天 · 最近进展 2026年7月11日 · OpenAI彭博社揭秘苹果起诉 OpenAI 内幕：前员工一句“哈哈”成窃密关键
IT之家 7 月 12 日消息，据彭博社昨天报道，当 iPhone 工程师 Chang Liu 离开苹果，加入 OpenAI 硬件部门时，他带走的不只是多年以来累计的工作经验。 根据苹果昨天提起的诉讼，Chang Liu 离职时带走了三样东西：一台始终未归还的 MacBook 工作机、一名可以持续分享内情的苹果员工，以及一项软件漏洞，让他可以在离开苹果后继续访问公司内网服务器。 Chang Liu 发现漏洞后， 与他的同事 Alyssa Peng 分享道：“哈哈（LOL），我发现我还能访问网络存储，太搞笑了” 。而 Alyssa Peng 则是回复道：“我准备好了”，并利用自己的电脑帮助 Chang Liu 获取更多机密信息。 本次诉讼发生以前，苹果与 OpenAI 的关系就趋于紧张。两家公司本来是合作伙伴，如今却希望捷足先登 AI 硬件市场而成为竞争对手，意图重新定义消费者如何使用电子产品。 据悉，双方矛盾的核心人物是前苹果高管 Tang Tan。该人曾负责设计 iPhone、Apple Watch 等多款产品，并在 2023 年底告知管理层即将离职，后来成为 OpenAI 首席硬件官。 IT之家从原报道获悉，苹果甚至破天荒地允许他继续工作至 2024 年 2 月，好完成硬件部门的交接、对齐工作。然而在幕后，Tang Tan 已经密会前苹果首席设计官乔纳森 · 艾维及 OpenAI CEO 萨姆 · 奥尔特曼，希望打造一款全新的 AI 设备，未来有望挑战 iPhone。 目前已有超 400 名员工从苹果跳槽至 OpenAI。这种大规模挖角很快引来了苹果警觉，因为 OpenAI 不仅挖走了多位硬件和设计部门高级主管，还重创了苹果多个工程团队。 这种情况持续到了今年 6 月，当 OpenAI 挖走苹果智能眼镜负责人保罗 · 米德后，苹果要求其立即离职，并没有像 Tang Tan 那样给出交接时间。 苹果认为，OpenAI 正试图复制 iPhone 的整套产品研发体系，并在诉状中表示：“OpenAI 尚处于起步阶段的硬件业务，如今建立在极其脆弱的根基之上，其核心已经从非法窃取而来的商业机密腐烂”。 据一位与 Tang Tan 共事的不具名人士透露， 他在苹果 25 年的职业生涯一直以大胆著称 ， 甚至可以说是“飞得离太阳非常近” 。 Tang Tan 因主导 Mac 笔记本和 iPod 设计而成名，随后负责初代 iPhone 的产品设计。2011 年起，他全面接管 iPhone 设计团队，之后又负责 Apple Watch 设计工作。离开苹果时，他已经跻身公司最高管理层。 与此同时，OpenAI 已经向硬件业务砸了数十亿美元，并朝着 IPO 迈进。不过根据知情人士透露，OpenAI 收购乔纳森旗下 io Products 时，并没有真正成熟的产品。虽然公司曾经研究过耳机、智能眼镜以及 AI 音箱等方案，但最终还是决定研制一款可以取代智能手机的设备。 苹果表示，公司在起诉 OpenAI 之前曾尝试过私了。苹果在今年 2 月主动联系过 OpenAI，告知其机密信息已经流出，要求 OpenAI 主动展开调查、防止类似事件再次发生。 然而 OpenAI 并未作出回应，诉讼中点名的员工也没有回应媒体置评请求。 此外，本次诉讼也进一步凸显了 Tang Tan 和苹果下一任 CEO 约翰 · 特努斯的紧张关系。据悉， 特努斯曾是 Tang Tan 的上司 ， 而 OpenAI 挖走的大多数苹果员工都来自特努斯掌管的硬件部门 。
近 7 天 · 最近进展 2026年7月11日 · industryTerrorist groups are using every major AI chatbot for attack planning and weapons development
A Cambridge study found that Boko Haram uses AI chatbots like ChatGPT, Claude, and Gemini to plan attacks, build explosives, and maintain weapons. ISIS operatives have been training the group's commanders on how to bypass safety filters since 2023. Given that the study found safety filters repeatedly failed to prevent misuse, voluntary self-regulation by AI providers clearly isn't enough. The article Terrorist groups are using every major AI chatbot for attack planning and weapons development appeared first on The Decoder .
近 7 天 · 最近进展 2026年7月11日 · OpenAIOpenAI 招聘家庭产品经理，将拓展家庭用户市场
IT之家 7 月 12 日消息，距离 ChatGPT 发布、生成式 AI 进入大众视野已过去三年多，OpenAI 正将关注重点从个人用户进一步扩展至家庭用户。 根据最新招聘信息，OpenAI 正在旧金山招聘一名专职产品经理，为其旗下产品打造面向家庭、护理人员和老年人的体验。职位要求应聘者具备面向家长和家庭用户设计产品的经验，并熟悉需要高度信任机制的消费者产品。 这一招聘动作也反映出 ChatGPT 的用户群体正在发生变化，不再主要由年轻用户构成。 根据市场研究机构 Sensor Tower 向 TechCrunch 提供的数据，2026 年第二季度，全球 ChatGPT 用户中 35 岁及以上人群占比已从一年前的 26% 上升至 31%；而 18 至 24 岁用户占比则从 34% 降至 29%。 在美国，Sensor Tower 估计，今年第二季度约 24% 的智能手机家长用户使用过 ChatGPT，而一年前这一比例仅为 16%。 科技咨询公司 Creative Strategies 首席执行官本 · 巴贾林（Ben Bajarin）认为，专门设立面向家庭的产品岗位，意味着 OpenAI 已开始将旗下产品从“个人效率工具”重新定位为“家庭共同使用的技术平台”。 “这与 Google、Apple 和 Meta 当年走过的发展路径类似 —— 随着平台逐渐融入日常生活，它们开始面向整个家庭提供服务。但 AI 的影响更大，因为 AI 助手不仅是在管理内容或设备，而是直接参与人与技术之间的互动。”他说。 不过，这种转变也带来了新的信任与安全挑战。 家庭在线安全研究所（Family Online Safety Institute，FOSI）首席执行官斯蒂芬 · 巴尔卡姆（Stephen Balkam）表示，此次招聘既说明 OpenAI 已进入更加成熟的发展阶段，也表明公司开始意识到，儿童和青少年使用 AI 产品需要不同于成年人产品的安全保护机制。 “我认为这是一次通过重新设计来提升安全性的尝试。”巴尔卡姆表示，“最初推出这些产品时，并没有充分考虑儿童用户，因此现在作出这样的调整是十分必要的。” 他的观点也呼应了 FOSI 本周发布的一项最新研究。这项针对美国和澳大利亚 4000 多个家庭开展的调查显示，家长普遍低估了孩子使用生成式 AI 的频率。