小型语言模型（SLMs）在代理人工智能中逐渐取代大型模型，因其在处理重复性任务时更高效、经济。SLMs可直接在设备上运行，减少延迟，适用于特定工具调用，并能与大型模型协作，确保敏感数据不离开本地，适合医疗和金融等受限行业。因此，SLMs在代理设计中正成为重要选择。
麻省理工学院的研究人员开发了一种新方法，提升了联邦学习的效率，使其在资源有限的设备上更快地训练人工智能模型。该方法通过减少内存需求和通信负担，加速训练过程，平均提高了81%的速度。这项技术有望在医疗和金融等高风险领域应用，同时保护用户数据安全。
麻省理工学院的研究人员开发了一种新训练方法“带校准奖励的强化学习”（RLCR），该方法提高了AI模型的信心估计准确性，减少了90%的校准误差，同时保持或提升了准确性。通过惩罚模型的自信错误回答，促使模型在回答问题时考虑不确定性，适用于医疗、金融等领域，提升了AI输出的可靠性。
Talkdesk推出专用英国区域云，满足企业对数据主权和合规性的需求，支持医疗和金融行业，确保数据在英国境内处理，提升响应速度和安全性，助力企业实现本地化创新与合规。
PnPXAI框架解决了现有可解释人工智能（XAI）在不同神经网络和数据模式下的局限性。该框架能够自动检测模型架构、推荐解释方法并优化超参数，从而提升了解释的灵活性和有效性，适用于医疗和金融等多个领域。
AG2引入Graph RAG和FalkorDB新功能，通过知识图谱提升信息检索的准确性和推理能力。与传统向量数据库不同，Graph RAG利用图数据库处理复杂关系，适用于医疗和金融领域。该功能支持结构化输出，增强LLM响应能力，并允许嵌套聊天，提高任务处理效率。
SHAKTI是一种针对边缘AI和低资源环境优化的语言模型，拥有25亿参数，专为智能手机、可穿戴设备和物联网设计，能够在医疗、金融和客户服务等领域提供高效性能和精确度。
完成下面两步后，将自动完成登录并继续当前操作。
