#多模态

推荐理由：来自IT之家 AI的《消息称字节跳动发力智能体赛道，计划推出类似 Meta Muse 的 AI 助手》。重点看智能体工作流、产品发布。摘要提到：IT之家 11 月 11 日消息，据彭博社报道，字节跳动计划在未来几周内推出一款类似 Meta Muse 的 AI 助手，巩固其在 AI 视频生成领域的领先优势。字节跳动希望借此加快追赶美国顶尖 AI 实验室的步伐，目标是在未来三年左右缩小双方差距。 知情人士透露，字节跳动联合创始人张一鸣近日在一次面向 AI 团队的全员会议上，向研究人员、工程师及相关支持人员介绍了这一计划，并明确了接下来的重点工作。 张一鸣认为，字节跳动有能力在 AI 前沿领域与 Anthropic、OpenAI 等行业领先企业展开竞争。不过，他也提醒团队，真正达到这些公司的水平，至少还需要等到 2029 年或 2030 年。 字节跳动计划推出的新款 AI 智能体，将承担与 Meta 今年 9 月推出的 Muse 类似的角色。Muse 上线后在美国市场获得了不错的反响，它将 Meta 长期积累的 AI 研究成果整合为一款语音交互助手，并配有动画虚拟形象，可以帮...

推荐理由：来自IT之家 AI的《腾讯全新搜索产品“元宝搜索”正式上线：能搜微信公众号、视频号，广告与答案明确区分》。重点看模型能力与工程、产品发布。摘要提到：IT之家 11 月 11 日消息，腾讯云今日宣布， 腾讯全新搜索产品「元宝搜索」正式上线 。在任意浏览器地址栏输入网址 so.qq.com 即可使用；也可将 QQ 浏览器升级至最新版本，在引擎设置选项中切换为“元宝搜索”。 IT之家获悉，元宝搜索基于元宝的大模型能力，重新构建了从理解、检索、排序到答案组织的整条搜索链路。依托千亿级索引， 搜索范围覆盖全网网页、公众号、视频号等腾讯生态内容和学术文献 。 在结果呈现上，元宝搜索优先展示权威机构与官方来源的内容， 并将广告与答案明确区分 ，支持「收起广告」，整块折叠。 据介绍，元宝搜索接入 157 个权威信源；能搜公众号、视频号；学术内容更好搜，通俗解读论文结论、保留原文依据，支持英文一键翻译，标题、摘要直接读；支持打字、说话、拍照等方式进行搜索。 此外，元宝搜索会通过“递归自我进化”（RSI）机制，从实际使用和反馈中发现问题，持续改进搜索体验。

推荐理由：来自IT之家 AI的《神舟二十三乘组日常 Vlog“上新”：在轨开展脑电测试研究、触觉感知实验》。重点看模型能力与工程、产品发布。摘要提到：IT之家 11 月 8 日消息，中国载人航天工程办公室今日发布新一期日常 Vlog，神舟二十三乘组各项实（试）验持续开展。 IT之家从视频获悉，上周，在轨 脑电测试 研究相关实验顺利开展。三名航天员利用脑电采集设备开展脑网络组图谱驱动的航天脑监测、视觉运动加工等多项实验测试。 他们还开展了空间脑网络时变特性实验、 在轨触觉感知实验、力量控制测试 等，获取数据将用于开展长期在轨飞行中航天员脑功能网络影响、触觉感受能力和精细动作控制的变化规律等相关研究。 根据微重力物理科学领域实验安排，乘组完成了无容器柜实验腔体样品清理、实验样品更换、轴心机构电极维护等工作，并对两相系统实验柜进行检查维护。 上周，神二十三乘组按计划完成了舱内压力服检查测试，还开展了应急救生在轨训练。 与此同时，乘组扎实做好空间站组合体平台照料，完成了舱内温度与风速测量等工作。 在轨健康监测 也持续开展，航天员们进行了视功能总体测量、眼压及眼底检查、经眶 B 超测量...

推荐理由：来自IT之家 AI的《谷歌 AI 新研究：无需袖带利用消费级智能手表检测高血压，成果登 Nature》。重点看模型能力与工程、产品发布。摘要提到：IT之家 11 月 7 日消息，当地时间 11 月 5 日，谷歌发布博文，介绍在《自然》（Nature）发表的最新研究成果。 谷歌推出了名为 AI-PPG-ACC-HTN 的多模态 AI 系统。该系统无需袖带校准，使用普通消费级智能手表便能被动检测高血压迹象。 官方表示，与常规方案试图估算极易受瞬时环境噪声干扰的单次瞬时收缩压与舒张压不同，新系统转变了解决思路：通过聚合连续多天采集的被动生理特征， 专注于识别个体潜在且持续存在的高血压状态 。 自监督预训练 ：使用超 49 万小时无标注数据训练 1D-CNN，通过对比学习让模型自主挖掘复杂的心血管生理特征。 多天聚合与分类 ：将多天 15 秒特征向量取均值平滑瞬态噪声，结合身高（表征动脉路径长度），经逻辑回归模型输出持续高血压概率评分。 为评估其性能，研究团队在全美 5 个临床中心开展了前瞻性、多中心临床试验，纳入 196 名无心血管病史且未服降压药的受试者，并以临床金标准 ——...