只有 27% 的美国家长表示，孩子过去一周使用过生成式 AI，而实际上有 38% 的孩子表示自己确实使用过。 巴尔卡姆认为，AI 公司应该针对未成年用户采用完全不同的产品设计，包括更严格的内容管控、符合年龄特点的交互体验、家长监管机制，以及明确提醒用户自己正在与 AI 而非真人交流。 与此同时，AI 公司保护未成年用户的能力正受到越来越严格的审视。OpenAI 已遭遇多起由家长提起的诉讼，指控 ChatGPT 对其孩子造成伤害，其中部分案件甚至涉及未成年人自杀事件。 IT之家注意到，为回应这些担忧，OpenAI 在过去一年陆续推出了多项安全措施，包括： 为青少年账户提供家长控制功能； 将涉及敏感内容的对话交由更擅长识别心理危机的推理模型处理； 最新推出可选的“Trusted Contact（可信联系人）”功能，在检测到潜在自残风险时，可提醒家人或照护者。 巴尔卡姆表示，AI 企业有机会避免社交媒体行业曾经犯下的错误。过去多年，社交平台长期将儿童与成年人一视同仁，直到公众压力和监管不断增加后，才逐步加强未成年人保护措施。 此次招聘也与 OpenAI 在家庭领域的其他布局保持一致。 不久前，OpenAI 与圣安东尼奥马刺社区影响组织（San Antonio Spurs Community Impact）以及积极教练联盟（Positive Coaching Alliance）共同举办了一场研讨会，探讨 AI 在教育、教练培训以及青少年成长中的作用。 不过，用户年龄结构变化并非 ChatGPT 独有。 Sensor Tower 数据显示，Anthropic 的 Claude、Google 的 Gemini 与 ChatGPT 一样，25 至 34 岁用户均占全球用户总数的 40%，而微软 Copilot 这一比例为 33%。 但 Copilot 的用户年龄明显偏大，其中 45 岁及以上用户占比达到 20%，高于 Claude 的 14%、Gemini 的 12% 以及 ChatGPT 的 11%。 虽然 ChatGPT 在年长用户中的渗透率仍相对较低，但增长速度快于竞争对手。 Sensor Tower 数据显示，今年第二季度，ChatGPT 45 岁及以上用户占比较去年同期提升 3 个百分点；相比之下，Copilot 仅增长 2 个百分点，而 Claude 和 Gemini 的这一年龄段用户占比则出现下…
近 7 天 · 最近进展 2026年7月11日 · industryAgentation – Visual UI Annotation for AI Coding Agents
Article URL: https://www.agentation.com/ Comments URL: https://news.ycombinator.com/item?id=48873337 Points: 1 # Comments: 0
近 7 天 · 最近进展 2026年7月11日 · industryShow HN: BoundFlow – an open-source control plane for AI agents
Article URL: https://github.com/boundflow/boundflow Comments URL: https://news.ycombinator.com/item?id=48875888 Points: 1 # Comments: 0
近 7 天 · 最近进展 2026年7月11日 · industrySovereign AgentOps – Self-hosted constitutional AI governance for MCP agents
Article URL: https://github.com/geludobre/sovereign-agentops Comments URL: https://news.ycombinator.com/item?id=48875223 Points: 1 # Comments: 0
GLM-5.2 开源：智谱把 1M 上下文用于长时工程任务
智谱于 2026 年 6 月发布 GLM-5.2，以 MIT 许可开放权重，并提供 1M 上下文版本。
最近进展 2026年6月17日 · xAI / GrokGrok 进入 Amazon Bedrock：xAI 获得企业云分发与治理入口
xAI 于 2026 年 6 月宣布 Grok 4.3 在 Amazon Bedrock 正式可用。
最近进展 2026年6月23日 · Mistral AIMistral OCR 4 发布：文档理解成为企业 Agent 的基础能力层
Mistral 于 2026 年 6 月发布 OCR 4，继续扩展其文档解析与企业工作流能力。
最近进展 2026年6月24日 · Google DeepMindGemini 3.5 Flash Computer Use：浏览器 Agent 进入低延迟模型层
Google DeepMind 于 2026 年 6 月 24 日发布 Gemini 3.5 Flash 的 computer use 能力。
当月论文组 · 2026年6月本月精选 1 篇高质量研究Deployment Simulation · 模型安全 · 真实分布 · Agent 评测 · 风险预测
展开全部论文
Deployment Simulation · 模型安全 · 真实分布 · Agent 评测 · 风险预测
OpenAI 收购 Ona：Agent 竞争延伸到长期软件工程能力
OpenAI 于 2026 年 6 月 11 日宣布收购 Ona。
最近进展 2026年6月9日 · Google DeepMindGemma 4 12B：开放多模态模型进一步压缩部署门槛
Google DeepMind 于 2026 年 6 月 9 日发布统一、无独立编码器的 Gemma 4 12B 多模态模型。
最近进展 2026年6月9日 · MicrosoftClaude Fable 5 进入 Microsoft Foundry：模型分发继续平台化
Microsoft 于 2026 年 6 月 9 日宣布 Claude Fable 5 在 Microsoft Foundry 可用，面向自主 Agent 场景。
Anthropic 完成 Series H：模型竞争进入资本、收入与算力共振
Anthropic 宣布完成 650 亿美元 Series H 融资，投后估值 9650 亿美元，并披露年化收入超过 470 亿美元。
最近进展 2026年5月25日 · xAI / GrokGrok Build 发布：xAI 从模型 API 进入终端编码 Agent
xAI 于 2026 年 5 月发布 Grok Build 早期测试版，为订阅用户提供终端编码 Agent。
最近进展 2026年5月20日 · Cohere / CommandCommand A+ 发布：Cohere 强化可私有部署的企业 Agent 模型
Cohere 于 2026 年 5 月发布 Command A+，并通过标准 API 与私有部署方式提供。
最近进展 2026年5月19日 · 面壁智能 / ModelBest / OpenBMBMiniCPM5-1B 开源：面壁把端侧小模型与 Agent Skills 连接
面壁智能与 OpenBMB 于 2026 年 5 月发布 MiniCPM5-1B，并提供部署、微调和 Agent Skills。
当月论文组 · 2026年5月本月精选 1 篇高质量研究ERA · AI for Science · Nature · 科学 Agent · 实证研究
展开全部论文
