最近有点纠结，究竟是开始上手AI视频，还是深入研究些 agent。

最近有点纠结，究竟是开始上手AI视频，还是深入研究些 agent。 本着“不看广告看疗效”的态度，调研了一圈两者在商业公司的落地情况，发现还是后者更加靠谱，更加适合我。 吴恩达老师的“GPT-4+agent＞GPT-5”的判断，个人是比较认同和深有感触的。 吴恩达老师在演讲中还提到agent的 4 大设计模式，并推荐了10篇相关的论文，我打算今天就开始啃起来： 1、Reflection 2、Tool Use 3、Planning 4、Multi-agent collaboration

米哈游最近与复旦NLP实验室合著了一篇86页的AI Agent论文，该论文从认知核心（推理，记忆，规划）、感知（文本，视觉，听觉

米哈游最近与复旦NLP实验室合著了一篇86页的AI Agent论文，该论文从认知核心（推理，记忆，规划）、感知（文本，视觉，听觉）、行动（文本，工具使用，具身）、参与者（单智能体，多智能体，真人与智能体）和环境（虚拟沙盒，物理引擎）等方面做了一个很好的AI Agent概述。 如果“斯坦福小镇”这样的生成式Agent可以应用到《原神》或其他大型MMORPG游戏中，那无疑将带来令人难以预料的惊喜。但目前来看大规模部署Agent的成本和效率等关键难题还有待突破。 论文链接：

微软在最近发布的一篇论文中对 GPT-4 进行了全面评测。微软认为「鉴于 GPT-4 能力的广度和深度，我们相信它应该被合理视作

微软在最近发布的一篇论文中对 GPT-4 进行了全面评测。微软认为「鉴于 GPT-4 能力的广度和深度，我们相信它应该被合理视作一个通用人工智能（AGI）系统的早期（但仍不完整）版本。」 #抽屉IT

最近关于PM要不要读论文的讨论越来越热烈了

最近关于PM要不要读论文的讨论越来越热烈了 不管怎么说算法都要读论文的 一位算法朋友为了满足自己需要搞了网站 - 用算法选出每天最值得看的10篇AI论文 - 也可以自己搜索感兴趣的论文话题 - 论文解决的问题都用中文列好了 - 未来研究思路启发灵感 如果你也想AI论文，可以试试

一篇名为《Scaling Transformer to 1M tokens and beyond with RMT》（）最近在技

一篇名为《Scaling Transformer to 1M tokens and beyond with RMT》（）最近在技术圈引发热议。有推友用chatgpt给这篇论文做了一个通俗易懂的总结。| 该论文提出一种名为 RMT 的新技术，或许可将 Transform 的 Token 上限扩展至 100 万，甚至更多。 而目前最强的 GPT-4-32k，其 Token 上限也才 3.2 万，这就导致了它并不能很好的处理长文内容。像文档、书籍、代码这种大块内容，往往需要先对内容进行切割，分多次喂给 GPT，但 GPT 本身能理解的上下文内容有限，这就很容易导致结果偏离预期。 如果未来 Token 的上限能够不断突破，将会创造出更多 AI 应用场景。包括之前所畅想的，训练一个无限接近自己人格的 AI 聊天机器人。

【这是GPT-4变笨的新解释变笨的本质是知识没进脑子？】在最近的一篇论文中，加州大学圣克鲁斯分校研究者的新发现或可解释 GPT-

【这是GPT-4变笨的新解释变笨的本质是知识没进脑子？】在最近的一篇论文中，加州大学圣克鲁斯分校研究者的新发现或可解释 GPT-4 性能下降的深层原因：LLM在「见过的」任务上表现出色，而在新任务上则表现糟糕。这意味着，LLM只是基于近似检索的模仿智能方法，主要是记忆东西，而没有任何程度的理解。 #抽屉IT