## AI Repos
**1、[codescientist](https://github.com/allenai/codescientist)**  
端到端自动化科学发现系统：CodeScientist，可以帮助科学人员设计、运行以及分析代码形式的科学实验，CodeScientist从科学文章和代码示例中生成新的实验想法。它可以自动创建实验代码，并在安全的环境中运行和调试实验代码，实验完成后会生成详细的实验报告。可以手动，输入实验想法，选择代码片段并指导实验运行；也可以自动，自主生成实验想法并运行实验。支持同时运行多个实验，这使得可以高效进行大规模科学实验。
![codescientist.png](/static/img/d69974bfaf79d1c3c34e0133b9258383.codescientist.webp)




## AI News
**1、微软推出免费AI技能培训，助力职业发展与技术革新**  
微软推出为期50天的免费AI技能培训活动，面向公众普及AI技术，旨在提升职业竞争力并挑战吉尼斯纪录。文章指出，AI正重塑各行各业，例如医疗领域通过AI临床顾问提升效率。同时，IDC预测2027年AI电脑将占全球PC出货量的60%，微软与合作伙伴推出的Copilot+PCs通过NPU优化性能，推动企业技术升级。尽管初期成本较高，但AI电脑的生产力优势将加速普及。微软此举不仅赋能个人，也为企业AI转型奠定基础，预示未来工作方式的变革。

**2、EasyControl：为DiT模型赋能ControlNet级控制，解锁吉卜力风格转换**  
EasyControl是由Xiaojiu-z团队开发的创新框架，旨在为基于Transformer的扩散模型（DiT）提供高效灵活的条件控制能力。通过轻量级条件注入LoRA模块、位置感知训练和因果注意力机制等技术，EasyControl实现了即插即用的多条件控制（如Canny边缘、人体姿态、语义分割等），并显著提升生成效率。其亮点还包括仅需100张训练数据即可实现的吉卜力画风转换功能，能保留原图特征的同时生成手绘动漫风格作品。项目已开源推理代码和预训练模型，未来将扩展更多功能，推动DiT生态在AI内容生成领域的发展。

**3、腾讯ARC实验室推出AnimeGamer：用AI打造无限动漫人生模拟器**  
腾讯ARC实验室与香港城市大学联合发布AnimeGamer，这是一款基于多模态大语言模型（MLLMs）的动漫人生模拟工具。用户可通过自然语言指令与动态游戏世界互动，扮演经典动漫角色（如《悬崖上的金鱼姬》宗介），甚至实现跨作品角色联动（如琪琪与巴鲁互动）。该工具通过三阶段训练：多模态动作编码、MLLM预测游戏状态、优化动画生成，最终输出主体一致的长动画并实时更新角色数值（体力、心情等）。AnimeGamer突破了传统游戏边界，为动漫爱好者提供了沉浸式创意体验，展现了AI在内容生成领域的革新潜力。

**4、Kimi开放平台全面降价：模型推理与上下文缓存成本大幅优化**  
Kimi开放平台宣布基于技术突破实施全面降价，模型推理服务与上下文缓存价格双双下调。此次调整得益于Moonshot AI在训练优化、推理加速方面的积累，使平台在保持200万字超长上下文处理优势的同时显著降低成本。新价格体系将重点惠及文档分析、代码复现等长文本场景用户，开发者反馈处理大篇幅文档的性价比明显提升，进一步降低了企业接入AI服务的门槛，推动大模型技术普惠化发展。

**5、商汤科技SenseCore 2.0即将发布：算力迎来指数级突破，AI基础设施全面升级**  
商汤科技宣布将于4月10日举办技术交流日，届时将发布SenseCore 2.0重大升级。此次升级将实现AI算力的指数级增长，重点提升AI基础设施、具身智能研发和行业大模型应用能力。SenseCore自2021年推出以来已整合全国算力资源，目前总算力达20000petaFLOPS，配备5.4万块GPU，不仅支撑商汤自身研发，还为外部客户提供大模型训练和部署服务。此次升级将进一步强化商汤在AI基础设施领域的领先地位。