ERA · AI for Science · Nature · 科学 Agent · 实证研究
Gemini 3.5：前沿模型竞争进一步转向可执行行动
Google DeepMind 于 2026 年 5 月 15 日发布 Gemini 3.5，并以面向行动的前沿智能作为核心定位。
最近进展 2026年5月17日 · Google DeepMindGemini Omni：原生多模态交互从能力展示走向统一产品入口
Google DeepMind 于 2026 年 5 月 17 日发布 Gemini Omni，强化跨文本、语音、视觉等模态的统一交互。
最近进展 2026年5月17日 · GoogleGoogle Antigravity 2.0：AI Coding 从补全工具走向任务级工程环境
Google DeepMind 于 2026 年 5 月 17 日发布 Google Antigravity 2.0，继续扩展面向 Agent 的开发体验。
最近进展 2026年5月20日 · GoogleGoogle I/O 2026：AI 从单点功能变成横跨产品与开发栈的平台层
Google 于 2026 年 5 月 20 日汇总 I/O 2026 的 100 项发布、演示与产品更新。
最近进展 2026年5月21日 · Google DeepMindDeepMind 亚太加速器：前沿模型开始与区域产业问题直接绑定
Google DeepMind 于 2026 年 5 月 21 日宣布在亚太启动面向环境风险的加速器计划。
GPT-5.5 发布：模型升级开始按端到端工作结果衡量
OpenAI 发布 GPT-5.5，重点提升编码、研究、数据分析、文档和跨工具操作。
最近进展 2026年4月7日 · 智谱 AI / Z.aiGLM-5.1 发布：智谱把 Agent 目标推进到 8 小时持续执行
智谱官方 Release Notes 于 2026 年 4 月记录 GLM-5.1 发布，定位为长时任务旗舰模型。
最近进展 2026年4月28日 · 商汤科技 / SenseTime / 日日新SenseNova U1 开源：商汤把理解与生成合并为原生多模态模型
商汤于 2026 年 4 月发布并开源 SenseNova U1 原生统一多模态模型系列。
最近进展 2026年4月16日 · AnthropicClaude Opus 4.7 发布：前沿能力继续聚焦复杂工作与 Agent
Anthropic 发布 Claude Opus 4.7，重点提升代码、Agent、视觉和多步骤任务表现。
当月论文组 · 2026年4月本月精选 1 篇高质量研究ReasoningBank · Agent 记忆 · test-time learning · 经验提炼 · ICLR
展开全部论文
ReasoningBank · Agent 记忆 · test-time learning · 经验提炼 · ICLR
Gemma 4 发布：开放模型竞争继续向单位资源效率推进
Google DeepMind 于 2026 年 4 月 2 日发布 Gemma 4，强调在开放模型形态下提升能力与部署效率。
最近进展 2026年4月30日 · Google DeepMindAI Co-clinician：医疗 AI 从问答助手转向协作式临床工作流
Google DeepMind 于 2026 年 4 月 30 日提出 AI co-clinician 方向，探索模型与临床人员协作的新工作模式。
Grok 4.20 Multi-agent 上线：xAI 将并行 Agent 编排产品化
xAI 官方 Release Notes 记录 Grok 4.20 与 Grok 4.20 Multi-agent 于 2026 年 3 月进入 API。
最近进展 2026年3月10日 · xAI / GrokGrok 4.1 Fast 进入企业 API：搜索、代码与远程 MCP 工具合流
xAI 于 2025 年 11 月在企业 API 提供 Grok 4.1 Fast，并让 Agent 工具支持该模型。
当月论文组 · 2026年3月本月精选 1 篇高质量研究劳动力 · AI 暴露 · 真实使用 · 就业 · Anthropic Economic Index
展开全部论文
劳动力 · AI 暴露 · 真实使用 · 就业 · Anthropic Economic Index
GLM-5 开源：智谱从代码生成转向长时系统工程
智谱于 2026 年 2 月发布 GLM-5，并以 MIT 许可开放权重，同时提供国内外 API。
最近进展 2026年2月14日 · 字节跳动 Seed / 豆包Seed 2.0 发布：字节把多模态理解与长时 Agent 推进生产部署
字节跳动 Seed 团队于 2026 年 2 月发布 Seed 2.0 Pro、Lite 与 Mini 三档通用 Agent 模型。
最近进展 2026年2月13日 · MiniMax / 稀宇科技MiniMax M2.5 开源：编码与办公 Agent 转向生产效率竞争
MiniMax 于 2026 年 2 月发布并开放 MiniMax-M2.5，面向编程、工具调用、搜索和办公任务。
当月论文组 · 2026年2月本月精选 1 篇高质量研究GABRIEL · 社会科学 · 量化测量 · 开源工具 · 审计
展开全部论文
GABRIEL · 社会科学 · 量化测量 · 开源工具 · 审计
Kimi K2.5 开源：月之暗面加入原生多模态与 Agent Swarm
月之暗面于 2026 年 1 月开放 Kimi K2.5，提供原生多模态理解、工具使用和并行 Agent Swarm。
最近进展 2026年1月6日 · xAI / GrokxAI 完成 200 亿美元 Series E：模型竞争继续绑定资本与算力规模
xAI 于 2026 年 1 月宣布完成 200 亿美元 Series E，并披露 Colossus I 与 II 的扩张进展。
最近进展 2026年1月22日 · AnthropicClaude 新宪法发布：模型行为治理走向可审查的制度层
Anthropic 发布 2026 版 Claude Constitution，系统说明模型的价值、行为原则和冲突处理。
最近进展 2026年1月31日 · 阶跃星辰 / StepFunStep 3.5 Flash 开源：阶跃星辰用稀疏模型争夺高效 Agent 推理
阶跃星辰于 2026 年初开放 Step 3.5 Flash，定位为兼顾推理、工具使用与效率的基础模型。
当月论文组 · 2026年1月本月精选 1 篇高质量研究Argos · 多模态 Agent · 强化学习 · 验证器 · 具身智能
展开全部论文
Argos · 多模态 Agent · 强化学习 · 验证器 · 具身智能
Baichuan-M3 开源：百川聚焦医疗决策流程
百川智能于 2026 年初开放 Baichuan-M3-235B，面向临床问诊与可靠医疗决策。
ChatGPT Agent 发布：研究、浏览与行动合并为统一模式
OpenAI 发布 ChatGPT Agent，将 Operator 的操作、Deep Research 的研究和对话能力整合。
最近进展 2025年7月9日 · xAI / GrokGrok 4 发布：原生工具使用与大规模强化学习成为主线
xAI 于 2025 年 7 月发布 Grok 4 与 Grok 4 Heavy，并通过 Grok 产品和 API 提供访问。
最近进展 2025年7月28日 · 智谱 AI / Z.aiGLM-4.5 开源：智谱把推理、代码与 Agent 合并为统一模型
