本文字数:约 8784 字,预计阅读时间:17 分钟重点新闻> ## Developers can now add live Google Maps data to Gemini-powered AI app outputsGoogle has introduced a new feature for third-party developers using Gemini AI models that enables the integration of live geospatial data from Google Maps into their applications. This addition allows for more detailed and location-specific responses to user queries, enhancing applications like local search, delivery services, and travel planning. By leveraging the Gemini API, deve
本文字数:约 5600 字,预计阅读时间:20 分钟How Anthropic’s ‘Skills’ make Claude faster, cheaper, and more consistent for business workflowsAnthropic最近推出了一项名为“Skills”的新功能,旨在提高其Claude AI助手的效率和定制化。通过Skills,用户可以创建包含指令、代码脚本和参考资料的文件夹,这些文件夹在相关任务中可以被Claude自动加载。这种方法标志着企业定制AI助手方式的重大转变,从一次性提示转变为可复用的领域专业知识包。Anthropic认为,随着模型智能的提高,AI助手将越来越多地拥有自己的文件系统和计算环境。Skills的推出正值Anthropic估值激增,据路透社报道,2026年其年收入可能增长近三倍达到260亿美元。Skills的核心技术“逐步披露”允许Claude在需要时仅加载特定文件和信息,解决了传统上下文窗口的限制。这种方式使企业能够整合远超传统限制的信息量,同时保持速度和效率。例如,Skills可以包含步骤指南、代码模板、参考文档、品牌
本文字数:约 4340 字,预计阅读时间:14 分钟Google releases new AI video model Veo 3.1 in Flow and API: what it means for enterprisesGoogle has unveiled Veo 3.1, its latest AI video generation model, bringing a suite of creative and technical upgrades aimed at improving narrative control, audio integration, and realism in AI-generated video. Veo 3.1 builds on its predecessor, Veo 3, with enhanced support for dialogue, ambient sound, and other audio effects. Native audio generation is now available across several
本文字数:约 5250 字,预计阅读时间:10 分钟EAGLET boosts AI agent performance on longer-horizon tasks by generating custom plans2025 年被许多人工智能领域的专家预测为“AI 代理”的元年,众多领先的 AI 模型提供商如 OpenAI、谷歌以及阿里巴巴等纷纷推出了专注于特定任务的 AI 模型或应用,如网页搜索和报告撰写。然而,一个长期存在的问题阻碍了这些代理的表现:在长时间、多步骤任务中保持高效和准确性。为了解决这一问题,来自清华大学、北京大学、DeepLang AI 和伊利诺伊大学香槟分校的研究人员开发了一种名为 EAGLET 的框架。EAGLET 旨在提高基于大语言模型(LLM)的 AI 代理在长时任务中的性能,无需手动数据标注或重新训练。EAGLET 的核心在于引入了一个“全局规划者”,可以集成到现有的代理工作流程中,减少幻觉现象并提高任务效率。这一框架的规划者能够解释任务指令并生成高层次的计划,而不干预实际执行过程。这样的分离设计有助于形成更连贯、任务级别的策略。EAGLET 采用两
本文字数:约 4800 字,预计阅读时间:16 分钟重点新闻Self-improving language models are becoming reality with MIT's updated SEAL techniqueMIT的研究人员开发了一种称为SEAL(Self-Adapting LLMs)的技术,该技术允许大语言模型(LLMs)生成合成数据来微调自身。这项技术的最新版本扩大了先前框架,展示出随着模型规模的增加,自我适应能力的提升,以及通过强化学习减少灾难性遗忘的能力。在知识整合和少量学习设置下,SEAL显示了显著的性能提升,展示了其在自适应学习中的潜力。这种自我适应能力使模型能够生成“自我编辑”来更新权重,从而在不依赖外部数据和手动微调的情况下,在动态环境中持续学习。SEAL的双循环结构,包括内部监督微调和外部强化优化,为可重复性提供了形式化基础。这项技术为开发持续自我学习的人工智能系统奠定了基础。原文链接Researchers find that retraining only small parts of AI models can cut costs and p
康叔的AI全栈工坊
Code for Life, AI for Future