**6、Quasar Alpha神秘登场：100万token长上下文模型免费开放体验**  
神秘AI实验室推出的Quasar Alpha以100万token超长上下文处理能力惊艳亮相，这款被标记为"stealth"的预发布模型特别优化了编码能力，同时保持通用AI特性。通过OpenRouter平台免费开放，开发者可将其集成至VS Code等环境直接体验。其卓越的长文本处理性能（相当于数百页文档）和代码生成质量引发行业关注，虽具体来源未明，但被视为下一代基础模型的雏形，为AI技术发展预示了新方向。

**7、AI编码依赖症：初级开发者面临的能力退化危机**  
网络安全专家警示，初级开发者过度依赖AI编码工具正导致基础技能退化。调查显示，尽管AI能快速生成功能性代码，但开发者普遍缺乏对底层逻辑和安全性的理解，甚至削弱了批判性思维能力。CISO们担忧这会造成安全盲点、合规风险及创新力下降。专家建议企业调整招聘标准，更看重安全推理能力，同时加强培训，在AI辅助与专业素养间寻求平衡，避免技术便利演变为能力危机。

**8、字节跳动"即梦AI"获著作权登记，加速布局AIGC内容生态**  
字节跳动旗下北京字跳网络技术有限公司近日完成"即梦AI/Dreamina AI"美术作品著作权登记，标志着其在AIGC领域的战略布局取得重要进展。该AI创作平台支持图像生成与视频制作，依托抖音集团资源和技术优势，为用户提供便捷的创意工具。此次著作权登记不仅强化了知识产权保护体系，更为字节跳动在快速增长的AI创意产业（预计2025年中国市场规模达80亿元）中抢占先机，未来或将通过抖音生态进一步拓展创作者经济。

AI Daily 2025.04.07

## AI Repos
**1、[wisent-guard](https://github.com/wisent-ai/wisent-guard)**  
Wisent-Guard是一款创新的Python工具包，通过监控AI模型的潜在空间激活模式来预防有害输出和幻觉。该工具利用对比表征技术，在推理过程中实时检测与不良内容相似的脑电波模式，并拦截危险响应。测试显示，在Llama 3.1 8B模型上可降低43%的幻觉率。其核心优势在于直接干预AI的"思维过程"，而非依赖传统的关键词过滤。该方案采用独特的CAA方法进行激活指纹识别，支持自定义有害/无害样本对训练，为开发者提供比提示工程更底层的安全控制能力。



## AI News
**1、Midjourney V7重磅发布：AI图像生成迈入高智能美学新时代**  
Midjourney于2025年4月正式推出V7模型，该版本采用全新架构，具备三大突破性升级：1）首创"草稿模式"实现10倍速创作；2）显著提升图像细节与连贯性，尤其在人体和复杂物体表现上；3）首次默认启用个性化配置功能。创始人David Holtz称其为"最智能美观的模型"，并预告未来60天将持续更新。此次发布不仅巩固了Midjourney在AI图像生成领域的领先地位，其硬件团队组建计划更显露了向3D及视频领域扩张的野心。

**2、OpenAI调整发布计划：先行推出o3及o4-mini，GPT-5推迟数月**  
OpenAI CEO Sam Altman宣布调整产品路线图，原已取消的o3推理模型将与新一代o4-mini在"数周内"发布，而GPT-5将推迟至"几个月后"。Altman解释称，GPT-5的延迟源于技术整合难度超预期，需确保系统能应对预期中的巨大需求。GPT-5作为统一模型将整合推理能力，OpenAI表示其性能将"远超最初设想"。此次调整显示公司在推进AI技术时面临的技术与资源平衡挑战。