智谱于 2025 年 7 月发布 GLM-4.5 与 GLM-4.5-Air，并同时提供 API 和开放权重。
最近进展 2025年7月11日 · Moonshot AIKimi K2 开放：Moonshot 把国产模型竞争推向 Agent 与代码
Moonshot AI 发布 Kimi K2 混合专家模型并开放权重，重点强化代码和 Agent 工具使用。
Claude 4 发布：长时编码与 Agent 能力成为旗舰卖点
Anthropic 发布 Claude Opus 4 与 Sonnet 4，强调编码、工具使用和长任务能力。
最近进展 2025年5月16日 · OpenAICodex 云端 Agent 发布：编码任务从辅助转向委派
OpenAI 发布 Codex 研究预览，可在隔离云环境中并行处理代码库任务。
最近进展 2025年5月21日 · OpenAI / ioio 团队并入 OpenAI：模型公司开始向原生 AI 设备与交互入口扩张
OpenAI 与 Jony Ive 于 2025 年 5 月公布合作，并在 7 月更新确认 io Products 团队已正式并入 OpenAI。
当月论文组 · 2025年5月本月精选 1 篇高质量研究大语言模型 · MoE · 思考预算 · 多语言 · 开源
展开全部论文
大语言模型 · MoE · 思考预算 · 多语言 · 开源
o3 与 o4-mini 发布：推理模型开始主动调用全套工具
OpenAI 发布 o3 和 o4-mini，并让推理模型在 ChatGPT 中组合使用浏览、代码、文件和图像工具。
最近进展 2025年4月29日 · Alibaba / QwenQwen3 开源：中国模型进入混合推理与 Agent 阶段
Qwen 团队发布 Qwen3 系列开放模型，支持 thinking/non-thinking 切换与多语言能力。
最近进展 2025年4月9日 · GoogleGoogle A2A 发布：多 Agent 协作进入协议竞争
Google 联合多家企业发布 Agent2Agent Protocol，用于不同平台和厂商 Agent 之间协作。
最近进展 2025年4月14日 · 智谱 AI / Z.aiGLM-4-32B 开放：智谱补齐中等规模推理与批处理模型
智谱 GLM 团队于 2025 年 4 月开放 GLM-4-32B-0414 系列，覆盖对话、推理与沉思版本。
最近进展 2025年4月5日 · MetaLlama 4 发布：开放模型转向原生多模态 MoE
Meta 发布 Llama 4 Scout 与 Maverick，采用原生多模态和混合专家架构。
OpenAI 融资 400 亿美元：前沿模型资本需求跃迁到基础设施级别
OpenAI 于 2025 年 3 月宣布获得 400 亿美元新资金，投后估值 3000 亿美元，并与 SoftBank Group 合作。
最近进展 2025年3月18日 · NVIDIABlackwell Ultra 发布：推理时 Scaling 重塑 AI 基础设施
NVIDIA 在 GTC 2025 发布 Blackwell Ultra、Dynamo 和面向推理 Agent 的 AI Factory 平台。
最近进展 2025年3月11日 · OpenAIResponses API 与 Agents SDK：OpenAI 建立 Agent 开发平台
OpenAI 发布 Responses API、内置 Web/File/Computer Use 工具和开源 Agents SDK。
最近进展 2025年3月3日 · AnthropicAnthropic 完成 35 亿美元 Series E：编码与企业采用支撑新一轮扩张
Anthropic 于 2025 年 3 月宣布完成 35 亿美元融资，投后估值 615 亿美元，由 Lightspeed Venture Partners 领投。
最近进展 2025年3月25日 · Google DeepMindGemini 2.5 发布：思考模型成为前沿模型默认形态
Google 发布 Gemini 2.5 Pro 实验版，将推理能力内置为模型的核心能力。
Claude 3.7 与 Claude Code：混合推理进入开发者工作流
Anthropic 发布 Claude 3.7 Sonnet，并预览在终端中工作的 Claude Code。
最近进展 2025年2月19日 · xAI / GrokGrok 3 发布：xAI 把大规模预训练推进到推理与搜索 Agent
xAI 于 2025 年 2 月发布 Grok 3、Grok 3 mini 及其 Think 推理版本，并预告 API 与 DeepSearch。
最近进展 2025年2月2日 · OpenAIDeep Research 发布：Agent 首次把复杂知识工作做成标准产品
OpenAI 在 ChatGPT 发布 Deep Research，可自主搜索、分析并综合大量在线来源。
当月论文组 · 2025年2月本月精选 1 篇高质量研究实时目标检测 · 注意力机制 · YOLO · 边缘部署 · 计算机视觉
展开全部论文
实时目标检测 · 注意力机制 · YOLO · 边缘部署 · 计算机视觉
DeepSeek-R1 开源：推理能力与低成本冲击全球模型格局
DeepSeek 发布 R1、R1-Zero 和蒸馏模型，公开权重与技术方法。
最近进展 2025年1月23日 · OpenAIOperator 发布：OpenAI 从对话产品进入浏览器任务执行
OpenAI 发布 Operator 研究预览，模型可以在浏览器中点击、输入并完成多步骤任务。
最近进展 2025年1月15日 · 科大讯飞 / 讯飞星火讯飞星火 X1 发布：国产算力进入深度推理模型验证
科大讯飞于 2025 年 1 月发布星火 X1，并在 4 月升级其数学、代码与逻辑推理能力。
DeepSeek-V3 开源：训练效率成为全球模型竞争的新变量
DeepSeek 发布并开放 DeepSeek-V3 权重与技术报告，采用 671B MoE、37B 激活参数和 FP8 训练。
最近进展 2024年12月11日 · Google DeepMindGemini 2.0 发布：Google 把多模态模型推进到 Agent 系统
Google 发布 Gemini 2.0 Flash，并展示 Project Astra、Mariner 和代码 Agent 等原型。
最近进展 2024年12月12日 · xAI / GrokGrok-2 向所有 X 用户开放：实时搜索与引用成为产品差异点
xAI 于 2024 年 12 月宣布升级版 Grok-2 向所有 X 用户免费开放，并加入网页与 X 搜索结果引用。
欧盟 AI Act 生效：通用模型进入正式合规周期
欧盟《人工智能法案》于 2024 年 8 月 1 日生效，并为通用模型和高风险系统设置分阶段义务。
当月论文组 · 2024年8月本月精选 1 篇高质量研究基础模型 · 图像分割 · 视频分割 · 流式记忆 · 实时处理
展开全部论文
基础模型 · 图像分割 · 视频分割 · 流式记忆 · 实时处理
xAI 完成 60 亿美元 Series B：资本开始直接竞逐超大规模训练集群
xAI 于 2024 年 5 月宣布完成 60 亿美元 Series B，投资方包括 Valor、Vy Capital、a16z、Sequoia 与 Fidelity 等。
最近进展 2024年5月13日 · 零一万物 / 01.AIYi-1.5 开源：零一万物继续押注中英双语开放模型
零一万物于 2024 年 5 月开放 Yi-1.5 系列，增强代码、数学、推理与指令遵循能力。
