标签
Meta 的一篇新论文表明，当过往经验按问题类型归入不同的记忆簇，而非存入单一的共享历史记录时，AI 智能体能更好地从过去的尝试中学习，性能提升幅度相当于满分的 15–30%，同时 API 成本降低 65–72%。
Meta 新论文提出 PAMO，一种用于个人 AI 代理的训练方法，通过利用跨应用的用户历史来改进应用推荐，同时学会何时该让平台自身的排序算法来做决定。在拥有 Nintendo 和 Xbox 历史数据的真实 Steam 用户上，一个 4B 参数的 PAMO 代理将 top-10 命中率提升至 47.9%，而平台基线仅为 40.8%。
Meta 一篇新论文提出了 ProPerMem，一个为期一年的第一人称视频记忆基准（约 618K tokens），显示主动式 AI 助手主要败在决定何时开口，而非说什么——像 GPT-5.3-Chat 这样的前沿模型在提供神谕证据时得分 96%，但当自行选择时机时骤降至 15-38%。
Meta AI 推出了 Muse Realtime Avatar，这是一项尖端的化身技术，使用流式 Diffusion Transformer 实时将语音转化为同步、富有表现力的化身。
一篇关于未来工作的讨论，探索字节级模型如何响应量化以潜在改进本地AI，基于一篇Meta论文，该论文显示随着计算规模增加，字节模型优于标记模型。
本研究揭示了一个“智能剪枝悖论”：诸如 Wanda 等激活感知剪枝方法虽然保持了困惑度，但在边缘设备上部署的大语言模型中显著放大了偏见。
Alta Daily 利用 Meta 的 Segment Anything 模型，通过改进图像分割和组织能力，彻底变革数字衣橱体验。