**3、亚马逊推出AI购物代理"Buy for Me"，可跨平台代购第三方商品**  
亚马逊宣布测试名为"Buy for Me"的AI购物代理功能，允许用户在亚马逊App内直接购买第三方网站商品，无需跳转。该功能由Amazon Nova AI和Anthropic Claude驱动，可自动填写用户支付及配送信息，但亚马逊强调采用加密技术确保隐私。相比OpenAI、Google等竞品的AI购物代理需手动输入支付信息，或像Perplexity使用预付卡，亚马逊的方案更直接，但也引发对AI误购的担忧。若需退换货，用户需联系原购买平台。目前该功能仅限部分用户测试。

AI Daily 2025.04.04

## AI Repos
**1、[llm-server-docs](https://github.com/varunvasudeva1/llm-server-docs)**  
项目提供了一份基于Debian系统的本地语言模型服务器搭建指南，适用于Linux初学者。教程涵盖驱动安装、GPU功耗设置、自动登录配置及开机自启脚本部署等关键步骤，支持Ollama/vLLM等多种OpenAI兼容方案。方案设计强调四大原则：简易安装（快速部署）、稳定运行（持续工作数周）、低维护成本（组件简单易懂）和界面美观（接近云服务体验）。所有工具均采用开源方案，确保用户对话数据全程本地处理，特别适合需要长期稳定运行LLM服务的个人开发者或研究团队。



**2、[ai-flavor-remover](https://github.com/hylarucoder/ai-flavor-remover)**  
介绍了一套降低AI生成文本"机器味"的实用方法，重点针对Gemini 2.5 Pro模型进行优化测试。实验显示：通过"扩充法"（如1000字扩至2000字）可将朱雀大模型检测到的AI味控制在22%以下；而"重写法"（如5000字重写）更能将AI味降至17%左右。作者强调关键要针对AI味浓重的段落进行定向改写，并预告将发布深度解析AI写作本质的文章。文末指出，AI味并非绝对负面，优质内容应聚焦于逻辑性、趣味性和信息价值。
![ai-flavor-remover.png](/static/img/217dcb2a70594a3548f2000f4d071795.ai-flavor-remover.webp)



## AI News
**1、Tinder推出AI语音调情游戏"Game Game"，技术缺陷与争议并存**  
Tinder与OpenAI合作推出AI语音调情游戏"Game Game"，利用GPT-4o模型让用户在模拟约会场景中练习调情并赚取积分。公司强调语音数据不会用于AI训练，但CEO演示视频中的尴尬互动引发争议。Tinder高管表示尴尬是设计策略，旨在降低用户压力，但技术问题（如AI语音回声）加剧了体验不佳。该功能试图创新在线约会，但实际效果仍待观察。

**2、即梦3.0内测震撼发布：AI直出2K商业海报，设计师行业再受冲击**  
即梦3.0开启内测，AI图像生成能力大幅升级，可轻松输出2K高清商业海报，复杂场景、文字排版均能精准呈现。测试显示，该模型在细节、色彩和文字处理上远超以往，甚至能完美生成带有小字的广告图（如麦当劳汉堡海报）。业内人士推测其算法全面优化，生成速度仅需数秒。这一突破可能颠覆传统设计流程，引发行业对AI替代人工的讨论。

**3、Meta高端智能眼镜"Hypernova"曝光：内置屏幕，售价或超1400美元**  
Meta计划推出高端智能眼镜"Hypernova"，配备内置屏幕，支持应用运行和照片显示，用户可通过手势和触摸控制。屏幕位于右镜片右下角，界面类似Meta Quest。相比现有299美元的版本，Hypernova售价或达1400美元，并配备更先进的摄像头和AI功能。Meta同时开发更高端的"Orion"AR眼镜，而Hypernova定位中端市场，预计2027年推出双屏版"Hypernova2"。

**4、ChatGPT图片生成再升级：精准呈现中文草书，创作自由度大幅提升**  
ChatGPT近期升级图片生成功能，不仅解决了中文文字生成的难题，还能精准输出草书、隶书等书法字体，文字准确率显著提升。新版本在细节渲染、色彩协调和复杂指令理解上均有优化，支持生成艺术风格多样的图像。此外，新增的选区工具允许用户通过文字描述局部修改图片，为创作者提供更精细的编辑控制。此次升级带动付费用户激增2000万，展现OpenAI快速迭代的技术实力。