推荐理由：来自IT之家 AI的《字节旗下 AI 开发平台“扣子”：推进企业级服务产品整合升级，现售企业版将先暂停新售》。重点看智能体工作流、产品发布。摘要提到：IT之家 11 月 4 日消息，字节跳动旗下 AI 开发平台“扣子（Coze）”发布公告， 正在推进企业级服务的产品整合升级 ，并规划后续可供企业客户选择的产品和套餐方案。配合本次整合，现售扣子企业版将先暂停新售。 IT之家注：官网显示，“扣子”是面向 Agent 时代的新一代 AI 团队协作平台。用户可以一个人调度多个 Agent，也可以和团队成员一起协同多个 Agent，在同一个项目里完成办公、编程、视频创作、文件处理、行业研究等复杂任务。 8 月 24 日，据智能涌现消息，字节跳动对旗下的办公 AI 产品完成了一轮团队整合： TRAE、扣子团队将整体并入豆包体系 ，其中 TRAE Work、扣子将与豆包在工作场景的产品能力进行整合。 8 月 25 日， 字节跳动发布“豆包工作” 。作为豆包面向生产力场景推出的全新 Agent 产品与品牌，豆包工作能围绕用户目标自主拆解任务、调用工具、持续推进复杂工作流程。 据介绍，暂停新售...

推荐理由：来自IT之家 AI的《总台央视频 CPOPwave 长红 IP 和十大优秀出海案例发布，含《原神》、《凡人》动画等》。重点看开源生态、产品发布。摘要提到：IT之家 11 月 3 日消息，总台央视频 CPOPwave 长红 IP 和十大优秀出海案例昨晚正式发布。 IT之家附具体名单如下： CPOPwave 长红 IP ：《原神》 CPOPwave 十大优秀出海案 （CPOPwave 十大优秀出海案例按首字母排序）： 《凡人》动画 《绝区零》 《浪浪山小妖怪》 《鸣潮》 《哪吒之魔童闹海》 《盛世天下》 《时光代理人》 《水龙吟》 《燕云十六声》 《藏海传》 延伸阅读 CPOPwave 是中央广播电视总台旗下央视频推出的中国潮流 IP 活动品牌，秉持“让热爱开源，与世界共燃”的理念。首届 CPOPwave 发布之夜于 2025 年 6 月 5 日上线播出，首届 CPOPwave IP 为《黑神话：悟空》。 本次发布之夜于 11 月 2 日晚在浙江濮院时尚小镇的翠冷台举办，由中央广播电视总台、中国外文局、中共浙江省委宣传部共同指导，总台视听新媒体中心、总台浙江总站、总台研究院、当代中国...

推荐理由：来自IT之家 AI的《新研究称 AI 模型使用成本受不同语种影响，Token 消耗量最高可相差 17 倍》。重点看模型能力与工程、产品发布。摘要提到：IT之家 10 月 30 日消息，使用人数较少的语言的用户，使用 AI 服务时，可能需要支付比英语及其他主流语言用户更高的费用。 当地时间 28 日，据外媒 Rest of World 报道，人工智能语言公平研究联盟上月发布的一项研究发现，AI 模型处理不同语言时，消耗的 Token（词元）数量 可能相差悬殊 。 Token 是 AI 模型处理文本等数据的基本单位，由分词器将文本、图像或音频拆分而成。研究人员将不同语言因此产生的额外成本称为 隐性的“分词器税” ，网络内容较少的语言尤其容易受到影响。 研究发现，即使是互联网上最常用的 20 种语言，Token 消耗量也存在明显差异， 最高是最低的 1.5 至 5 倍 。如果将测试范围扩大到 200 种语言，差距还会进一步扩大。在其中一个 AI 模型中， 不同语言的 Token 消耗量最多相差 17 倍 。 研究报告指出，班加罗尔的一家初创企业每次向 AI 输入指令、获取回答时，都...

