搜索
Codex、Claude Code等数字世界智能体，已经向我们展示出了一种全新且高效的工作方式：大模型理解目标，拆解任务，调用适当的工具，并根据执行结果不断调整计划，直到完成任务。
工具调用使大语言模型能够通过外部 API 获取信息、执行操作。训练这类能力，需要建立用户请求与具体函数调用之间的对应关系。一条合格的训练样本，不仅要符合函数定义，还要保证工具选择、调用次数和参数取值与用户意图一致。
现有的音视频奖励模型，能通过局部指标捕捉到画质或同步上的优势，却往往忽略声音失真、台词与提示不符，以及动作和语音配合不自然等问题。
经常用AI做视频的盆友，你是不是遇到过这样的小麻烦—— AI生成完，还得下载、导出，然后把素材丢进剪辑软件再处理后期？
最近，一个不会说话的大模型在网上火了。
前段时间，我刷到一篇文章说，在AI的冲击下，字幕组要死透了。
一段人坐上椅子的视频，对人类而言再普通不过。我们不仅能看见 “人坐了下来”，还天然理解椅子承受人体重量，人与椅面形成接触并最终稳定，这些重力、接触与作用关系共同构成真实世界中的物理交互。但对今天的三维重建系统而言，“看见动作” 与 “重建真实交互” 仍是两回事。一个视觉上准确坐在椅子上的人体，进入物理仿真后，椅子可能因结构缺失倒下，人体也可能与椅面严重穿模。视觉上成立，并不意味着物理交互上成立。
GPT-6 Astra联合三位人类研究员首次攻克FrontierMath基准测试中一道自2017年悬而未决的「重大进展」级数学难题，证明批准式委员会选举中「核」永远不为空，并创造性地提出基于「调和熵」的新型投票规则及多项式时间算法。
华为云在第十一届华为全联接大会上提出"最开放的Agentic Cloud"战略，依托Agentic Infra基础设施、智果AgentArts与openJiuwen"商用+开源"双轮平台及覆盖智慧医疗等多行业的开放生态，推动智能体在企业生产环境中规模落地。
Anthropic、谷歌、OpenAI、Kimi、DeepSeek及阿里Qwen等全球AI大厂正密集备战，在中秋国庆假期前后集中推出或预告Claude 5.2、Gemini 4 Pro、Kimi K3.1、DeepSeek V4.1 Pro、Qwen4等旗舰基模，集体围攻OpenAI此前发布的GPT-6 Astra。