「全双工实时交互」共找到 923 篇相关文章
以未来几何推演物理交互,X-Era AI拓元智慧开源原生4D世界动作模型E0.5,真机大幅超越π0.5
拓元智慧开源机器人世界动作模型 E0.5,联合预测动作与未来三维几何,在人形与双臂真机任务中整体平均成功率最高达 88.3%,超过主流基线 π0.5。
1.9K Star 谷歌开源MCP Toolbox,支持langchain、llamaindex、各类数据库
谷歌开源MCP Toolbox获1.9K Star,支持langchain、llamaindex和各类数据库。它位于应用编排框架间,能简化数据库配置等,可用自然语言交互,还给出python调用方法。
2.6K Star!GitHub 上这个开源桌宠,用一只小螃蟹就能监控你的 AI 编程助手!
介绍开源桌宠 Clawd,它是为 AI 编程助手设计的实时状态监控器,有 12 种萌趣动画状态,支持 10+ 主流工具,具备权限审批等实用功能,零配置开箱即用。
刚刚,ChatGPT Pulse上线!私人秘书不再是富人特权
OpenAI官宣ChatGPT Pulse上线,它改变LLM交互方式,从被动变主动。每晚研究,晨送简报,涵盖工作、生活、兴趣目标。其主动受用户控制,还给出三个试用场景。
OpenAI史上最快模型降临,每秒1000Token!代码从此「炸出来」
OpenAI发布GPT-5.3-Codex-Spark,它是专为实时编程设计的超高速模型,生成速度超每秒1000个token,联手Cerebras硬件,重写底座提升性能,在多项测试表现强,ChatGPT Pro用户可尝鲜。
面向Agent设计的CLI,你要注意这几件事情!
当前面向Agent设计软件成热点,但多数CLI设计对Agent不友好。Eric Zakariasson给出设计建议,如非交互、示例比描述重要等,强调要兼顾人类和机器,否则人味界面将被自动化绕开。
谷歌放大招了,开源命令行AI编程Agent,每天1000次免费调用,编程只是基础功能。
Google推出开源命令行AI编程Agent——Gemini CLI,基于Gemini 2.5 Pro模型,免费提供每日1000次调用额度。它不仅能编程,还具备多模态能力、实时信息整合等功能,支持定制与自动化。
Karpathy公开附议:AI Agent 的输出格式,正在从 Markdown 走向 HTML
随着 Agent 处理任务变复杂,Markdown 在长文档中可读性与排版局限凸显。HTML 能无损表达信息、支持双向交互,但生成耗时久、版本控制难。AI 研究者 Karpathy 附议,HTML 成探索方向。
蚂蚁多模态统一框架Ming-Omni:能看懂世界、会说话、还能画画
文章介绍蚂蚁多模态统一框架Ming - Omni,它可统一处理图像、文本等多模态数据。该框架解决了多模态训练中模态表示差异、收敛速度不一致等问题,采用分阶段预训练,能用于图像、音频生成及多模态交互。
微软开源全新Agentic网络项目:NLWeb
微软在Build大会宣布五件大事,4件与Agent有关,包括升级GitHub Copilot、Copilot调优等。还开源新的NLWeb项目,可让用户用自然语言与网站交互,有望在代理网络中扮演类似HTML的角色。