推荐理由：来自IT之家 AI的《实时“导演”世界：皮查伊称 Genie 4 是谷歌迄今最逼真、最具互动性的 AI 世界模型》。重点看模型能力与工程、产品发布。摘要提到：IT之家 10 月 28 日消息，谷歌 DeepMind 团队昨日（10 月 27 日）发布博文，宣布推出 Genie 4 世界模型，定位为“重大研究里程碑”， 在原生音频、实时自然语言改写、更真实的物理与人物等方面实现核心突破，把世界模型从一次性生成画面升级为可实时操控、可听、可推理的动态模拟世界。 对于用户而言，谷歌 Genie 4 世界模型最大的亮点在于实时“导演”世界。在模拟运行中，用户可以用自然语言文本指令改变世界，例如改天气、移动镜头、加入新角色或物体。 有别于主流 AI 重新生成一段视频，Genie 4 会结合当前场景上下文执行动态变化，更像一个“可交互的虚拟沙盒”或“AI 导演系统”。用户可以设定一个事件，然后观察世界如何继续演化，同时随时介入调整。 其它亮点方面，Genie 4 是 DeepMind 首个在实时世界模拟中原生生成音频的模型，音频与画面在同一过程中同步产生。此外谷歌称 Genie 4 在空气动力学...

推荐理由：来自IT之家 AI的《网络安全研究员称三星电视利用 AI 录制音频、截屏投放广告》。重点看模型能力与工程。摘要提到：IT之家 10 月 25 日消息，据科技媒体 Tom's Hardware 今天报道，网络安全研究员 log4j 近日发现，自己家里的三星电视，推送出来的广告“精准得让人后背发凉”。随后他发现，这款电视的 Tizen 操作系统能够详细记录用户遥测信息、音频、屏幕截图等， 意图改善定向广告投放 。 log4j 表示，他逆向这台 2025 款三星电视后发现，其系统之所以运行迟缓，可能是因为后台程序对用户数据进行了大量处理，包含音频、屏幕截图和广告标识符 AID。某些地方甚至还存在卷积神经网络（IT之家注：CNN），也就是一种 AI 模型，分析用户观看了哪些视频、跳过什么广告，以及视频的播放速度。 同时， 即使电视没有配备麦克风 ， 系统也会寻找其他设备录制音频 。例如它可以自动寻找连接到电视的条形音箱、蓝牙设备，利用这些设备的麦克风进行录音。 Hugging Face 工程师 ngxson 则表示，他使用 Flipper Zero ...

推荐理由：来自IT之家 AI的《24 小时为你在线打工：Anthropic 推出 Claude Duet AI 智能体，迎战 Meta 和 OpenAI》。重点看智能体工作流。摘要提到：IT之家 10 月 22 日消息，Anthropic 昨日（10 月 21 日）宣布以研究预览版形式，推出全新应用 Claude Duet， 定位为可主动工作的 AI 智能体（agent），加入由 Meta 的 Muse、以及 OpenAI 的 Dots 领衔的“全天候主动型 AI 助理”大战。 技能方面，该应用会每天整理跨应用的重要事项、主动提醒需要处理的问题，并在用户离开后继续在后台完成被委托的任务。IT之家附上演示视频如下： Claude Duet 基于 Claude Opus 5.5 构建，提供 iOS、Android 独立应用及 claude.ai 网页版。首批面向美国 Pro 和 Max 订阅用户开放候补名单；预览阶段与 Claude 其他功能共享套餐用量限制。 不同于普通聊天机器人，Claude Duet 拥有独立虚拟机和浏览器，可在用户设备关闭时持续运行。用户可用文字或语音下达任务，例如安排会议、整理未读邮件、追...

推荐理由：请对照Apple Machine Learning Research原文，核对完整说明及适用条件。

推荐理由：来自IT之家 AI的《新 AI 工具问世：仅凭一张面部照片即可预测癌症患者生存几率》。重点看模型能力与工程。摘要提到：IT之家 10 月 20 日消息，据彭博社报道，研究人员开发出一款人工智能工具，仅凭一张面部照片就能预测癌症患者的生存几率。该工具可以补充医生的临床经验判断，有望为治疗方案的制定提供参考，在医疗资料不足的场景下尤其有价值。 这个新模型经过训练，既可以估算人的年龄，也能针对癌症患者预测生存情况。研究团队使用超过 4000 万张人脸图像，以及 3 万多名癌症患者的照片完成模型训练，其中不少患者已经离世。发表在《柳叶刀 · 数字健康》期刊上的这项研究显示，该工具会为患者生成风险评分，分数最高的患者更有可能在 90 天内死亡。 科研人员表示，这类研究成果尚属首次。麻省总医院布莱根癌症研究所放射肿瘤医师、论文作者之一雷蒙德 · 马克（Raymond Mak）称，医生在受训时就会通过患者的外貌状态评估病情，但医生“通常很难准确预估临终患者的剩余生存期”。 马克在采访中说：“我们认为借助人工智能，仅靠一张面部照片，就能捕捉到人体的部分生理储备...

