模型如何一边看、一边听、一边回应：实时流式音视频多模态模型技术路线技术分享从每秒一帧的客户端采样到原生全双工 AV2AV，系统梳理实时流式音视频多模态的六条技术路线：增量 prefill 与 KV/GDN 状态、共享时间轴、显式说话触发、异步思考、模态专家，以及因果音视频生成；并拆解 Qwen3.5-Omni、MiniCPM-o、ROMA、DuplexOmni、ELLSA 与 Wan-Streamer 的实现边界与选型要点。2026-7-30 多模态学习 Multimodal Learning 多模态模型 视频 VLM LLM Transformer AI_Agent
企业 AI 转型路线图：从单点试验到可规模化能力企业管理本文基于微软《The AI Strategy Roadmap》，总结企业 AI 从单点试验走向规模化的关键：从边界清晰、结果可测的真实业务问题开始；把数据契约、评测集、权限、监控和人工接管沉淀为可复用资产；再用清晰的组织责任与治理机制，把一次成功复制到下一个用例。真正值得规模化的，不是又上线一个 Agent，而是又验证并积累一套能重复交付业务结果的组织能力。2026-7-25 AI 战略路线图 企业 AI 转型 AI 规模化 企业级 AI AI_Agent GenAIOps 组织变革 AI 治理
AI Agent 中的上下文工程 (Context Engineering)技术分享本文聚焦 AI Agents 上下文工程技术，揭秘了从静态提示词工程到动态上下文工程的进化逻辑，还拆解了 Manus 应对上下文腐烂的核心技术与简化至上的实践原则。2025-11-28 LLM Generative 大语言模型 ChatGPT Prompt 提示词 OpenAI RAG Manus AI_Agent 上下文工程 Context Engineering Langchain
AI Agent 性能优化：核心策略与实战技巧技术分享本文深度拆解 AI Agent 性能优化的五大核心维度，提供超多可落地的实战技巧，助力打造更智能、鲁棒且高效的 AI Agent！2025-10-13 LLM Generative 大语言模型 ChatGPT Prompt 提示词 RAG Manus AI_Agent 上下文工程 Context Engineering Prompt Engineering Anthropic
🤖Mobile-Agent-v3：新的 GUI Agents 开源王者技术分享Mobile-Agent-v3 凭借多模态 GUI-Owl 模型、自我进化数据生成和 TRPO 强化学习，在多平台 GUI 自动化上超越主流开源方案，部分场景甚至优于 GPT-4o、Claude 3.7。2025-9-6 AI_Agent Multi-Agents UI Agents Web Agents Compute Use Phone Use Mobile Agents VLM LLM 智能体 GUI Agents Mobile-Agent-V3 GUI-Owl
Pix2Text 新版数学公式检测和识别模型：V1.5开源工具Pix2Text (P2T) 的数学公式检测模型（MFD）和数学公式识别模型（MFR）发布新版 V1.5 系列模型，效果得到进一步提升。2025-7-24 数学公式识别 Math-Formula-Recognition MFR Pix2Text P2T LaTeX-OCR Math-OCR 数学公式检测 工具 版面恢复 LaTeX V1.5
🤖MONDAY：从视频自动构建 GUI Agents 轨迹数据技术分享本文提出了一种自动化框架，该框架利用公开可用的视频内容生成 GUI Agents 训练使用的任务轨迹数据集，无需手动标注。2025-6-8 AI_Agent Multi-Agents UI Agents Web Agents Compute Use Phone Use Mobile Agents VLM LLM 智能体 GUI Agents MONDAY
🤖InfiGUI-R1：从反应式执行向推理式决策的进阶之路技术分享InfiGUI-R1 引入一种以推理为中心的渐进式训练方法，将 GUI Agents 从反应式执行模型转变为深思熟虑的推理模型。2025-4-29 AI_Agent Multi-Agents UI Agents Web Agents Compute Use Phone Use Mobile Agents VLM LLM 智能体 GUI Agents Reinfocement_Learning InfiGUI-R1 Reason
🧬《控糖革命》：了解血糖影响与控糖策略生活分享《控糖革命》的笔记，介绍了高血糖峰值对健康的负面影响，并详细介绍了通过调整饮食顺序、餐前饮醋、饭后运动、为碳水“穿衣”等实用策略来稳定血糖、促进整体健康的方法。2025-4-10 控糖 血糖管理 饮食顺序 餐后血糖 健康饮食 抗糖化 控糖革命 果糖 葡萄糖 碳水化合物
🤖GUI Agent 中使用 RL 提升模型泛化能力技术分享介绍 GUI Agent 如果利用强化学习（RL）算法训练模型，以提升模型的 OOD 泛化能力。2025-3-3 AI_Agent Multi-Agents UI Agents Web Agents Compute Use Phone Use AutoGLM Mobile Agents VLM LLM 智能体 ShowUI GUI Agents Reinfocement_Learning Digi-Q VEM
♾️估计KL散度的艺术：平衡偏差与方差的实用指南技术分享介绍 KL散度（KL Divergence）的不同预估方法。2025-2-10 Machine Learning Deep Learning Math KL-Divergence GRPO DeepSeek
🤖UI-TARS：利用长期记忆和反思调整不断优化技术分享来自字节跳动的 UI-TARS 基于 Qwen2-VL 微调，通过大量 grounding 和 navigation 数据，经三阶段训练，在感知能力训练加入新任务，利用特定方法迭代优化，以远超多数工作的数据规模，实现对中文图片和指令的良好支持。2025-1-24 AI_Agent Multi-Agents UI Agents Web Agents Compute Use Phone Use AutoGLM AppAgents Mobile Agents VLM LLM 智能体 规划推理 UI-TARS ByteDance GUI Agents