**5、百度发布飞桨框架3.0：五大核心特性助力大模型开发与推理**  
百度正式推出飞桨框架3.0，针对大模型开发需求提供五大核心特性，包括"动静统一自动并行"技术和"训推一体"设计，显著降低训练成本并提升推理性能。该框架在科学智能领域表现突出，微分方程求解速度比PyTorch快115%，并适配主流科学计算工具。此外，自研神经网络编译器CINN使运算速度提升4倍，多芯片统一适配方案支持60+芯片系列，实现"一次开发，全栈部署"。飞桨生态已服务43万企业，创建101万个模型，展现强大行业影响力。

**6、NotebookLM推出"Discover Sources"功能：AI智能搜索重塑研究新体验**  
谷歌旗下研究工具NotebookLM于4月2日推出"Discover Sources"功能，通过Gemini AI实现智能信息搜集。用户输入关键词即可自动获取10个高质量网络来源，并支持一键导入笔记本。该功能简化了传统手动收集流程，配合音频概览、FAQ生成等特色功能，显著提升研究效率。新加入的"I'm Feeling Curious"按钮还能激发灵感。作为系列升级的首个功能，它标志着NotebookLM向主动式智能助手转型，已引发学术界和内容创作者的广泛关注。

**7、饿了么"AI入驻智能经理"上线：5分钟极速开店，重塑商家入驻体验**  
饿了么推出"AI入驻智能经理"，通过自然语言对话实现商家极速入驻，最快5分钟即可完成认证、签约等全流程。该工具提供24小时智能引导和实时预审，显著降低传统手动操作的时间成本和错误率。作为平台AI战略的重要布局，饿了么同时宣布2025年前将投入超10亿元支持商家AI应用，持续优化包括智能经营分析在内的数字化服务生态，推动外卖行业效率革新。

**8、Claude团队发布Prompt Engineering指南：开启无代码开发新纪元**  
Claude开发团队发布全面Prompt Engineering指南，系统化指导用户通过优化提示词提升AI交互效果。该指南特别关注无代码开发需求，提供结构化提示、示例引导等实用技巧，帮助非技术用户快速构建AI应用。作为AI技术普及的重要资源，指南免费开放并持续更新，有望推动从内容创作到工作流自动化等广泛场景的创新应用，彰显Anthropic降低AI使用门槛的技术愿景。

**9、Infosys与Formula E合作推出AI数据中心，打造智能观赛新时代**  
Infosys与Formula E合作推出AI驱动的"Formula E Stats Centre"数据分析平台，通过实时统计、AI摘要和互动查询功能，帮助车迷更直观理解赛事数据。该平台结合新一代GEN3 Evo电动赛车（0-60mph加速仅1.82秒）的发布，显著提升观赛体验。Infosys同时完成赛事数据湖向谷歌云的迁移，为未来更智能的车迷互动奠定基础，标志着赛车运动进入数据驱动的新阶段。

**10、Anthropic推出"Claude for Education"计划，AI助力高校培养批判性思维**  
Anthropic宣布推出"Claude for Education"计划，为高校提供定制化AI助手，与OpenAI的ChatGPT Edu展开竞争。该计划包含"学习模式"，通过提问引导学生深入思考，而非直接提供答案，旨在培养批判性思维。目前已获美国东北大学、英国LSE等高校采用，同时支持行政办公自动化。尽管AI在教育中的角色仍存争议，Anthropic计划通过学生大使项目扩大影响力，推动AI工具在学术领域的应用普及。

**11、llms.txt标准解析：让大语言模型更高效理解网页内容的新规范**  
llms.txt是一种新兴的网页内容标准化格式，旨在帮助大语言模型(LLM)更好地理解和处理网页信息。该标准由Answer.AI联合创始人Jeremy Howard于2024年9月提出，采用Markdown格式，通过/llms.txt路径提供网站核心内容的精简摘要。它包含标题、简介和结构化链接，避免了HTML和广告的干扰，能显著提升AI处理网页内容的效率和准确性。目前已被Pinecone、Svelte.dev等公司采用，预计到2025年底，基于LLM的搜索流量将占10%。该标准还支持llms-full.txt和.md扩展名等衍生格式，是网页内容适应AI时代的重要演进。

