一篇95页最新80种Deep Research系统全面综述

浙大研究深度研究系统领域，分析自2023年以来80多个实现，提出4维度分层分类法，全面分析4种实现架构，涵盖基础模型、工具利用、任务规划、知识综合等方面的演变与进步。

DPO与GRPO谁更胜一筹？港中文、北大等联合发布首个系统性对比研究

港中文、北大等团队首次全面对比DPO和GRPO算法在自回归图像生成中的应用，评估其在域内、域外性能，探究奖励模型及扩展策略的影响，为开发高效RL算法提供新思路。

告别天价API账单！开源Chatterbox语音服务器上线，隐私与效率双赢！

第三方语音合成API成本高、有隐私风险，直接部署开源模型配置复杂。开源的Chatterbox-TTS-Server基于Chatterbox TTS模型，有Web界面、声音克隆等功能，支持GPU和Docker，可解决部署难题。

OpenAI推出云端编程智能体Codex，进一步推动软件工程领域变革

OpenAI昨夜发布研究预览版Codex，一款集成在ChatGPT中的高级编码智能助理。它基于codex - 1模型，支持多种编程语言，有深度代码分析等核心功能，还有codex - mini - latest API版本，或重构软件开发行业。

刚刚，OpenAI开放GPT-4.1，100万上下文、代码能力超强

今天凌晨1点30，OpenAI宣布开放GPT - 4.1，可在ChatGPT中使用。它针对编码任务，支持100万tokens上下文，在多项测试中表现优于前代，价格更优，不同用户将陆续获得使用权限。

ICML25 | 让耳朵「看见」方向！仅依靠360°全景视频，就能生成3D空间音频

空间音频技术成提升沉浸式体验关键，但现有技术未充分利用360°全景视频空间信息。OmniAudio研究可直接从360°视频生成空间音频，相关代码和数据集已开源，虽有局限但前景好。

AI重塑搜索：夸克“深度搜索”如何定义下一代信息入口｜甲子光年

大模型发展推动搜索产品革新，“搜索”变“深度搜索”。夸克升级AI超级框发布“深度搜索”，即将推出“深度搜索Pro”。其“深度搜索”情商高，“深度搜索Pro”免费、快速、专业，夸克正打造AI全能助手。

4月30日凌晨，Meta举行首届AI开发者大会LlamaCon，推出Meta AI聊天机器人应用程序与ChatGPT竞争，发布Llama API。Meta试图强化开源模型生态系统以限制OpenAI发展，扎克伯格与微软CEO还探讨了开源闭源模型生态等内容。

The Batch: 969 | 谷歌的机器人模型有了腿

谷歌发布 Gemini Robotics 2（GR2），能将相机图像和文字指令转为机器人关节控制命令，可同时控制人形机器人腿、躯干、手臂和手部，简化模型训练和设计，不过谷歌未公布其基础模型等信息。

电脑操作、技能、连接器、工作伙伴：豆包的牌来了

最近字节有两个豆包相关新闻，一是在训练超大模型，二是反对模型蒸馏。豆包上线大批 Agent 相关工作任务能力，覆盖办公场景，如电脑操作、技能商店等，过程流畅且可观察，还更新移动端，实现远程控制。