OpenAI 模型赋能 Amp,AI 智能体功能拓展至代码之外
OpenAI 推出 Amp,利用 GPT-6 Astra、Ultrafast、GPT-Live-1 和 Sign in with ChatGPT 模型,推动 AI 智能体功能拓展至代码之外,实现更广泛的应用。
OpenAI 推出 Amp,利用 GPT-6 Astra、Ultrafast、GPT-Live-1 和 Sign in with ChatGPT 模型,推动 AI 智能体功能拓展至代码之外,实现更广泛的应用。
OpenAI 的 GPT-6 Astra 和 GPT-6.1 Sol 模型助力 Third Moment Research 运行 10,000 个智能体,持续工作超过 36 小时,实现长时间专注和持续学习。
Amazon SageMaker JumpStart 提供预训练模型库,支持模型部署和性能测试。用户可通过 SageMaker Python SDK 运行测试,并从 Hugging Face 模型发现直接部署到 SageMaker。2026年,JumpStart 引入模型发现和部署改进,简化流程。
Amazon Bedrock with managed entitlements 通过 AWS License Manager 激活 AWS Marketplace Private Pricing Offer (MPPO) 授权,简化多账户访问第三方 AI 模型,支持一次性轻量级脚本和持续事件驱动的自动化处理,提高定价协商速度和一致性,并记录审计日志。
summary_zh: - Llama.cpp 在 Amazon SageMaker AI 上部署决策模型,支持在 CPU 或 GPU 基础设施上托管量化模型。
微软研究院在 Nature 发表逆合成模型 RetroChimera,并开源其实现与权重。该模型融合 Transformer 模型 R-SMILES 2 与 GNN 模型 NeuralLoc,通过学习式重排序整合两者互补预测。
微软研究院推出 GigaPath-Flash 和 GigaTIME-Flash,用蒸馏自十亿参数 GigaPath 编码器的 22M 参数 ViT-S 骨干替代原模型,在 PANDA 前列腺分级和 EBRAINS 脑肿瘤分型基准上以约 50 倍更少算力达到原 GigaPath 3% 以内的性能。
Google DeepMind 发布实验性开源模型 DiffusionGemma,采用文本扩散方式并行生成整块文本,在专用 GPU 上最高实现 4 倍推理提速,单张 NVIDIA H100 上超过 1000 tokens/秒,RTX 5090 上超过 700 tokens/秒。
推荐理由:官方给出 26B MoE 文本扩散模型的速度数据与硬件门槛,可据此判断本地低并发场景的取舍。
OpenAI 发布开源工具包 GABRIEL,借助 GPT 把定性的文本和图像转化为定量数据,帮助社会科学研究者进行大规模分析。
推荐理由:OpenAI 开源 GABRIEL,用 GPT 把定性质文本与图像转为定量数据,为社科研究提供可复用工具。
Google DeepMind 发布 Gemma Scope 2,一套面向 Gemma 3 全系列(270M 至 27B 参数)的开源可解释性工具,覆盖每一层的 SAE 与 transcoder。
推荐理由:官方给出覆盖 Gemma 3 全尺寸的开源可解释性工具与数据规模,读者可据此判断模型内部行为审计的可用手段。
OpenAI推出ChatGPT个性化功能,通过自定义指令,用户可根据自身角色、偏好和工作需求进行个性化设置,提升用户体验。
ChatGPT 新增连接 Google Drive 功能,可整合内部知识库,提供更丰富的问答背景信息。
OpenAI发布ChatGPT canvas原型设计教程,指导用户从产品需求文档到HTML/React原型的制作过程。
OpenAI 推出针对营销团队的AI工具,旨在提升营销效率和效果。该工具基于GPT-4模型,支持多语言,并具备上下文理解能力,可帮助营销人员优化内容创作和数据分析。
OpenAI 发布八个仿真机器人环境,以及 Hindsight Experience Replay 的 Baselines 实现,这些环境是过去一年为自身研究开发的,并已用于训练可运行在实体机器人上的模型。OpenAI 同时发布了一组机器人研究需求。
推荐理由:OpenAI 公开八个仿真机器人环境与 HER 的 Baselines 实现,读者可了解其机器人研究的基础设施与后续方向。
OpenAI Baselines 新增 ACKTR 和 A2C 两个实现。A2C 是 A3C 的同步确定性变体,性能与之相当;ACKTR 比 TRPO 和 A2C 更节省样本,每次更新仅比 A2C 略多计算量。
OpenAI 开源了 RL-Teacher,一个通过偶尔的人类反馈而非手工设计奖励函数来训练 AI 的接口实现。该技术旨在推进安全 AI 系统,也适用于奖励难以明确指定的强化学习问题。
OpenAI 开源了一个基于 MuJoCo 引擎的高性能 Python 机器人仿真库,该库在其过去一年的机器人研究中开发而成。
OpenAI 开源内部项目 OpenAI Baselines,目标是以与已发表结果相当的性能复现强化学习算法。首批发布 DQN 及其三个变体,其余算法将在接下来几个月内陆续放出。
推荐理由:OpenAI 开源内部强化学习复现项目 Baselines,首批放出 DQN 及三个变体,可了解其复现思路与后续计划。