AI Daily 2025.04.03

## AI Repos
1、[Dolphin](https://github.com/DataoceanAI/Dolphin)
由数据海洋AI与清华大学联合研发的Dolphin多任务语音识别模型正式亮相。该模型覆盖东亚、南亚、东南亚及中东地区40余种语言，并支持22种汉语方言，训练数据量超21万小时（含自有及开源数据），具备语音识别、端点检测、分段及语种识别多重功能。
![Dolphin.png](/static/img/eeb6bfd71a39e841b0c160e174e8c84c.Dolphin.webp)





## AI News
**1、Arm 放弃收购 Alphawave，转向新战略布局 AI 芯片市场**  
Arm Holdings 曾计划收购英国半导体 IP 供应商 Alphawave，以利用其 SerDes 技术增强在 AI 芯片市场的竞争力，尤其针对 ChatGPT 等应用。然而，Arm 最终放弃收购，导致 Alphawave 股价飙升15.08%，市值达8.19亿英镑。SerDes 技术在 AI 芯片数据传输中的重要性备受关注，Broadcom 和 NVIDIA 已占据优势。Arm 当前聚焦授权设计，同时探索自研芯片战略，旨在抢占预计2028年达600亿美元的 AI 芯片市场份额，显示其强化市场地位的决心。

**2、MiniMax Audio 发布 Speech-02 语音模型，支持 20 万字符输入**  
MiniMax Audio 推出 Speech-02 语音模型，支持 30 多种语言，一次性可输入 20 万字符，提供真实流畅的音频体验。该模型人声相似度达 99%，无节奏故障，多语言发音更准确，且价格亲民。新功能包括“Read Anything”，支持文件或 URL 转音频，以及“Long-Text Mode”异步合成长文本，适合音频书籍和播客制作。此外，增强的历史管理和“Discovery Hub”优化了用户体验，展示最新功能，入口为 https://www.minimax.io/audio。

**3、腾讯 GeometryCrafter：AI 助力开放世界视频几何一致性新突破**  
腾讯发布 GeometryCrafter AI 模型，通过 Hugging Face 开源，利用扩散先验技术实现开放世界视频的几何一致性估计。该模型能在复杂动态视频中生成连贯的深度序列和几何结构，无需额外信息，适用于街头实拍、自然纪录片等场景。其三阶段训练结合真实与合成数据，在长时间序列一致性上超越现有方法，为视觉特效、虚拟现实等应用奠基。尽管对计算资源要求较高，腾讯开源此模型推动技术普惠，展现 AI 如何将日常视频转化为立体数字艺术。

**4、高通收购越南 MovianAI，强化生成式 AI 技术布局**  
高通宣布收购越南 AI 公司 MovianAI，后者原为 Vingroup 旗下 VinAI 的生成式 AI 部门，交易金额未披露。此次收购旨在提升高通在生成式 AI 领域的研发能力，加速为智能手机、PC 和智能汽车开发先进 AI 解决方案。MovianAI 创始人 Hung Bui 博士，曾任 Google DeepMind 研究员，将加入高通，增强团队实力。收购不仅推动高通技术创新，还借助 MovianAI 在越南的基础拓展东南亚市场，标志着高通在全球 AI 布局的重要进展。

**5、ReliaQuest 获 5 亿美元融资，加速智能 AI 安全技术创新**  
ReliaQuest 完成超 5 亿美元融资，估值达 34 亿美元，由 EQT、KKR 和 FTV Capital 领投。公司专注网络安全，其 GreyMatter 平台利用智能 AI 自动化安全流程，使威胁响应时间缩短至 5 分钟，调查速度提升 20 倍，准确率提高 30%。创始人布莱恩·墨菲强调，新资金将推动技术发展，满足企业对高效安全方案的需求。ReliaQuest 年收入超 3 亿美元，增长率超 30%，并通过收购 Digital Shadows 增强威胁情报能力，巩固其在网络安全领域的优势。

