近日，一篇关于 JAX 生态轻量级神经网络库 Equinox 的详细实现教程发布。该教程系统展示了如何利用 eqx.Module 将模型视为 PyTrees，从而简化参数处理、转换与序列化流程。 文章深入讲解了静态字段配置、过滤转换（如 filter jit 与 filter grad）及 PyTree 操作工具，并演示了 BatchNorm 等有状态层的处理方式。教程还通过冻结特定层与不可变更新等技巧，展示了灵活的模型调试方法。 最后，教程提供了一个完整的端到端训练工作流示...
谷歌云宣布推出第八代定制 AI 芯片（TPU），此次分为两款型号：专为模型训练设计的 TPU 8t，以及专为推理设计的 TPU 8i。 与上一代相比，新芯片的 AI 模型训练速度最高提升 3 倍，性价比提升 80%，并支持在单一集群中协同超过 100 万个 TPU。这将在降低能耗和客户成本的同时，提供更强大的计算能力。 尽管推出自研芯片，谷歌云并未完全取代英伟达，而是将其作为补充。谷歌承诺今年晚些时候将在云基础设施中提供英伟达最新芯片 Vera Rubin。同时，双方正合作优...
谷歌在Google Cloud Next大会上宣布，为企业版Chrome浏览器引入由Gemini驱动的“自动浏览”AI代理功能。该功能能够理解浏览器中打开标签页的实时上下文，并代为处理预订差旅、录入数据、安排会议及对比供应商价格等基于网页的工作任务。 为确保安全，该功能仍需“人在回路”，用户必须在AI执行最终操作前进行手动审核和确认。此外，用户可将常用工作流保存为“技能”，通过输入“/”或点击“+”号即可快速调用。该功能将率先面向美国的Workspace用户推出，且企业的提示...
在 Google Cloud Next 大会上，谷歌宣布将 AI Overviews 功能引入工作版 Gmail。该功能此前主要用于总结 Google 搜索结果，现可帮助职场用户通过自然语言提问，自动从多封邮件和对话中提取关键信息并生成简明摘要，无需逐一打开邮件。适用场景涵盖项目进度、发票、文档反馈及差旅安排等。 该功能此前仅面向 Google AI Pro 和 Ultra 个人订阅用户，现已扩展至商业版、企业版及教育版客户。若企业已启用 Gemini for Workspa...
openJiuwen社区发布了JiuwenClaw的最新版本，新增了对AgentTeam多智能体协作能力的支持。该版本提出了超越“Harness Engineering（驾驭工程）”的下一阶段演进方向——“协作工程（Coordination Engineering）”，旨在解决多个智能体如何像精英团队一样自主分工、高效沟通与无缝协作的问题。 在深度测试中，JiuwenClaw的团队协作机制展现出了显著的稳定性。测试显示，该系统能够自主组建智能体团队，在不到20分钟的时间内生成...
OpenAI 与印度 IT 巨头 Infosys 达成合作，将其人工智能工具（包括编码助手 Codex）集成至 Infosys 的 Topaz AI 平台。此次合作旨在帮助企业客户实现软件开发现代化、自动化工作流程并大规模部署 AI 系统，初期将重点聚焦于软件工程、遗留系统现代化和 DevOps 领域。 通过此次合作，OpenAI 将借助 Infosys 在全球 60 多个国家的客户群和交付能力，获得进入大型企业的分发渠道，推动企业从 AI 实验阶段迈向大规模部署。此前，Op...
Google 在 Cloud Next 大会上宣布为其地图和地理空间应用推出全新的生成式 AI 功能，主要面向企业用户。这些新功能为 Google 地图平台增加了生成式 AI 能力，增强了其视觉和数据分析能力。 其中一项名为 Maps Imagery Grounding 的新功能，允许企业用户通过 Gemini Enterprise Agent Platform 输入提示词，在 Google 街景中生成逼真场景，以可视化电影布景或建筑工地等项目。用户甚至可以使用 Veo 模型...
Photon公司推出开源TypeScript框架Spectrum，旨在解决AI智能体分发困难的问题。该框架允许开发者将AI智能体直接部署到iMessage、WhatsApp、Telegram、Slack及Discord等主流通讯应用中，用户无需下载新应用即可与智能体交互。 Spectrum提供统一的编程接口，开发者只需编写一次智能体逻辑，即可通过配置将其分发至多个平台。该SDK基于MIT许可证开源，支持类型安全的消息处理，并提供definePlatform API用于自定义平...
