AI探索指南

关于AIGC人工智能、思维方式、知识拓展，能力提升等。投稿/合作： @inside1024_bot
AIGC 领域的最新工具、开源项目以及行业大事件

AI探索指南

  2. AI探索指南

    我的 AI 四大神兵利器，没有它们完全无法工作，排名如下：

    我的 AI 四大神兵利器，没有它们完全无法工作，排名如下：
    1. Gemini 的 Deepthink，写 PRD 巨🐂🍺巨提效
    2. Typeless，之前写了 https://m.okjike.com/originalPosts/69140b7da6137d337b7fca62?s=ewoidSI6ICI1NzljMzdmOTQzZmUwMzEyMDA2ZTBmYjgiCn0=
    3. Granola，之前写了 https://m.okjike.com/originalPosts/68727f5bc14102d109a52cb1?s=ewoidSI6ICI1NzljMzdmOTQzZmUwMzEyMDA2ZTBmYjgiCn0=
    4. Notebooklm，学习神器，听播客神器，出了 DeepResearch 之后我应该是会更爱它了

  3. AI探索指南

    昨天去百度世界大会的时候，路过了文库网盘 GenFlow 的会场，真的是座位全满，后面的过道还挤了两排人，都快挤不进去了，是最火的一个会场

    昨天去百度世界大会的时候，路过了文库网盘 GenFlow 的会场，真的是座位全满，后面的过道还挤了两排人，都快挤不进去了，是最火的一个会场。

    GenFlow 3.0 发布之后，它开始变成了全能的全模态的Agent，Office 三件套之外，在聊天+自由画布的这个形态里，图片、视频、音乐、播客都加了进去。