**6、RobotLAB 首推人形机器人 BroBot™，助力多行业智能化**  
RobotLAB 推出首款人形机器人 BroBot™，针对教育、物流和酒店行业，提供可扩展的现实应用。BroBot™ 采用混合接口、自动任务协议和情境感知系统，能在动态环境中自主执行任务。其模块化设计便于定制，友好的界面降低操作门槛。主要功能包括自主任务处理、环境适应及行业通用性。RobotLAB 计划 2025 年第二季度通过试点项目优化其功能，旨在推动人机协作，简化部署并提升多行业运营效率。

**7、微软 Power Apps 集成 AI 助手，优化表单填写效率**  
微软 Power Apps 和 Dynamics365 推出 AI 助手，显著提升表单填写效率，研究显示速度提高 29%，95% 用户青睐此方式。新功能包括：智能粘贴支持图片上传，AI 自动提取数据；支持多种文件格式（如 .txt、.pdf、.png），简化录入；新增工具栏优化 AI 建议管理；开发者可控制人工输入字段。这些更新通过智能技术减少手动操作，提升灵活性与效率，助力用户更轻松完成日常数据工作。

**8、Reply 携手 AWS 深化战略合作，加速生成式 AI 创新**  
Reply 与 AWS 签署多年战略合作协议，旨在推动生成式人工智能（GenAI）的创新与应用。合作结合 AWS 的云基础设施与 Reply 的 AI 专长，开发提升效率与生产力的行业解决方案，覆盖软件优化、客户体验等领域。Reply 子公司 Data Reply 和 Storm Reply 将利用 Amazon SageMaker、Bedrock 等服务，定制汽车、金融等行业 AI 产品。成功案例包括与奥迪合作的 AI 聊天机器人及 Il Sole24Ore 的服务转型，展现显著业务价值，助力企业在数字时代保持领先。

**9、Arthur 发布首款开源实时 AI 评估引擎 Arthur Engine**  
Arthur 推出 Arthur Engine，全球首款开源实时 AI 评估引擎，免费提供给开发者，用于监控和优化生成式 AI 及传统机器学习模型。该引擎本地运行，确保数据隐私与合规性，支持 GPT、Claude 等多种模型。核心功能包括实时故障检测、主动保护和可定制评估指标，解决模型退化与敏感数据风险。技术负责人徐媛强调，其高性能监控工具提升 AI 信任与安全，开源发布标志着 AI 透明度与性能监控的新标准。详情可访问 GitHub。

**10、飞桨 3.0 发布：支持文心 4.5，跨芯片适配成本降 80%**  
百度飞桨框架 3.0 正式发布，引入“动静统一自动并行”等五大技术创新，支持文心 4.5 等大模型，优化训练与推理性能。借助神经网络编译器 CINN，算子速度提升 4 倍，端到端训练速度提高 27.4%，DeepSeek-R1 单机吞吐量翻倍。框架适配 60 余款主流芯片，开发者一次编码即可跨芯片迁移，适配成本降低 80%，覆盖训练集群、自动驾驶等场景，为大模型开发提供高效灵活的基础支持。

**11、腾讯元宝升级：多图上传+智能处理一键解决**  
腾讯元宝更新后支持一次性上传 10 张图片，利用混元和 DeepSeek 模型实现连贯识图与智能处理。用户可通过多图上传提炼电子书金句、生成朋友圈文案、整理板书结构或将草图转为网页 demo，操作简便高效。该功能已覆盖手机版（2.11.0+）、电脑版（1.8.0+）和网页版，支持多选、拖拽及截图上传，展现元宝双模型的多模态理解能力，为多图处理提供便捷解决方案。