Hugging Face 发布了开源 AI 智能体 ml intern，旨在自动化大语言模型（LLM）的端到端后训练工作流。该工具基于 smolagents 框架构建，能够自主完成文献综述、数据集发现、训练脚本执行和迭代评估等通常需要研究人员大量手动操作的任务。 ml intern 的工作流程模拟了 ML 研究员的操作循环，包括浏览 arXiv 和 Hugging Face Papers、检查数据集质量、格式化数据，以及在本地算力不足时通过 Hugging Face Jobs...
OpenAI正式发布ChatGPT Images 2.0图像生成模型，在图像内文本渲染能力上实现显著突破，有效解决了以往AI绘图模型难以准确拼写文字的痛点。实测显示，其生成的带文字图像已具备直接商用水平。 新模型内置“思考能力”，支持联网检索、单提示词生成多图及自我校验。其对日语、韩语、印地语和孟加拉语等非拉丁语系的文本渲染理解力显著增强。此外，该模型最高支持2K分辨率输出，可精准处理小字号、图标、UI组件及密集构图等复杂细节，并支持生成多尺寸营销素材与多格漫画。 Image...
Google 与 EPFL 研究团队联合推出名为 Simula 的推理驱动型合成数据生成与评估框架。该框架旨在解决专业 AI 领域（如网络安全、法律推理和医疗）数据匮乏及隐私限制问题。与传统方法不同，Simula 无需依赖目标分布的种子数据、手工提示或进化算法，而是将数据生成视为机制设计问题，从第一性原理出发构建数据集。 Simula 将生成过程分解为四个可控步骤：首先通过分层分类法确保全局多样性；其次通过生成“元提示”实现局部多样性，防止模式崩溃；第三步通过用户可配置的比例...
曾开发“AI Dungeon”的初创公司Latitude发布了全新AI原生RPG平台Voyage。该平台允许玩家扮演游戏设计师，借助AI设计专属的游戏世界，包括设定区域、城市、任务、反派及游戏机制。AI会根据玩家的描述生成相应代码，将创意转化为实际游戏。 Voyage的核心是Latitude耗时五年开发的World Engine。该引擎整合多个AI系统，负责叙述动作、管理游戏玩法、追踪角色物品并记忆背景故事。游戏中的NPC互动完全无剧本，能够记住玩家先前的行为并做出相应反应，...
新社交媒体平台Bond于4月21日正式上线，旨在利用AI技术帮助用户减少屏幕沉迷，鼓励回归现实生活。与传统平台不同，Bond摒弃了无尽信息流，用户通过发布图片、视频和音频等“记忆”更新动态，内容24小时后转为私密存档。 Bond内置的AI系统会基于用户分享的经历生成个性化线下活动推荐。例如，根据用户对特定美食或音乐的偏好，系统会推荐附近的高评分餐厅或近期演出。用户分享越频繁，AI推荐越精准。 团队方面，Bond汇聚了前TikTok、Twitter和Facebook员工。联合创...
Snowflake 宣布扩展其 AI 平台产品，重点升级面向普通业务用户的 Snowflake Intelligence 和面向开发者的 Cortex Code，旨在吸引更多用户在 Snowflake 生态内部署和开发人工智能。 面向非技术人员的 Snowflake Intelligence 新增了 MCP（模型上下文协议）接口，并集成了 Google 商务套件、Jira 和 Salesforce（含 Slack）等第三方系统。用户可通过自然语言让大语言模型执行多步分析、准备...
西门子正式推出 Eigen Engineering Agent，这是一款专为自动化工程任务规划与验证设计的 AI 系统。该系统采用多步推理和自我纠正机制，能够自主执行任务，并直接在工程平台内运行，实现从初始设计到验证的全流程自动化。它可以解析项目需求、生成自动化代码、配置工业系统，并持续优化输出直至达到预定性能目标，涵盖 PLC 编程、HMI 设置及设备配置等任务。 该系统已接入西门子拥有超 60 万用户的 TIA Portal（全集成自动化工程平台），能够读取项目特定数据（...
