「AI工作能力」共找到 11617 篇相关文章
演讲生成黑科技，PresentAgent从文本到演讲视频
联合团队提出 PresentAgent，能将长篇文档转化为带解说演示视频。采用模块化流程，还引入 PresentEval 评估框架。实验显示其接近人类表现，优于现有方案，展现了多模态智能体潜力。
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。
谷歌物理真觉醒！全新Gemini 4 Argon一大波实测来了
本文带来谷歌新发布Gemini 4 Argon大模型的多场景实测，对比竞品性能价格，验证其物理推理能力，同时曝光该模型现存问题。
The Batch: 982 | 法律、新闻和金融领域的定制模型
本文是DeeplearningAI《The Batch》的最新报道，汤森路透推出法律、新闻、金融领域定制大语言模型Thomson，基于Qwen构建，性能优于多款通用大模型，小版本将开源供非商业使用。
Agent 走向具身世界：从语言智能到机器人「大脑指挥官」
华为诺亚方舟实验室发布 RoboHarness 系统，解决不同策略协作问题。它将独立控制系统封装成可调度技能，由 Coding Agent 决策，还设计辅助技能和 Memory Bridge 模块，促进策略协同，推动具身智能发展。
从 Serverless 到 Agent：Cube 系统的一些设计思考
本文从 Serverless 面临的挑战出发，介绍 Cube 系统设计，包括分布式调度、资源池化等。还探讨其在 Agent 场景应用，如极速代码执行、高并发 Agentic RL 等，最后展望向行业开源，助力 Agent Infra 发展。
Claude Code 新增 Recap 功能，多开党必备神器
Anthropic更新Claude Code，新增Recap功能。切回窗口时，它自动显示摘要，告知操作进度、问题及下一步计划，解决多开党忘记进度的困扰，目前已在终端版上线。
让Agent真正“行动”起来，Agent Skill开发者大赛正式启动！
人工智能下半场关键词是“行动”，Agent Skill成关键桥梁。Agent Skill开发者大赛今日启动，由AIGC开放社区与算泥社区联合主办，聚焦真实任务执行，设双赛道，官方提供支持，有丰厚奖励。
9.6k Star，这三个开源Claude Cowork火了
前几天Anthropic推出Claude Cowork，供非程序员写文档、回邮件等。开源社区很快出现替代品，PaperAgent整理三个有代表性项目，最高9.6k Star，还介绍了Claude Cowork技术栈。
炫酷全能，一个窗口搞定所有，狂揽 1.5w 星！
Wave Terminal是开源跨平台终端应用，将命令行与图形化工具集成，操作在自由拖拽布局界面完成，减少上下文切换。有灵活布局、强大编辑器等特性，安装简单，创造全新高效工作流。