当月论文组 · 2024年5月本月精选 2 篇高质量研究材料模拟 · 深度学习 · 主动学习 · 第一性原理 · 吉布斯自由能 · 实时目标检测
展开全部论文
材料模拟 · 深度学习 · 主动学习 · 第一性原理 · 吉布斯自由能 · 实时目标检测
MatterSim: Deep Learning Atomistic Model Across Elements, Temperatures and Pressures：材料模拟的深度学习突破
2024年5月提交。MatterSim是一个从大规模第一性原理计算主动学习的深度学习模型，可模拟0-5000K、0-1000GPa条件下的元素周期表材料，预测吉布斯自由能精度达15 meV/atom（与实验对比），数据效率提升97%。
最近进展 2024年5月23日 · YOLOv10YOLOv10: Real-Time End-to-End Object Detection：NMS-free实时检测新范式
2024年5月提交。YOLOv10提出一致双分配（consistent dual assignments）实现无NMS训练，并采用整体效率-精度驱动模型设计策略，在COCO上YOLOv10-S比RT-DETR-R18快1.8倍且参数量与FLOPs减少2.8倍，比YOLOv9-C延迟降低46%、参数减少25%。
当月论文组 · 2024年2月本月精选 2 篇高质量研究可编程梯度信息 · 目标检测 · 轻量级网络 · 信息瓶颈 · 梯度路径规划 · State Space Model
展开全部论文
可编程梯度信息 · 目标检测 · 轻量级网络 · 信息瓶颈 · 梯度路径规划 · State Space Model
YOLOv9: Learning What You Want to Learn Using Programmable Gradient Information：可编程梯度信息实现精准目标检测
YOLOv9提出可编程梯度信息（PGI）概念，解决深度网络中信息瓶颈和可逆函数导致的数据丢失问题。PGI为目标任务提供完整输入信息，生成可靠梯度更新权重。同时设计轻量级网络GELAN，基于梯度路径规划，仅用常规卷积算子即超越基于深度可分离卷积的SOTA方法。在MS COCO数据集上，从零训练的模型性能优于使用大型数据集预训练的SOTA模型。
最近进展 2024年2月4日 · VM-UNetVM-UNet: Vision Mamba UNet for Medical Image Segmentation：基于状态空间模型的医学图像分割U形架构
提出首个基于纯状态空间模型（SSM）的医学图像分割模型VM-UNet，采用视觉状态空间（VSS）模块捕获长程上下文信息，并设计非对称编码器-解码器结构以减少卷积层数量，在ISIC17、ISIC18和Synapse数据集上取得有竞争力的性能。
当月论文组 · 2024年1月本月精选 3 篇高质量研究状态空间模型 · 视觉骨干网络 · 线性复杂度 · 2D选择性扫描 · 高效架构 · U-Mamba
展开全部论文
状态空间模型 · 视觉骨干网络 · 线性复杂度 · 2D选择性扫描 · 高效架构 · U-Mamba
VMamba: Visual State Space Model：视觉状态空间模型，线性复杂度新范式
VMamba将Mamba状态空间语言模型适配为视觉骨干网络，核心是VSS块和2D选择性扫描模块SS2D，通过四方向扫描路径实现1D扫描与2D视觉数据的桥接，在保持线性时间复杂度的同时收集多源上下文信息。
最近进展 2024年1月9日 · U-MambaU-Mamba: Enhancing Long-range Dependency for Biomedical Image Segmentation：U-Mamba通过混合CNN与状态空间模型，在生物医学图像分割中实现长程依赖建模，超越CNN和Transformer
U-Mamba提出混合CNN-SSM模块，结合卷积局部特征提取与状态空间序列模型的长程依赖捕获能力，在CT/MR腹部器官、内窥镜器械和显微镜细胞分割四个任务上超越现有CNN和Transformer网络。
最近进展 2024年1月17日 · VimVision Mamba: 双向状态空间模型实现高效视觉表示学习
提出Vim骨干网络，用双向Mamba块替代自注意力机制，在ImageNet分类、COCO检测和ADE20K分割任务上超越DeiT，且高分辨率推理速度提升2.8倍，GPU内存节省86.8%。
Gemini 1.0 发布：原生多模态成为前沿模型平台标准
Google 在 2023 年 12 月发布 Gemini Ultra、Pro 与 Nano 三种尺寸的原生多模态模型。
当月论文组 · 2023年12月本月精选 2 篇高质量研究状态空间模型 · 选择性机制 · 线性时间序列建模 · 高效推理 · 长序列处理 · 多模态模型
展开全部论文
状态空间模型 · 选择性机制 · 线性时间序列建模 · 高效推理 · 长序列处理 · 多模态模型
Mamba: Linear-Time Sequence Modeling with Selective State Spaces：Mamba：基于选择性状态空间的线性时间序列建模
Mamba是一种新型序列模型架构，通过让状态空间模型参数成为输入的函数，实现了内容感知的选择性信息传播与遗忘，解决了传统高效架构在离散模态上的推理弱点。该模型采用硬件感知的并行算法，在推理时吞吐量比Transformer高5倍，序列长度线性扩展，在语言、音频和基因组学等多个模态上达到最先进性能。在语言建模中，Mamba-3B模型性能与两倍大小的Transformer相当。
最近进展 2023年12月19日 · GeminiGemini：高度多模态模型家族：Gemini：高度多模态模型家族
谷歌发布Gemini多模态模型家族，包含Ultra、Pro、Nano三种规模，在32项基准测试中30项达到最先进水平，首次在MMLU上超越人类专家表现，并在所有20个多模态基准测试中取得最优。
OpenAI DevDay：模型平台向 Assistants、工具与定制能力扩张
OpenAI 在 2023 年 11 月 DevDay 发布 GPT-4 Turbo、Assistants API、新工具和定制模型计划。
当月论文组 · 2023年11月本月精选 1 篇高质量研究目标检测 · 边界框回归 · IoU损失 · 辅助边界框 · 缩放因子
展开全部论文
目标检测 · 边界框回归 · IoU损失 · 辅助边界框 · 缩放因子
Amazon 计划向 Anthropic 投资至多 40 亿美元：云、芯片与模型形成第二个前沿联盟
Anthropic 于 2023 年 9 月宣布 Amazon 将投资至多 40 亿美元并取得少数股权，AWS 成为其关键工作负载的主要云提供商。
最近进展 2023年9月27日 · Mistral AIMistral 7B 发布：小模型效率成为开放生态的新竞争轴
Mistral AI 在 2023 年 9 月发布 Mistral 7B 开放模型。
当月论文组 · 2023年9月本月精选 2 篇高质量研究LLM智能体 · 通用框架 · 多智能体协作 · 人机合作 · 智能体社会 · 目标检测
展开全部论文
LLM智能体 · 通用框架 · 多智能体协作 · 人机合作 · 智能体社会 · 目标检测
The Rise and Potential of Large Language Model Based Agents: A Survey：LLM智能体的崛起与潜力综述
