前段时间，我又看见一款女性向AI陪伴产品开启了小范围内测。产品名叫《MIO》，在内测前，官方账号发过几条男主们人设建模的帖子。评论区的反应并不算热烈。零星回复中，评论区说这些角色长得“人山人海”，意思是，你总能从中发现其他乙游男主的影子。尽管如此，《MIO》的内测群中，还是涌进了近千位玩家。对于不熟悉乙游的朋友来说，“AI乙游”的概念或许有些新。如果用“AI陪伴”“AI语聊”这些近似的名词说...
OpenCowork 是一个开源桌面 AI Agent 平台，能够在飞书中实时逐字回复用户，提升工作效率。它支持多平台，内置多种工具，用户可在飞书中直接进行任务管理和信息搜索，避免应用切换。
AI在电商中的应用迅速发展，但在真实交易中下单的能力尚未解决。Agentic Commerce作为系统能力，需要在明确协议下实现交易。目前，AI多停留在建议阶段，缺乏处理真实交易的能力。文章探讨了如何设计和验证这一能力，强调AI需具备可追踪、可恢复的交易过程，以实现真正的商业参与。
文章介绍了无代码工具Chatbot Demo Builder，用户可创建互动问答聊天机器人。该工具利用MongoDB的向量搜索功能，支持数据上传和聊天机器人配置。用户可以获取曼哈顿的餐厅推荐和旅游建议，并了解搜索过程和优化设置，最终轻松分享和使用聊天机器人。
本研究提出了LLaMA-Omni 2系列语音语言模型，结合了语音编码器和解码器。尽管仅使用20万多轮对话样本进行训练，该模型在多个基准测试中超越了GLM-4-Voice模型。
本文回顾了vercel/ai-chatbot中的useIsMobile钩子，该钩子利用window.matchMedia监测视口宽度，以判断是否为移动设备，并在视口变化时更新状态。初始状态为undefined，最终返回布尔值。
本研究提出了一种名为CHARM的校准方法，旨在解决奖励模型中的偏差问题，从而提高评估的准确性和与人类偏好的相关性，促进更公平可靠的奖励模型构建。
Chatbot是一个开源模板，用于构建对话式AI应用，基于Next.js App Router，支持多种AI模型，具备消息持久化、身份验证和多模态支持。它允许生成动态用户界面和定制组件，适合各种项目需求。详细文档提供项目设置、定制和迁移指南，帮助用户快速上手。
本研究提出了一种推测性谈话结束检测器，解决了对话系统中用户发言结束与犹豫的区分问题。通过结合GRU和Wav2vec模型，显著提高了检测准确性，实现实时检测，改善了语音对话系统的响应流畅性，提升了用户体验。
本文介绍如何在亚马逊云中国区使用SageMaker部署vLLM优化的DeepSeek模型，并结合NextChat实现流式推理的聊天应用，以提升AI服务的效率与安全性。
本研究提出了一种新颖的全局操控策略，利用Elo评分机制解决聊天机器人竞技场中模型排名受众包投票操控的问题，强调防止投票操控的重要性。
谷歌推出了Gemini 2.0 Flash Thinking模型，具备1M token的长上下文理解能力，能够在多轮对话中自我纠错。该模型在数学和科学能力测试中表现显著提升。Jeff Dean表示，目标是打造全面均衡的通用模型，并持续改进以满足用户需求。
本研究提出了一种基于大型语言模型的相似问题生成方法，以解决服务聊天机器人知识库的局限性。该方法提高了问题的多样性并保持语义一致性，实验结果表明其优于传统方法，结合顾客意图的答案对生成符合业务要求的问题至关重要。
本文介绍如何使用NVIDIA AI Endpoint、LangChain和FAISS构建RAG智能对话机器人，用于商品问答客服。采用phi-3-small-128k-instruct小模型，结合RAG检索外部知识库，弥补知识局限与幻觉问题，支持知识实时更新并降低成本。步骤包括环境搭建、数据清洗、向量化存储、检索生成，并以iPhone 4问答验证效果。
本文介绍了在京东云智算平台上安装和使用ollama开源大语言模型的方法。用户可以通过创建GPU实例并一键安装ollama，支持多种模型如llama2和llama3。文章还展示了如何使用ollama modelfile构建幼儿园老师角色的Chatbot，并指出llama对中文支持不足，后续将探讨构建中文模型的方案。
Perplexity公司首席执行官Aravind Srinivas宣布，将Yelp的地图、评论和其他细节整合到他们的聊天机器人中，以提供餐厅推荐。Perplexity选择Yelp是因为其能够提供基于文本和链接的答案。此次合作是Yelp Fusion计划的一部分，该计划向第三方授权数据。Perplexity计划扩展与其他服务的整合，如购物和金融数据提供商。
这篇文章介绍了一个名为Dialogflow的对话流程编辑器，它不同于ChatGPT那种大模型的问答，需要人工编辑对话流程。文章提供了该编辑器的GitHub项目地址和几个截图。
本文介绍了如何基于PolarDB PostgreSQL版和大语言模型构建企业专属Chatbot，提高回答的专业性和时效性。PolarDB PostgreSQL版通过PGVector插件实现向量化检索，具有低成本、易用性和可扩展能力。
本文介绍了ADB-PG作为Chatbot知识数据库的优势，它支持分布式事务、混合负载的数据仓库平台，同时也支持处理多种非结构化和半结构化数据源。ADB-PG的向量检索和融合检索功能于2020年首次在公有云上线，目前已经在人脸识别领域得到了广泛应用。结合大语言模型，Chatbot能够回答相关问题，但如果问题涉及到特定专业领域或新出现的物种概念，则需要结合像ADB-PG这样的一站式数据库来提供更专业更具时效性的回答。
本文介绍了微软小冰对话机器人的构建理念和架构，强调核心闲聊和多种技能的优化。小冰通过对话管理模块和话题管理策略，结合知识图谱和用户画像，提升对话的连贯性和个性化体验。设计理念包括智商、情商和个性，旨在提高用户的对话轮次。
完成下面两步后，将自动完成登录并继续当前操作。
-hew4seojf7.png)
/cdn.vox-cdn.com/uploads/chorus_asset/file/25332455/pplx_map_preview_desktop.png)