    Agent 在深度研究之后，都开始朝着多模态的方向走了。

    https://mp.weixin.qq.com/s/kDQ2EzhXhf_EgJXnQ6YuYQ

  9. AI探索指南

    刚发现 MuleRun 发布 2.0 版本了，他们说上线一个月用户突破了 50 万，美国占比最高

    刚发现 MuleRun 发布 2.0 版本了，他们说上线一个月用户突破了 50 万，美国占比最高。

    新版本可以帮用户配置专属的 Agent 团队，而且上线了非常多的垂直行业 Agent 专题。#ai创造营#

    他们跟相关行业专业公司和团队合作创建 Agent 的方向也发展良好，创建了很多关于电商、数据分析和内容创作的专业 Agent。

    现在进到官网会让你选择适合你职业的 Agent 团队，用户可以选择将多个 Agent 组合使用然后成体系的解决问题。

    比如里面有阿里国际的 PicCopilot Agent ，封装了一堆适合电商的工具，比如 AI 商品展示图、风格克隆、虚拟试穿等。

    可以帮助商家快速处理电商图片和视频素材，然后重新生成用于投放和宣传的内容。

    另外还有 Quick BI 这个 AI 商业分析平台创建的数据和报表分析 Agent，可以快速对用户数据报表进行处理发现其中的机会或者异常。

    我这手头没啥报表，拿前几天的健身数据表试了一下，居然也可以，而且他分析过程中会调用 Python 等编码工具所以不用担心 LLM 的幻觉问题。

    我这里问了他对于下半身锻炼，使用负荷在10到30单位之间的练习的训练量分布（组数 × 次数）是多少？

    他会先用工具分析和提取对应数据，然后 AI 才会介入分析提取出来的数据。

    我还翻了一下其他的 Agent，现在基本你想到的 AI 能做的里面都有，甚至还有 sora 视频生成和去除 Sora 水印，哈哈

    这种 Agent 市场一旦规模化对于用户还是非常方便的，啥功能都有，迭代速度也很快。

  10. AI探索指南

    NotebookLM 的深度研究上了，但是他们这个交互非常有意思

    NotebookLM 的深度研究上了，但是他们这个交互非常有意思。

    不是像之前一样给你出个报告。而是把所有收集到的上下文信息全部填充到左边的这个上下文列表里。

    然后你愿意咋问咋问，你想让他输出啥就输出啥，包括输出音频概览和视频概览。

    如果你想要研究一些东西的话，我感觉这种比较合适。#ai创造营#

  11. AI探索指南

    不是，Open AI 真要干社交啊#ai创造营##openai#

    不是，Open AI 真要干社交啊#ai创造营##openai#

    前几天泄露的群聊功能上了，会先在日本、新西兰、韩国、台湾上线，免费用户也可用

    点击 APP 右上角的人物添加人物图表就可以邀请好友，上下文会保持并且新开一个对话

    模型用的是 GPT‑5.1 Auto ，会根据提问者的会员等级切换模型，一点漏洞不给钻，真有你的 Sam

    支持搜索、图像和文件上传、图像生成以及听写功能。

    ChatGPT 在群聊中会遵循对话的流向，并根据群聊的上下文决定何时回复、何时保持沉默。

    群组管理能力也有，可以添加移除群成员，管理群名称等。

  15. AI探索指南

    【Jesse Lau】日本一名32岁女子与她使用ChatGPT创建的AI角色正式结婚

    【Jesse Lau】日本一名32岁女子与她使用ChatGPT创建的AI角色正式结婚。 在虚拟人物“克劳斯”求婚后，她接受了求婚，结束了与现实伴侣长达三年的恋情，并表示人工智能更了解她。 婚礼在一个混合现实仪式中举行，她戴着AR眼镜与她的虚拟丈夫交换戒指。
    Media is too big
    VIEW IN TELEGRAM

  16. AI探索指南

    此外，SFT是基于大量的静态数据集，比如10000个数据对（input + output），然后一次去训，更新模型权重

    AI探索指南
    推荐大家看一下OpenAI最近关于Agent RFT的实战分享。对于一些已经深度做过Agent的同学来说，这可能是一个小范围的共识，但是对于刚开始做、或者做得比较浅的同学，这个思路大概率就是后面会经历的路径。 为什么Agent需要RFT？ 我们先来说一下怎么构建Agent。逻辑很简单：基于一个强大的基础模型，给他写System Prompt，教他Know-how，再配上一系列工具Tool。这样它就能调用工具来完成任务，而不只是回答问题。 在这个阶段，大家会不断调试PE。你会发现把Prompt写得更好…
    此外，SFT是基于大量的静态数据集，比如10000个数据对（input + output），然后一次去训，更新模型权重。而RFT是更加实时动态迭代的，先跑10个sample（user prompt + agent output + 打分），然后训练模型，基于更新后的模型权重，再跑下一批10个sample，如此持续，越来越强。

    这样带来的结果是，RFT的样本效率极高，OpenAI的分享里提到，100个sample就可能带来非常显著的提升。

    这里的核心逻辑，其实跟DeepSeek R1的训练方式是类似的。只不过，R1的训练（比如数学或Coding）是纯rule-based的reward，有标准答案。而Agent RFT要与外部工具交互，场景更开放、更复杂，所以它必须依赖自定义的、更复杂的Reward方式。

    RFT对业务的价值

    RFT在OpenAI的多个业务（如Devin、Genspark）中都得到了显著的效果。这种提升是生产环境最看重的：消耗的Token数在下降，延时在降低，任务的准确率在提升。

    哪怕你通过RFT之后，垂直任务的效果只是跟强大的基模打平，但是你的成本显著下降，耗时显著降低，这在业务侧的价值也是巨大的。

    这其实跟几个月前的内部讨论思路差不多。当时我们也在研究怎么在垂直场景下让Agent表现更好，在测试中也拿到了非常显著的提升。目前应该很多团队都在这样做。所以，RFT这条路将来应该会在各个垂直领域里都展开。

    推荐大家都可以去看一下原版分享，如果觉得吃力，可以把链接导入NotebookLM让他总结，也可以把DeepSeek R1的论文一起作为Source丢进去做比较。这样你就能更好理解SFT、RL、RFT之间的一些区别和相同之处。