该综述系统梳理了基于大语言模型（LLM）的智能体概念、框架与应用。文章从哲学起源追溯至AI发展，论证LLM作为通用智能体基础的优势，提出包含大脑、感知、行动三组件的通用框架，并覆盖单智能体、多智能体及人机协作三大应用场景，同时探讨智能体社会中的行为、个性及涌现现象。
最近进展 2023年9月20日 · Gold-YOLOGold-YOLO：通过收集-分发机制实现的高效目标检测器：华为提出GD机制与MAE预训练，在COCO上达到39.9% AP和1030 FPS
Gold-YOLO提出Gather-and-Distribute（GD）机制，结合卷积与自注意力操作，增强多尺度特征融合。首次在YOLO系列中引入MAE风格无监督预训练。Gold-YOLO-N在COCO val2017上达到39.9% AP，T4 GPU上1030 FPS，比YOLOv6-3.0-N高2.4% AP。代码已开源。
Qwen-7B 开放：中文大模型进入开放生态建设阶段
Qwen 团队在 2023 年 8 月公开 Qwen-7B 与 Qwen-7B-Chat 的代码和模型权重。
当月论文组 · 2023年8月本月精选 2 篇高质量研究意识 · 神经科学理论 · AI评估 · 全局工作空间 · 递归处理 · 西班牙语
展开全部论文
意识 · 神经科学理论 · AI评估 · 全局工作空间 · 递归处理 · 西班牙语
Consciousness in Artificial Intelligence: Insights from the Science of Consciousness：从意识科学看人工智能意识
该报告基于五种主流神经科学意识理论（递归处理理论、全局工作空间理论、高阶理论、预测处理、注意图式理论），提取出计算可实现的意识指标属性，并评估了当前AI系统。结论是当前无AI系统具备意识，但构建有意识AI无技术障碍。
最近进展 2023年8月6日 · Spanish-BERTSpanish Pre-trained BERT Model and Evaluation Data：西班牙语专用BERT模型与评测基准发布
该论文发布了首个完全基于西班牙语数据预训练的BERT模型，并整合了多个西班牙语自然语言处理任务形成类似GLUE的评测基准。实验表明，该模型在大多数任务上优于多语言BERT模型，部分任务达到新最优水平。模型、预训练数据和基准已公开。
Llama 2 发布：开放模型成为可持续的产业路线
Meta 与 Microsoft 在 2023 年 7 月发布 Llama 2，并允许研究和商业使用。
最近进展 2023年7月13日 · 中国国家互联网信息办公室生成式 AI 服务管理暂行办法公布：中国市场形成明确的产品治理框架
中国七部门在 2023 年 7 月公布《生成式人工智能服务管理暂行办法》，自 8 月 15 日起施行。
最近进展 2023年7月11日 · AnthropicClaude 2 发布：长上下文与安全路线形成前沿模型竞争分支
Anthropic 在 2023 年 7 月发布 Claude 2，并开放网页与 API 访问。
当月论文组 · 2023年7月本月精选 4 篇高质量研究潜在扩散模型 · 文本到图像 · 高分辨率 · UNet · 精炼模型 · 视觉-语言-动作模型
展开全部论文
潜在扩散模型 · 文本到图像 · 高分辨率 · UNet · 精炼模型 · 视觉-语言-动作模型
SDXL：改进高分辨率图像合成的潜在扩散模型
SDXL是Stable Diffusion的升级版，采用三倍大的UNet骨干网络，增加注意力块和更大跨注意力上下文，使用双文本编码器。设计多种新颖条件方案，在多宽高比上训练，并引入后处理精炼模型提升视觉保真度。性能显著优于前代，与黑盒顶级图像生成器竞争。
最近进展 2023年7月28日 · RT-2RT-2: Vision-Language-Action Models Transfer Web Knowledge to Robotic Control：将互联网知识迁移至机器人控制的视觉-语言-动作模型
RT-2提出将视觉-语言模型（VLM）与机器人轨迹数据共同微调，通过将机器人动作编码为文本令牌，使模型同时处理自然语言和动作输出。在6000次评估试验中，RT-2展现出对未见物体的泛化能力、解释未训练指令（如按数字或图标放置物体）以及执行基础推理（如选择最小或最大物体）的能力。链式思维推理进一步支持多阶段语义推理，例如选择石头作为临时锤子。
最近进展 2023年7月27日 · SWhisperSirens' Whisper: Inaudible Near-Ultrasonic Jailbreaks of Speech-Driven LLMs：基于近超声的语音大模型越狱攻击
该研究提出SWhisper，首个针对语音驱动大语言模型的近超声越狱攻击方法。通过将恶意提示编码到近超声载波中，利用麦克风非线性解调为可听语音，实现人耳不可感知但被语音识别系统准确转录并传递给LLM。在黑盒评估中，对DeepSeek、Grok等商业平台达到0.94非拒绝率和0.925特定说服分数，暴露了语音LLM系统的关键漏洞。
最近进展 2023年7月14日 · MPDIoUMPDIoU: A Loss for Efficient and Accurate Bounding Box Regression：基于最小点距离的边界框回归损失函数
提出MPDIoU损失函数，基于最小点距离度量边界框相似性，综合重叠区域、中心点距离和宽高偏差，简化计算。在YOLACT和YOLOv7上，PASCAL VOC、MS COCO和IIIT5k数据集表现优于现有损失函数。
当月论文组 · 2023年6月本月精选 3 篇高质量研究LLM-as-a-judge · MT-Bench · Chatbot Arena · 模型评估 · 人类偏好 · 基因组基础模型
展开全部论文
LLM-as-a-judge · MT-Bench · Chatbot Arena · 模型评估 · 人类偏好 · 基因组基础模型
Judging LLM-as-a-Judge with MT-Bench and Chatbot Arena：用LLM作为裁判评估聊天助手
本文提出使用强LLM（如GPT-4）作为裁判来评估聊天助手，并引入MT-Bench多轮问答基准和Chatbot Arena众包对战平台。研究发现GPT-4裁判与人类偏好的一致性超过80%，达到人类间一致水平。同时分析了位置偏差、冗长偏差、自我增强偏差和推理能力有限等局限性，并提出了缓解方案。
最近进展 2023年6月26日 · DNABERT-2DNABERT-2: Efficient Foundation Model and Benchmark For Multi-Species Genome：DNABERT-2：面向多物种基因组的高效基础模型与基准
DNABERT-2用BPE替换k-mer分词，在36个数据集、9个任务的GUE基准上，以21倍更少参数和92倍更少预训练GPU时间达到与SOTA相当的性能。
最近进展 2023年6月1日 · LLaVA-MedLLaVA-Med: Training a Large Language-and-Vision Assistant for Biomedicine in One Day：低成本构建生物医学多模态对话助手
该论文提出一种低成本方法，利用PubMed Central的图文对和GPT-4生成的指令数据，在15小时内训练出生物医学视觉语言对话助手LLaVA-Med，在三个标准生物医学VQA数据集上部分指标超越此前监督学习最优模型。
Anthropic 完成 4.5 亿美元 Series C：安全路线进入产品与企业扩张期
