宇树科技已在浙江证监局完成IPO辅导备案，创始人王兴兴持股34.76%。公司成立于2016年，专注于四足和人形机器人，估值超百亿，已完成10轮融资，预计2025年申请上市，目标为科创板。

Google Labs推出了“Portraits”实验，用户可以与AI专家Kim Scott进行对话，获取基于其沟通和领导原则的辅导。AI将根据Kim的内容回答用户提问，旨在聚焦于专家领域并欢迎用户反馈以改进产品。

本研究探讨个性化人工智能辅导对语言学习的影响。通过对34名学生的准实验研究，发现AI辅导系统显著提升了学生的参与度和学业表现，显示出AI在教育中的潜力。

得克萨斯州的Alpha学校通过AI辅导使学生成绩提升至全国前2%。学生每天与AI助手学习2小时，其余时间发展其他技能。尽管个性化教育模式受到认可，但每年4万美元的学费引发了对其效果和成本的质疑。

本研究旨在解决缺乏可靠评估AI辅导模型教育能力的难题，通过创建MathTutorBench基准，提供全面的评估工具和数据集。研究发现，学科专长与教学能力之间存在权衡，而较长的对话则增加了辅导的挑战性。该基准的开放发布将推动未来模型的快速评估与发展。

本研究提出了一种合成用户生成框架，旨在改善健康和生活方式辅导中的用户交互，特别关注睡眠和糖尿病管理。通过真实健康数据生成合成用户档案，使与辅导代理的互动更真实有效。实验结果表明，这些合成用户在健康和行为属性上更能反映真实人类用户。

本研究旨在解决当前大型语言模型（LLMs）在外语教育中应用不足的问题，强调其教育方法的适应性。文章提出LLMs在外语教育中可以发挥数据增强、任务预测和个性化教育等三大关键角色，从而推动外语学习的创新与发展。

本研究提出了GenMentor框架，通过大型语言模型优化学习者的目标与技能匹配，设计个性化学习路径，显著提升学习体验。

本研究探讨了智能辅导系统Xiaomai在帮助中国大学生克服高级数学学习困难中的作用，强调其自动反馈和元认知设计对提升学习效果的重要性。

本研究解决了对话式辅导系统中大型语言模型（LLMs）缺乏有效教学策略和高昂数据集成本的问题。我们提出了一种合成辅导对话数据集，并对小型LLM进行了微调，结果表明该模型在实际辅导场景中性能与大型模型相当，但成本显著降低，为教育环境中实施LLM辅导系统提供了可行且具有成本效益的方法。

本文探讨了如何利用大型语言模型（LLMs）改善文本对话中的谈判效果。研究表明，通过强化学习和可评分的协商游戏，LLMs能够自主提升谈判策略。尽管GPT-4在多任务中表现优异，但在与人类的主观评估中仍存在显著差距。此外，研究揭示了人类与LLMs互动时的挑战及其对谈判结果的影响。

作者发现许多辅导机构无法负担昂贵的应用开发费用，因此创建了“Class To Cloud”，提供可定制的应用服务。机构可以选择视频讲座、笔记共享等功能。通过React Native实现跨平台开发，降低成本并加快速度。目前核心功能已完成，未来将继续优化。