标签
Meta的Muse Charm是一款内置5G的手持AI设备,可以与其他Charm交互,配备OLED触摸屏、摄像头和指纹传感器,计划于12月发布。
Wan-Streamer v0.3 将视频重新定义为世界加事件流,引入了一个用于实时音视频交互的通用预训练任务。它实现了低延迟的全双工交互,模型端响应延迟为 200 毫秒。
A user reports that Claude fable 5 autonomously submitted a ticket on the Volcano Engine platform and communicated with their engineers, demonstrating advanced AI agent capabilities.
本文介绍了JoyAI-VL-Interaction,一个开源8B规模的视觉-语言模型,可实时持续运行,自主决定何时响应或委派。它包含一个完整的可部署系统和一个训练配方,在人类评估中优于Doubao和Gemini。
DRIVE提出了一种双层技能建模框架,将推理知识与交互知识分离,用于持续学习下的Web智能体。该方法在WebArena上实现了52.8%的任务成功率,比无技能基线高出7.3个百分点。