Anthropic 于 2023 年 5 月宣布完成 4.5 亿美元 Series C，由 Spark Capital 领投，Google、Salesforce Ventures、Zoom Ventures 等参与。
当月论文组 · 2023年5月本月精选 4 篇高质量研究QLoRA · 量化微调 · 大模型 · NF4 · 高效训练 · 思维树
展开全部论文
QLoRA · 量化微调 · 大模型 · NF4 · 高效训练 · 思维树
QLoRA: Efficient Finetuning of Quantized LLMs：4比特量化微调让大模型训练平民化
2023年5月，华盛顿大学团队提出QLoRA，在单个48GB GPU上微调65B参数模型，性能达到ChatGPT的99.3%。核心创新包括4-bit NormalFloat数据类型、双重量化和分页优化器。训练了1000+模型，发现小规模高质量数据集微调即可达到SOTA。
最近进展 2023年5月17日 · Princeton NLP GroupTree of Thoughts: Deliberate Problem Solving with Large Language Models：思维树框架让LLM具备规划与回溯能力
2023年5月，普林斯顿大学团队提出Tree of Thoughts（ToT）框架，将LLM推理从链式扩展为树状搜索。在Game of 24任务中，GPT-4+ToT成功率达74%，而标准CoT仅4%。ToT允许模型探索多条推理路径、自我评估并回溯，显著提升需要规划的任务表现。
最近进展 2023年5月29日 · Stanford UniversityDirect Preference Optimization: Your Language Model is Secretly a Reward Model：直接偏好优化，无需强化学习的对齐新范式
2023年5月，斯坦福大学团队提出Direct Preference Optimization（DPO），无需显式奖励模型和强化学习，直接通过偏好数据优化LLM。DPO将奖励函数隐式定义为策略的闭式解，训练更简单、更稳定。实验表明DPO在多个任务上匹配或超越PPO。
最近进展 2023年5月25日 · NVIDIA / UT AustinVoyager: An Open-Ended Embodied Agent with Large Language Models：LLM驱动的终身学习智能体在Minecraft中自主探索
2023年5月，NVIDIA和UT Austin团队提出Voyager，首个LLM驱动的终身学习智能体，在Minecraft中无需人类干预持续探索、获取技能并发现新事物。Voyager使用GPT-4，通过自动课程、技能库和迭代提示机制，获得3.3倍独特物品、解锁里程碑快15.3倍。
当月论文组 · 2023年4月本月精选 4 篇高质量研究自监督学习 · 视觉基础模型 · 数据筛选 · 知识蒸馏 · ViT · 多模态
展开全部论文
自监督学习 · 视觉基础模型 · 数据筛选 · 知识蒸馏 · ViT · 多模态
DINOv2: Learning Robust Visual Features without Supervision：自监督视觉基础模型进入实用阶段
2023年4月，Meta AI发布DINOv2，提出一种全自动数据筛选管道，从海量未标注图像中构建多样化、高质量的训练数据集，并训练了1B参数的ViT模型，再蒸馏为一系列小模型。在图像级和像素级基准上，DINOv2超越了当时最好的通用视觉特征OpenCLIP，且无需微调即可直接用于多种下游任务。
最近进展 2023年4月17日 · LLaVALLaVA: Visual Instruction Tuning：多模态指令微调的开源里程碑
2023年4月，LLaVA首次提出使用纯语言GPT-4生成多模态语言-图像指令数据，并基于此训练了一个端到端的大规模多模态模型（连接视觉编码器和LLM）。在Science QA上，LLaVA+GPT-4达到92.53%准确率，创下新纪录；在合成多模态指令跟随数据集上达到GPT-4的85.1%相对分数。
最近进展 2023年4月7日 · Stanford / Google ResearchGenerative Agents: Interactive Simulacra of Human Behavior：大模型驱动的可信人类行为模拟
2023年4月，斯坦福大学和Google Research提出生成式智能体（Generative Agents），利用大语言模型（LLM）驱动25个智能体在一个类似《模拟人生》的沙盒环境中自主生活。智能体能够起床、做饭、工作、社交、形成记忆并规划未来，仅从一个“想办情人节派对”的初始设定出发，智能体自主传播邀请、结识新朋友、协调时间并最终共同参加派对。
最近进展 2023年4月17日 · BaiduRT-DETR: DETRs Beat YOLOs on Real-time Object Detection：实时目标检测的Transformer时代来临
2023年4月，百度提出RT-DETR，首个实时端到端目标检测器，在COCO上以53.1% AP和108 FPS（T4 GPU）超越YOLOv8等先进YOLO系列。它设计了高效混合编码器解耦尺度内交互和跨尺度融合，并提出不确定性最小化查询选择提升解码器初始查询质量。支持通过调整解码器层数灵活调速，无需重新训练。
GPT-4 发布：大模型进入更可靠的多模态推理阶段
OpenAI 在 2023 年 3 月发布 GPT-4，支持图像输入并在多项专业考试中显著提升表现。
最近进展 2023年3月16日 · MicrosoftMicrosoft 365 Copilot 发布：大模型开始进入组织核心工作流
Microsoft 在 2023 年 3 月发布 Microsoft 365 Copilot，将大模型接入 Word、Excel、PowerPoint、Outlook 与 Teams。
最近进展 2023年3月1日 · OpenAIChatGPT 与 Whisper API 发布：生成式 AI 进入开发者规模化接入阶段
OpenAI 在 2023 年 3 月发布 ChatGPT 和 Whisper API，并显著降低对话模型使用成本。
最近进展 2023年3月23日 · OpenAIChatGPT Plugins 发布：模型开始连接外部工具与实时信息
OpenAI 在 2023 年 3 月发布 ChatGPT Plugins，允许模型调用第三方服务、计算与检索能力。
当月论文组 · 2023年3月本月精选 4 篇高质量研究GPT-4 · AGI · 通用智能 · 大型语言模型 · 能力评估 · BloombergGPT
展开全部论文
GPT-4 · AGI · 通用智能 · 大型语言模型 · 能力评估 · BloombergGPT
Sparks of Artificial General Intelligence: Early experiments with GPT-4：GPT-4展现通用智能火花，AGI雏形已现
2023年3月，微软研究团队发布了对早期GPT-4的评估报告。论文通过大量实验证明，GPT-4在数学、编程、视觉、医学、法律、心理学等众多领域表现出接近人类水平的性能，且无需特殊提示。作者认为GPT-4可被视为早期（但不完整）的AGI系统，并指出其局限性在于仍基于下一个词预测范式。
最近进展 2023年3月30日 · BloombergBloombergGPT: A Large Language Model for Finance：BloombergGPT：金融领域首个大规模语言模型