**12、阿里通义千问 Qwen2.5-Omni 登顶全球开源模型榜单**  
阿里巴巴通义千问的 Qwen2.5-Omni 模型在 Hugging Face 全球开源模型榜单中排名第一。这款端到端全模态大模型凭借其强大性能胜出。阿里已开源超200款模型，其 Qwen 系列衍生模型数量已突破10万，超越 Llama 成为全球最大开源模型家族，凸显了阿里对 AI 开源生态的贡献和技术实力。

**13、宝马引入人形机器人 Figure02，大幅提升生产效率**  
宝马与美国 Figure 公司合作，在其生产线引入 Figure02 人形机器人，旨在显著提升生产效率。这款机器人每日可完成高达 1000 次精确操作，速度提升 400%，成功率提高七倍。尤其在处理复杂金属部件时，Figure02 能有效避免碰撞，提升生产安全性和流畅性。测试显示，它能精准地将金属片放入狭小插槽，循环时间也显著缩短。Figure 公司预计其机器人将于 2025 年 1 月重返宝马工厂。此外，Figure AI 近期获得了 6.75 亿美元的 B 轮融资，估值达 26 亿美元。

**14、即梦AI3.0图片模型重磅升级：高精细度与智能构图重塑设计体验**  
即梦AI3.0图片模型正式发布，以显著性能提升成为设计师的新宠。该版本支持2K高清分辨率，细节表现力远超2.1版本，并优化了小文字清晰度等痛点。其智能提示词响应系统大幅降低“抽卡”次数，生成效率与精准度同步提升。此次升级通过技术突破解放设计师创作力，有望推动行业效率与创意表达的双重革新。

AI Daily 2025.04.02

## AI Repos
**1、[Awesome-Agent-Papers](https://github.com/luo-junyu/Awesome-Agent-Papers)**  
该存储库汇集了关于大型语言模型（LLM）智能体的研究论文，涵盖智能体构建、协作机制、进化、工具集成、安全性、基准测试及应用等关键类别。通过系统分类，提供了理解LLM智能体快速发展领域的框架，连接设计原理与涌现行为的碎片化研究。综述论文显示，自2023年以来相关研究显著增加，存储库还包括统计趋势、词云分布和资源列表，旨在推动学术交流与实际应用，强调技术架构到现实用例的全面视角。
![Awesome-Agent-Papers.png](/static/img/96fcd19aef7c6269f059ef46be156227.Awesome-Agent-Papers.webp)



## AI News
**1、谷歌推出AI旅行功能，提升搜索体验与竞争力**  
谷歌母公司Alphabet Inc.近日推出新AI旅行功能，整合谷歌搜索、地图及Gemini平台，优化旅行规划体验。用户可通过AI生成行程并保存至地图，酒店价格跟踪功能全球扩展，助力广告收入增长。谷歌地图新增截图识别功能，Gemini免费开放个性化助手，提升便利性。这些更新迎合高意图搜索需求，丰富查询类型，增加搜索量，同时对抗ChatGPT、Perplexity等竞争对手。谷歌旨在通过智能化工具增强用户体验并巩固旅行搜索市场地位。

**2、日本Rapidus启动AI芯片试生产，力争科技复兴**  
日本国有企业Rapidus Corp.近日调整芯片制造设备，计划月底前试产2纳米工艺的先进半导体，瞄准AI组件市场。该公司目标2027年实现大规模生产，与台积电竞争。日本政府投入1.72万亿日元支持此项目，力图恢复半导体领域领导地位。2纳米工艺代表更高能效，满足AI技术对高性能计算的需求。Rapidus的试生产不仅是技术提升的关键一步，也为日本半导体行业复兴注入动力，备受业界关注。

**3、途牛推出“AI助手小牛”，开启智能出行新体验**  
途牛旅游网推出自主研发的“AI助手小牛”，已上线APP和小程序。该助手采用开源大模型DeepSeek和通义千问，结合旅行场景，为用户提供机票、酒店、火车票查询预订及个性化出行推荐服务。途牛通过AI技术深化在线旅游应用，旨在提升用户决策效率与服务体验，标志着智能出行服务的全新开端。

