标签

 智能体 

相关的文章:

本列表汇集了关于智能体技术的最新研究与应用,涵盖从自然语言处理到多智能体系统的多种主题,助您深入了解智能体的前沿动态。

腾讯大模型战略首次全景亮相!智能体平台重磅上线,从“落地可用”到“智能协同”

智能体的开发门槛,又又又被打下来了

腾讯云在AI产业应用峰会上推出智能体开发平台,实现零代码配置的多智能体协同,提升企业AI应用能力。该平台具备RAG能力,支持复杂问答和工作流编排,满足企业多样化需求,推动智能体从“落地可用”向“智能协同”发展。

原文中文,约4100字,阅读约需10分钟。发表于:
阅读原文

2025年将是AI智能体元年,企业应用拐点已至

(全球TMT2025年5月22日讯)IBM大中华区技术销售总经理、首席技术官翟峰在撰文中写道:2025年,AI […]

Gartner预测到2025年,企业软件中自主型AI的比例将达到33%,AI智能体将取代大语言模型,能够自主理解和执行任务,提升生产力。尽管面临技术挑战,AI智能体的基础已具备,未来将实现人机协同。IBM已推出智能体解决方案,助力企业发展。

2025年将是AI智能体元年,企业应用拐点已至
原文中文,约900字,阅读约需3分钟。发表于:
阅读原文
原文中文,约4600字,阅读约需11分钟。发表于:
阅读原文

即构实时互动AI Agent 2.1版本发布,支持多用户同时与一个智能体语音互动等功能

近日,即构科技(ZEGO)实时互动 AI Agent 2.1 版本发布,新增多用户 vs 1 智能体、语音识别断句、打断智能体说话等 7 项新功能;同时进一步优化了语音交互体验。 ...

即构科技发布实时互动AI Agent 2.1版本,新增多用户互动和语音识别断句等7项功能,优化语音交互体验。支持多个用户同时与AI互动,智能体可主动引导话题,适用于多种场景。语音断句效果升级,支持根据用户习惯调整,提升交互自然度。

即构实时互动AI Agent 2.1版本发布,支持多用户同时与一个智能体语音互动等功能
原文中文,约1300字,阅读约需4分钟。发表于:
阅读原文
发表于:
阅读原文

免费公开课 | GNN+LLMs三层架构实战教学,打造企业专属知识图谱与AI智能体

当前,人工智能技术已成为企业数字化转型与智能化升级的关键力量,那些率先部署AI的企业将变得更加高效。本期培训采用项目式学习方式,结合中医药大模型和医学基因多模态案例,,正在全面释放企业数据的深层价值,驱动企业决策与业务管理走向精细化与自动化。本期培训将于5月24日在英特尔大湾区科技创新中心举办,全程免费参与,名额有限,报名时间截止至5月23日,在此趋势下,企业需要结合自身数据与行业知识,,助...

人工智能技术推动企业数字化转型,知识图谱连接AI与企业知识管理,提升决策与管理效率。企业需结合自身数据与行业知识,应用合适的AI模型,解决数据孤岛问题。英特尔大湾区科技创新中心将举办培训,教授构建知识图谱与AI智能体的方法。

原文中文,约700字,阅读约需2分钟。发表于:
阅读原文

微软 Build 2025:AI 智能体时代与开放智能体网络的构建

我们正在把全新的模型和编程智能体交到开发者手中,推出企业级智能体,让 Azure AI Foundry、GitHub 和 Windows 等平台成为构建智能体的最佳开发阵地,全面拥抱开放协议,并借助 AI 加速科学发现——所有这些,都是为了帮助开发者和组织创造下一个颠覆性的创新。在 Build...

微软全球首席传播官Frank X. Shaw表示,AI智能体时代已经到来,AI模型在开发、研究和医疗等领域展现出强大效能。微软通过GitHub Copilot和Microsoft 365 Copilot等工具,提升开发者效率,推动数字化转型。未来,微软将构建开放的智能体网络,支持AI智能体在各业务流程中协同工作。

原文中文,约4400字,阅读约需11分钟。发表于:
阅读原文
原文中文,约1600字,阅读约需4分钟。发表于:
阅读原文

DSMentor:利用课程学习和在线知识积累提升数据科学智能体

本研究解决了在推理过程中问题处理顺序对大型语言模型(LLM)智能体性能的影响问题,提出了一种新的推理时间优化框架DSMentor,采用课程学习策略,通过逐渐增加任务难度来提升智能体在复杂数据科学任务中的表现。实验结果表明,DSMentor能够显著提高通过率,并增强因果推理能力,展示了有效知识积累和利用的重要性,旨在促进LLM性能的进一步提升。

本研究提出DSMentor框架,通过优化大型语言模型的推理问题处理顺序和课程学习,显著提升智能体在复杂数据科学任务中的表现、通过率和因果推理能力。

原文中文,约300字,阅读约需1分钟。发表于:
阅读原文

计算机使用的高效智能体训练

本研究解决了传统智能体训练中对大量高质量轨迹数据的依赖问题。论文提出了一种新的训练框架PC Agent-E,通过对少量人类标注的计算机使用轨迹进行合成,显著提升了模型性能,相较于Claude 3.7 Sonnet实现了141%的相对提升,且在不同操作系统上表现出较强的泛化能力,展示出高质量轨迹数据的潜力。

本研究提出了PC Agent-E训练框架,解决了智能体训练对高质量轨迹数据的依赖。通过合成少量人类标注的轨迹,模型性能显著提升,展现出良好的泛化能力。

原文中文,约300字,阅读约需1分钟。发表于:
阅读原文