近日，技术社区发布了针对 Qwen 3.6 35B A3B 模型的端到端编码实现教程。该教程详细演示了如何基于该多模态混合专家（MoE）模型构建实际工作流，涵盖环境配置、基于显存的自适应加载，以及支持标准响应与显式思维链追踪的对话框架。 教程重点解析了多项核心工程能力，包括思维预算控制、推理与答案分离的流式生成、视觉输入处理、工具调用（Tool Calling）、结构化 JSON 输出、MoE 路由机制检查、检索增强生成（RAG）及会话持久化。据悉，Qwen 3.6 35B...
近日，一篇关于微软 Phi 4 mini 模型的代码实现教程正式发布。该教程详细演示了如何在单个 Notebook 环境中构建完整流水线，探索这款轻量级大语言模型处理现代 AI 工作流的能力。 教程首先配置了开发环境，并以高效的 4 bit 量化方式加载 Phi 4 mini instruct 模型。随后逐步演示了流式对话、思维链推理、原生工具调用、检索增强生成（RAG）以及 LoRA 微调等核心功能。Phi 4 mini 拥有约 38 亿参数与 128K 上下文窗口，支持基...
AI平台Bobyard正式发布Bobyard 2.0版本。该版本专为建筑和景观美化行业的估算员设计，旨在加速工程量计算工作流，并提供统一的AI工作台，帮助承包商减少手动测量带来的错误风险。 新版本引入了“先测量，后计价”模型及多重测量功能，用户只需绘制一次即可同时生成面积、周长和体积等数据。新增的AI工作台允许估算员在将AI输出结果加入计算前进行审查和调整。其他更新还包括图例管理器、文本计数功能以及简化的估算表，使用户无需导出至Excel即可完成从计算到最终估算的全流程。 B...
数据分析公司 Palantir 近日发布了一份22点宣言，总结了其CEO Alex Karp 著作《技术共和国》的核心观点。宣言批评了当前硅谷对多元包容文化的过度推崇，指出某些文化具有“倒退且有害”的特质。 在AI与国防领域，Palantir 强调“问题不在于AI武器是否会被制造，而在于由谁制造及用于何种目的”。公司认为竞争对手不会因道德辩论而停止开发关键技术，并宣称“原子时代正在终结，基于AI的新型威慑时代即将开启”。 该宣言引发外界对Palantir意识形态立场的进一步审...
AI视频生成初创公司Luma宣布推出名为“Innovative Dreams”的制作公司，该工作室与流媒体服务Wonder Project合作建立。双方的首个项目为剧集《The Old Stories: Moses》（古老的故事：摩西），由奥斯卡获奖演员本·金斯利主演，将于今年春季在Amazon Prime Video上线。 在制作流程上，Innovative Dreams将采用“实时混合电影制作”工艺。创意团队能够与Luma Agents（Luma近期推出的端到端创意工具）...
OpenAI本周宣布对其自动化编程工具Codex进行重大升级，以在AI编程工具市场与Anthropic的Claude Code展开竞争。最显著的更新是，Codex现在可以在Mac电脑后台运行，能够打开桌面应用程序并执行鼠标点击和键盘输入操作。多个智能体可以并行工作，且不会干扰用户在其他应用中的操作。 此外，Codex新增了应用内浏览器功能，允许用户向智能体下达命令并在特定Web应用上执行，目前主要用于前端和游戏开发。新加入的预览版“记忆”功能使Codex能够回忆之前的工作会话...
4月16日，Google 宣布为其对话式搜索体验 AI Mode 推出全新浏览方式。在 Chrome 桌面端使用 AI Mode 时，点击链接将以分屏形式并排打开网页与 AI Mode，旨在方便用户浏览相关网站、比较细节并提出后续问题，同时保留搜索上下文。 例如，用户在寻找咖啡机时，可在 AI Mode 旁打开零售商网站，并直接针对页面内容提问。Google 表示，早期测试者反馈该功能减少了频繁切换标签页的需要，有助于在浏览网页时保持专注。 此外，Google 还推出了跨标签...