**4、Isomorphic Labs获6亿美元融资，推动AI药物研发新突破**  
Isomorphic Labs，DeepMind分拆的AI药物发现平台，近日完成6亿美元融资，由Thrive Capital领投，Alphabet等跟投。资金将用于优化AI药物设计引擎并推进临床试验。该公司由DeepMind联合创始人哈萨比斯创立，依托AlphaFold技术，已与礼来、诺华合作，潜在收入达30亿美元。哈萨比斯表示，融资将吸引顶尖科学家。他与研究员贾姆珀因AlphaFold获2024年诺贝尔化学奖。

**5、AI时代软件供应链安全危机：机密泄露激增64%**  
JFrog《2025年软件供应链现状报告》显示，AI发展加剧软件供应链安全危机。调研1400多名专业人士及7000余客户数据发现，过去一年机密信息泄露激增64%，达25,229例，因企业依赖ML模型增加风险。2024年新增CVE漏洞33,000个，增27%，但仅12%属严重级别，评分膨胀或致开发者疲惫。尽管94%公司使用认证清单，37%仍手动验证，安全隐患大。专家呼吁自动化转型，以平衡创新与安全。

**6、顺丰同城携手豆包、腾讯混元，推动AI智能化配送**  
顺丰同城宣布全面推进运营数字化和AI决策智能化，旨在构建高效即时配送模型基础设施。公司依托DeepSeek开源生态，快速定制开发服务，缩短落地周期，提升市场竞争力。目前已与火山豆包、腾讯混元等厂商合作，通过多模型验证优化AI应用效果。此举标志着顺丰同城在数字化转型中的重要进展，力求借助AI技术提升配送效率与客户体验。

**7、Higgsfield AI推出超50种Motion Controls，提升视频创作流畅度**  
Higgsfield AI推出Motion Controls，提供超过50种相机控制选项，如子弹时间、希区柯克变焦、360度视角和鱼眼效果等。这些功能旨在增强AI生成视频的自然流畅性和电影感，克服传统AI视频镜头运动单调的局限。通过丰富的模板，用户可轻松将单张照片转化为动态好莱坞风格大片，显著提升创作体验和视觉效果。

**8、昆仑万维发布Mureka V1/V6 AI音乐生成模型，新增多语言与微调功能**  
昆仑万维推出的AI音乐生成平台Mureka近日更新，发布V1（SkyMusic）及V6双版本模型，支持12种语言，包括英语、汉语、日语等，并新增模型微调功能和API接口。V6作为基础模型，提升音质与混音效果，O1则引入推理与自我批评机制，进一步优化生成效率与音乐质量。此更新丰富了多语言支持与个性化定制能力，推动AI音乐创作的灵活性与全球应用。

**9、OpenAI即将发布开源AI模型，应对同行竞争压力**  
OpenAI首席执行官山姆·阿尔特曼宣布将在未来数月推出开源AI模型，引发业界热议。此举受中国DeepSeek R1模型突破及Meta Llama系列竞争压力推动。开源模型可免费下载、修改并本地运行，降低成本并支持数据定制。OpenAI技术团队强调将严格测试模型安全性，并通过网页邀请开发者提前体验，未来几周还将举办相关活动。此举旨在提升竞争力，给同行带来不小压力。

**10、Krea推出3D生成功能与网站重构，AI创作效率飙升**  
生成式AI平台Krea近日上线3D生成功能并重构网站，用户可通过文本或2D图像快速生成可交互3D对象，实时调整细节，免费开放且速度快，降低建模门槛。新网站界面简洁直观，优化导航与实时预览，提升图像、视频迭代效率，并增强社区协作功能。Krea依托自研AI与GPU集群，结合限时活动，展现“民主化AI创作”理念。业内看好其在生成式AI市场的潜力，未来或扩展至8K视频与AR领域。

AI Daily 2025.04.01

博客记录，随心记，随性记，早日退休