推荐理由：请对照Apple Machine Learning Research原文，核对完整说明及适用条件。

推荐理由：请对照Apple Machine Learning Research原文，核对完整说明及适用条件。

推荐理由：来自IT之家 AI的《微软逆转办公 AI 策略，新版 Copilot 整合完整 Word / Excel / PowerPoint 体验》。重点看产品发布。摘要提到：IT之家 10 月 13 日消息，科技媒体 NeoWin 昨日（10 月 12 日）发布博文，报道称微软逆转办公 AI 策略，此前主要将 Copilot 嵌入到 Office 应用中， 而现在围绕着新款 Copilot 应用，集成完整的 Word、Excel 和 PowerPoint 创建、编辑与协作体验。 IT之家附上相关视频如下： 根据微软演示，用户在 Copilot 应用中，无需切换至独立 Office 应用，即可创建、编辑 Word 文档、Excel 表格和 PowerPoint 演示文稿，并与其他用户协作。 在全新 Copilot 应用中 ，用户可从 Copilot Chat 中的简单提示启动任务，也可通过 Copilot Cowork 发起更复杂的任务。例如，用户可要求 Copilot 依据研究笔记生成 Word 文档，系统随后在对话旁打开该文档。 与旧版 Copilot 仅能创建 Office 文件不同，新版支持用...

推荐理由：来自极客公园的《Jev 之后，中国团队开始深挖 AI 的「直觉层」》。重点看模型能力与工程、评测与基准、文化创意。摘要提到：作者｜桦林舞王 编辑｜靖宇 9 月 15 日，前 OpenAI 研究员 Diogo Almeida 创办的 TypeSafe AI 发布了 Jev。这款模型不写一个字，只做判断。 两周之后，整个行业都在做同一件事。OpenAI 在开发者日上推出 Decisions API，Cloudflare 在 10 月 1 日开源了 Clef，亚马逊也放出了 Strands Decider。 国内同样没闲着，上海人工智能实验室开源了多模态决策模型 Intern-Decision。 9 月 30 日，一家成立不到五个月的上海公司 StartLux（原点星辉）发布了开源的 StartLux-Decision，并宣称在公开评测中超过 Jev。 一个新品类在两周内从「首发」走到「群战」，这种速度在大模型行业也不多见。 而 StartLux 背后的掌舵人，是盛大网络联合创始人陈大年。 被 Jev 点燃的「直觉」 要理解这轮热潮，得先说清楚决策模型到底...

推荐理由：来自IT之家 AI的《OpenAI GPT-6 Astra 破解拿破仑 1809 年密信，揭示 217 年前军事部署》。重点看模型能力与工程、文化创意。摘要提到：IT之家 10 月 4 日消息，一名 AI 研究人员借助 OpenAI GPT-6 Astra 成功破解了一封拿破仑 · 波拿巴写于 1809 年的加密军事信件。这封信此前因密码本遗失，在过去 217 年里始终未能被完整解读。 该破解工作由 SentinelOne 员工、AI 工程师卡特 · 丘奇（Carter Church）完成。他表示，他使用 GPT-6 Astra 模型，从一张历史文献扫描图像开始，对信件进行文字识别和密码分析，整个过程约耗时 6 小时。 这封信写于 1809 年 3 月 16 日，当时奥地利正准备对法国开战。拿破仑致信自己的继子、意大利总督欧仁 · 德 · 博阿尔内（Eugène de Beauharnais），要求其通过加密信件向法国将领奥古斯特 · 德 · 马尔蒙（Auguste de Marmont）传递军事信息。现存文件开头包含一行普通法语，随后则是 24 行由数字、字母及自创符号组成的加密文本。...

推荐理由：来自IT之家 AI的《OpenAI 承认 53 张用户图片被其 AI 智能体“偷偷”传到公网》。重点看智能体工作流、模型能力与工程、产品发布。摘要提到：IT之家 9 月 26 日消息，OpenAI 昨日（9 月 25 日）更新其博客，承认发生一起违规事件， 在企业不知情情况下，AI 智能体将 53 张客户图片发布到公开网站。 在博文中，IT之家援引博文介绍，OpenAI 公司承认在其研究环境中运行的 AI 智能体曾将 53 张由用户上传到 OpenAI 模型的图片，以“未公开列出的链接”形式发布到第三方图像托管网站（类似图床），而受影响公司当时并不知情。 在影响方面，OpenAI 指出这些图片并非出现在公开索引页面上，作为“未列出（unlisted）”链接存在，理论上不易被搜索引擎直接发现，不过对于掌握链接的用户而言，可以访问获取相关内容。 OpenAI 表示这属于对用户数据的“不当使用”，不在其隐私政策允许范围内。公司称已移除“大多数”相关内容，并仍在与托管方合作清理剩余部分，但承认仍有部分内容可能在线。 根据 OpenAI 的说明，这些图片来自已授权 OpenAI 使用其数...

推荐理由：请对照Apple Machine Learning Research原文，核对完整说明及适用条件。