2023年3月，彭博发布BloombergGPT，一个500亿参数的金融专用语言模型。该模型基于彭博自有的3630亿token金融数据集（含新闻、报告、监管文件等）和3450亿token通用数据训练。在金融基准测试中，BloombergGPT显著优于同等规模的通用模型，同时保持通用NLP性能。
最近进展 2023年3月20日 · Northeastern UniversityReflexion: Language Agents with Verbal Reinforcement Learning：Reflexion：通过语言反馈强化智能体，无需权重更新
2023年3月，研究者提出Reflexion框架，让语言智能体通过自我反思的文本反馈来改进决策，而非更新模型权重。在HumanEval代码生成任务上，Reflexion达到91% pass@1，超越GPT-4的80%。该方法适用于多种任务，包括决策、编码、推理。
最近进展 2023年3月30日 · Microsoft Research AsiaHuggingGPT: Solving AI Tasks with ChatGPT and its Friends in Hugging Face：HuggingGPT：用ChatGPT调度Hugging Face模型解决复杂AI任务
2023年3月，研究者提出HuggingGPT框架，利用ChatGPT作为控制器，自动规划任务、选择Hugging Face上的AI模型、执行子任务并汇总结果。该系统能处理跨模态、跨领域的复杂任务，如“生成一张猫的图片并描述它”。
当月论文组 · 2023年2月本月精选 3 篇高质量研究开源大模型 · 高效训练 · LLaMA · 基座模型 · 数据质量 · 条件控制
展开全部论文
开源大模型 · 高效训练 · LLaMA · 基座模型 · 数据质量 · 条件控制
LLaMA: Open and Efficient Foundation Language Models：开源高效基座模型改写大模型竞争格局
2023年2月，Meta发布LLaMA系列模型（7B-65B参数），仅使用公开数据集训练。LLaMA-13B在多数基准上超越GPT-3（175B），LLaMA-65B与Chinchilla-70B和PaLM-540B竞争。模型全部开源。
最近进展 2023年2月10日 · Stanford ControlNetControlNet: Adding Conditional Control to Text-to-Image Diffusion Models：为扩散模型注入精细控制，开启图像生成新范式
2023年2月，斯坦福大学提出ControlNet，一种向预训练文本到图像扩散模型添加空间条件控制的神经网络架构。它锁定原模型参数，通过零卷积连接可训练副本，支持边缘、深度、分割、人体姿态等多种条件输入，训练数据量可小至5万张。
最近进展 2023年2月9日 · Meta ToolformerToolformer: Language Models Can Teach Themselves to Use Tools：语言模型自学工具调用，突破能力边界
2023年2月，Meta提出Toolformer，通过自监督方式训练语言模型自主决定调用外部工具（计算器、搜索引擎、翻译系统、日历等）的时机、参数和结果融合。仅需每个工具少量演示，即可显著提升零样本任务性能，且不损害核心语言建模能力。
Microsoft 扩大对 OpenAI 的多年投资：模型、算力与云分发形成深度绑定
Microsoft 于 2023 年 1 月宣布与 OpenAI 进入第三阶段合作，并进行一笔多年、数十亿美元规模的投资。
当月论文组 · 2023年1月本月精选 1 篇高质量研究视觉语言预训练 · 冻结模型 · Q-Former · 多模态 · 零样本学习
展开全部论文
视觉语言预训练 · 冻结模型 · Q-Former · 多模态 · 零样本学习
当月论文组 · 2022年12月本月精选 2 篇高质量研究语音识别 · 弱监督学习 · 零样本泛化 · 多语言 · Transformer · 天气预报
展开全部论文
语音识别 · 弱监督学习 · 零样本泛化 · 多语言 · Transformer · 天气预报
Robust Speech Recognition via Large-Scale Weak Supervision：Whisper 开启语音识别零样本泛化时代
2022年12月，OpenAI发布Whisper论文，报告了训练一个模型仅通过预测互联网上68万小时多语言多任务音频的转录文本，即可在零样本设置下达到与先前完全监督方法竞争的性能，且接近人类准确率和鲁棒性。模型和推理代码已开源。
最近进展 2022年12月24日 · Google DeepMind GraphCastGraphCast: Learning skillful medium-range global weather forecasting：AI天气预报的里程碑
2022年12月，Google DeepMind发布GraphCast，一种基于图神经网络和机器学习的中期全球天气预报方法。它直接从再分析数据训练，在0.25度分辨率下预测10天数百个天气变量，耗时不到1分钟。在1380个验证目标中，90%优于最准确的操作性确定性系统，并在热带气旋、大气河流等极端事件预测上表现更优。
ChatGPT 上线：大模型从能力演示变成大众产品
OpenAI 在 2022 年 11 月 30 日发布 ChatGPT research preview。
当月论文组 · 2022年11月本月精选 3 篇高质量研究提示工程 · 自动优化 · 大语言模型 · 零样本学习 · 指令生成 · 科学大模型
展开全部论文
提示工程 · 自动优化 · 大语言模型 · 零样本学习 · 指令生成 · 科学大模型
Large Language Models Are Human-Level Prompt Engineers：APE实现自动提示工程，超越人类水平
2022年11月提交。提出Automatic Prompt Engineer (APE)，将提示视为程序，由LLM生成候选指令，再通过搜索最大化评分函数自动选择最优指令。在24个NLP任务上，自动生成的指令零样本性能大幅超越LLM基线，并在19/24个任务上达到或超过人类编写的指令。
最近进展 2022年11月16日 · GalacticaGalactica: A Large Language Model for Science：Galactica科学大模型，重塑科研知识管理
2022年11月提交。Galactica是一个专门针对科学知识训练的大型语言模型，基于论文、参考资料、知识库等大规模科学语料。在LaTeX方程等知识探测任务上，准确率68.2%远超GPT-3的49.0%；在数学推理上超越Chinchilla和PaLM 540B；在PubMedQA和MedMCQA上达到SOTA。模型开源。
最近进展 2022年11月27日 · PatchTSTA Time Series is Worth 64 Words: Long-term Forecasting with Transformers：PatchTST以子序列分块革新时序预测
2022年11月提交。提出PatchTST模型，将多元时间序列分割为子序列级补丁作为Transformer输入，并采用通道独立设计（每个通道共享权重）。在长期预测任务上显著优于此前SOTA Transformer模型，同时支持自监督预训练，迁移学习也达到SOTA。