加州大学伯克利分校等机构研究人员推出 DigiRL，这是一种创新的自主强化学习方法，旨在训练真实环境中的设备控制 AI 代理。该技术通过两阶段微调预训练的视觉语言模型，显著提升了 AI 在复杂图形用户界面控制任务中的表现。核心亮点包括：

　　R2R 是一个旨在连接本地 LLM 实验和可扩展的、生产就绪的检索增强生成的工具。它为开发者提供了一个全面且最新的 RAG 系统，围绕着 RESTful API 构建，方便易用。R2R 支持多模态输入，包括文本、文件、图像、音频等，同时还提供了混合搜索、图形 RAG、应用程序管理、客户端 - 服务器交互、可配置性、可扩展性等功能。

　　俄勒冈州佐治亚理工学院和 UIUC 推出 StreamingT2V，开源项目最新版本支持高分辨率长图像到视频的生成，为用户提供 24fps 和 12fps 两种帧率选择。这项技术利用条件注意力模块和外观保持模块，实现了视频片段间的一致性和长期场景特征保持，能够生成长达 2 分钟的高质量视频。

　　该项目采用随机混合方法，使视频增强器可在自回归过程中持续应用，从而产生无限长度的视频。实验表明，StreamingT2V 在生成高运动量视频方面表现优异，解决了现有方法容易导致视频停滞的问题。这一技术的泛化能力强，不受特定文本到视频模型限制。

　　UC Berkeley 黑客松活动上，Andrej Karpathy 指出，AI 领域正经历前所未有的变革，从小规模学术讨论发展到影响整个社会经济格局。Karpathy 强调，大型语言模型正成为新的计算核心，类似于传统 CPU 的角色。他预测 AI 技术将从数字领域扩展到物理世界，深刻影响基础设施。未来可能出现多个 AI 实体协作完成任务，自动化大量工作。Karpathy 还借鉴科幻电影《Her》和《I, Robot》，探讨了 AI 的潜在发展方向及其带来的伦理和社会挑战。

　　AI 情报局征集情报合伙人，汇集独家价值线索！如果您可以提供有关 AI 最新成果 & 行业内幕 & 独特产品，请添加运营微信号：AIyanxishe2 备注行业岗位。

竞博job 上一篇：质量为先丨连续三年满分！先声诊断通过NCCL ctDNA室间质评 下一篇：福建漳州：靠前服务 发挥质量“工具箱”作用