精选 13 篇，从 16700+ 条中筛选
GoogleCloudPlatform/agent-starter-pack项目为开发者提供了一站式的AI代理开发模板，旨在简化在Google Cloud上部署和运行AI代理的过程。该项目通过提供预构建的模板、集成CI/CD、评估和可观察性功能，解决了LLM代理开发周期长、部署复杂的问题。其技术栈包括Python、Google Cloud SDK、Terraform等，为开发者提供了高效、易用的开发环境。
Quark-Vision/Live-Avatar是一款专注于图像到视频生成的多模态模型，定位为特定领域微调模型。其核心技术基于Wan-AI/Wan2.2-S2V-14B模型，支持无限长度的实时音频驱动头像生成。性能方面，具体基准测试结果未提及，但模型在HuggingFace平台上的下载量和点赞数表明其具有一定的关注度和认可度。主要应用场景包括实时视频会议、虚拟现实等，使用时需考虑开源协议Apache-2.0，以及硬件和推理效率等因素。
VoxCPM1.5是一款专注于语音合成的tokenizer-free Text-to-Speech (TTS)模型，定位为特定领域微调模型。它基于MiniCPM-4 backbone，采用扩散自回归架构，实现连续语音表示的直接生成。模型在音频质量和效率上有所提升，支持SFT和LoRA进行个性化训练。性能上，VoxCPM1.5在音频质量上优于同类模型，支持高采样率和低token率，同时保持高效能。主要应用场景包括语音合成和语音克隆。开源协议为Apache-2.0，适合对音频质量和效率有较高要求的场景。
GLM-TTS是一款基于大型语言模型的零样本语音克隆和流式推理的TTS系统，定位为特定领域微调模型。其核心技术包括LLM和Flow Matching模型，支持多语言和情感表达。在性能上，GLM-TTS在权威基准测试中表现出色，具有低CER和高质量合成语音的特点。主要应用场景包括语音合成、交互式应用等，使用时需考虑开源协议、硬件需求和推理效率。
OpenAI发布了GPT-5.2，这是其最先进的模型，专为专业知识工作和长期运行的代理设计。GPT-5.2在多个领域如软件工程、科学问题解答、数学竞赛和抽象推理等方面取得了技术突破，并提供了更高的准确性和更低的幻觉率，旨在为用户带来更大的经济价值。
迪士尼公司与OpenAI达成一项里程碑式的协议，将超过200个迪士尼、漫威、皮克斯和星球大战的角色用于Sora的粉丝灵感短片。该协议强调在娱乐中使用负责任的AI，并包括迪士尼公司范围内使用ChatGPT Enterprise和OpenAI API。
OpenAI在其十周年之际回顾了十年的进展，从早期研究突破到广泛使用的AI系统，这些系统重塑了可能性的边界。他们分享了过去的十年经验，并表达了对构建对全人类有益的通用人工智能（AGI）的乐观态度。
OpenAI发布了GPT-5系列的最新模型GPT-5.2，这是继GPT-5和GPT-5.1之后的又一重要更新。GPT-5.2继承了之前模型的安全缓解方法，并引入了两个新模型：GPT-5.2 Instant和GPT-5.2 Thinking。这些模型基于多样化的数据集进行训练，包括公开信息、第三方合作获取的信息以及用户和研究人员提供的信息。
Podium公司利用OpenAI的GPT-5技术，开发了一款名为“Jerry”的AI助手，该助手帮助Main Street商家实现了300%的收入增长，并改变了商家服务客户的方式。
OpenAI发布了GPT-5.2，这是其在数学和科学领域最强大的模型，旨在加速科学研究。GPT-5.2在多个基准测试中表现出色，包括解决开放的理论问题和生成可靠的数学证明，展示了其在科学和数学工作中的强大数学推理能力。
BBVA与OpenAI宣布扩大合作，启动为期多年的AI转型计划，将ChatGPT Enterprise推广至全球12万名员工，旨在通过AI改善客户互动、优化内部运营，并探索AI原生银行转型。
Google DeepMind 与英国AI安全研究所（AISI）加强合作，共同推进关键AI安全和安全研究。DeepMind在其网站上展示了下一代人工智能系统的最新进展，包括智能AI模型Gemini、用于图像创建和编辑的Gemini Image，以及轻量级模型系列和生成模型。此外，DeepMind还分享了其在AI领域的重大突破，如Genie 3、AlphaGo和AlphaZero，并在多个科学领域展示了其应用，强调构建负责任AI的使命。
这篇论文提出了一种名为SEAL-RAG的RAG系统，通过在固定检索深度下采用“替换而非扩展”的策略来缓解多跳查询中的上下文稀释问题。SEAL-RAG通过实体锚定的提取和实体优先的排名来替换掉干扰信息，从而提高答案的正确性和证据的精确度。
这篇论文介绍了DynaMate，一个基于代理的多智能体框架，用于自动化蛋白质-配体分子动力学模拟的全流程。DynaMate能够自主设计并执行MD模拟，包括参数化、输入准备和软件配置，同时提供MM/PB(GB)SA方法计算结合自由能亲和力。通过在多个基准系统上的评估，DynaMate表现出可靠的MD模拟性能、错误纠正能力和对蛋白质-配体相互作用的深入分析。
这篇论文探讨了评估大型语言模型（LLM）安全性对用户福祉的挑战。它指出，现有的安全评估框架主要关注通用风险，而忽略了在特定用户情境下的风险。论文通过实验表明，评估者需要了解用户的具体情境，而仅仅提供包含关键上下文信息的用户提示是不够的，特别是对于易受伤害的用户群体。
Vevo2论文提出了一种统一的语音和唱歌语音生成框架，通过引入两种音频标记器来解决标注数据稀缺和可控性问题，并通过联合训练和后训练任务实现了对文本、韵律和风格的控制，显著提升了语音和唱歌语音生成的质量和可控性。
这篇论文提出了ChronusOmni，一个旨在增强全语言模型时间感知能力的模型。它通过融合文本时间戳、视觉和音频表示，并使用强化学习来强化时间排序和细粒度时间推理，从而在音频视觉时间定位任务上实现了显著的性能提升。
这篇论文提出了一种名为WOLF的多智能体推理基准，用于评估大型语言模型在欺骗和虚假信息检测方面的能力。WOLF模拟了狼人杀游戏，通过角色扮演和互动来评估欺骗行为和检测能力，并提供了动态、可控的测试环境。
这篇论文通过实证研究，探讨了在软件工程中基于LLM的自主代理在资源受限环境下使用SLMs进行问题解决框架的能量效率。研究评估了四个主要框架在SLMs约束下的性能、能量效率和资源消耗，发现框架架构是能量消耗的主要驱动因素，但大部分能量被浪费在无效的推理循环中。
这篇论文探讨了将强化学习应用于文本到3D生成的挑战和解决方案。作者通过评估奖励设计、研究不同的强化学习算法、引入新的基准测试以及提出新的RL范式，系统地研究了如何通过强化学习提高3D生成的质量和效率。
这篇论文评估了CA-GPT在AI-OCT系统上的表现，与通用AI ChatGPT-5和初级医生相比，在PCI规划和评估方面表现出显著优势，为PCI提供了标准化和可靠的决策支持方法。