Roblox宣布为其AI助手引入全新的智能体功能，旨在帮助开发者在平台上规划、构建和测试游戏。此次升级重塑了Roblox Assistant，新增了“规划模式”。该模式使AI助手能够分析游戏的代码和数据模型，提出澄清性问题，并将提示词转化为可编辑的行动计划。开发者可以在实施前调整计划并添加上下文，确保AI准确理解其创作意图。 在构建阶段，AI助手将利用两项新发布的AI工具：网格生成和程序化模型生成。网格生成功能允许开发者直接在游戏世界中添加带有完整纹理的3D对象，替代早期开发...
知名文本翻译公司 DeepL 今日发布了语音到语音翻译套件，涵盖会议、移动及网页对话、一线员工群聊等场景。同时，公司还推出了 API，允许外部开发者和企业基于其技术构建定制化应用，如呼叫中心等。 DeepL 为 Zoom 和 Microsoft Teams 推出了插件，听众可以收听实时翻译语音或查看屏幕上的实时翻译文本，该功能目前处于早期访问阶段。此外，该语音翻译技术支持学习和适应行业术语及公司人名等自定义词汇，用户还可通过二维码加入群聊翻译。 目前，DeepL 的语音翻译系...
近日，MarkTechPost 发布了一篇关于使用 HuggingFace 的 SmolAgents 框架构建高级多智能体 AI 系统的教程。该教程展示了如何利用现代轻量级 AI 智能体进行推理、代码执行、动态工具管理以及多智能体协作。当前 SmolAgents 稳定版本为 1.24.0，教程中配置的后端模型为 OpenAI 的 gpt 4o mini。 教程详细介绍了 CodeAgent 和 ToolCallingAgent 两种范式，并演示了如何通过装饰器和类创建自定义工...
近日，MarkTechPost 发布教程，详解如何基于 Mem0、OpenAI 模型与 ChromaDB 为 AI Agent 构建通用长期记忆层。该系统可从自然对话中自动提取结构化记忆，实现语义存储、智能检索与个性化响应集成。 该架构突破传统聊天历史限制，提供用户级持久记忆管理，支持完整 CRUD 操作、语义搜索、多用户数据隔离及自定义配置。技术实现上默认采用 OpenAI 的 gpt 4.1 nano 与 text embedding 3 small 模型，结合本地 Ch...
以文本翻译闻名的AI公司DeepL正式发布语音到语音翻译套件，覆盖会议、移动及网页对话、一线员工群聊等场景。同时，公司还推出了API，允许外部开发者和企业基于其技术构建定制化应用，如呼叫中心等。 针对视频会议场景，DeepL为Zoom和Microsoft Teams推出了插件，听众可实时收听翻译后的语音或查看屏幕上的翻译文本，该功能目前处于早期访问阶段。此外，其语音翻译技术支持学习和适应行业术语及公司人名等自定义词汇。 DeepL CEO Jarek Kutylowski表示...
近日，MarkTechPost 发布了一篇关于 Crawl4AI v0.8.x 的实操教程，详细展示了如何构建完整的网页爬取工作流。该工具不仅限于下载 HTML，还支持 Markdown 生成、JavaScript 执行以及基于 LLM 的结构化数据提取。 教程演示了多项核心功能，包括使用 BM25 算法进行查询感知过滤以提取相关内容，利用 CSS 选择器进行无 LLM 依赖的快速结构化提取（如提取维基百科和 Hacker News 数据），以及通过执行 JavaScript...
谷歌宣布在Chrome浏览器中推出“Skills”新功能。该功能内置于Chrome版的Gemini中，允许用户将常用的AI提示词保存为可重复使用的一键工作流。用户在浏览不同网页时，无需重复输入相同指令，只需通过输入斜杠（/）或点击加号（+）即可调用已保存的Skill。 Skills支持跨多个标签页同时执行，例如可一次性在多个产品页面上运行规格对比。此外，谷歌还推出了一个现成Skills库，提供针对常见任务的预写提示词，用户可将其添加到个人收藏并根据需要进行自定义编辑。 在安全...
Adobe正式推出“Firefly AI助手”（前身为Project Moonlight），该助手将在未来几周内进入公测阶段。用户可通过文本提示、按钮和滑块控制输出，该助手能够跨Firefly、Photoshop、Premiere、Lightroom、Express和Illustrator等Creative Cloud应用协同工作，自动执行工作流并建议操作，同时允许用户随时介入。 此外，该AI助手会随时间学习用户的创意偏好，并引入了多步骤“技能”功能。例如“社交媒体资产”技能...