标签
Unsloth 发布 NVIDIA Nemotron 3.5 Bolt E4B 的 GGUF 量化版本（Q4_K_M），这是一个基于 Gemma-4-E4B-it 进一步后训练的小语言模型（SLM），专为低内存、低首字延迟的本地语音助手与嵌入式/边缘设备场景优化。
NuPlay 是一个面向企业的 AI 智能体平台，可在生产环境中运行并实现自我改进，支持语音、聊天和邮件渠道，通过五个核心层（NuPro、NuStack、NuContext、NuPulse、NuLoop）构建、运行和优化智能体。
对 7 款 AI 电话智能体的实测对比进入第三轮，重点测试打断处理和电话菜单导航能力。在自建平台中，Retell 凭借自然的语音脱颖而出，而 PlaceCall 和 ClawCall 则领跑“直接拨打”组。
论文提出 RASSG（修正感知语义存续门控），在流式语音中联合控制工具的提前启动与取消，通过参数稳定性判断是否启动，并结合无效风险与执行成本，在执行进入不可逆阶段前取消，显著降低过期执行率（在 ReCAST 上从 50% 降至 3.15%）。
Airbnb 首席执行官 Brian Chesky 认为，聊天机器人并不是电子商务和旅行领域的正确界面。他表示，消费级 AI 需要全新的确定性/生成式界面，而 AI 智能体则需要自己的运行层。Airbnb 正在开发"多人协作"式 AI，并让其应用对智能体更加友好。
一篇关于AI助手未来的思辨性文章，设想了一个中央助手，能够与第三方应用集成、创建个性化应用，并通过持续对话和记忆主动管理工作流程。
对AI语音助手ChatGPT-Live、Pi、Lucy OS1和Gemini-Live的比较，重点关注哪个使用起来最自然，得出的结论是：随着智能水平的提高，对话质量正成为关键差异化因素。
对AI语音模型中半双工与全双工架构的分析，讨论了重叠、反馈和打断等关键特性，这些特性使语音助手听起来很机械。
Google的Gemini Spark和苹果的由Gemini驱动的Siri 2.0将在未来两周内推出，代表了将AI代理带给主流消费者的重大尝试，潜在用户可达数十亿。
Elba 展示了其统一的 AI 架构，能够实时桥接语音和文本渠道，并将其单一代理系统与竞争对手支离破碎的“披着大衣的三个机器人”方法进行了对比。
MoshiRAG 将紧凑的全双工语音语言模型与异步检索增强生成相结合，在保持实时交互性的同时提高事实准确性。该方法利用对话中自然的时空间隙来检索外部知识，而不会打断对话的自然流程。