微软的AI应用开发平台AutoGen,目前已在GitHub上揽获30.3k Star了。最近,为了进一步方便用户,微软推出了一个名为AutoGen Studio的开源界面。该界面可以通过设置Python API,以及简单的拖拽页面操作,从而无需编写代码,即可快速构建、测试、定制和共享AI智能体,极大简化了AI应用的开发。
此外,用户还可以在界面中查看聊天记录、生成的文件等。有人对微软的AI应用开发平台AutoGen不熟悉,它是一个能快速构建AI智能体的框架。通过这个框架,能配置多个智能体,这些智能体承担着不同的任务,如代码编写、人机对话或群聊管理。而各个智能体之间可以相互通信与协作,进而完成单个智能体无法独立完成的任务。



参考文献:
[1] https://microsoft.github.io/autogen/blog/2023/12/01/AutoGenStudio/
[2] https://github.com/microsoft/autogen
[3] https://microsoft.github.io/autogen/
好文章,需要你的鼓励
牛津大学提出PHYSIFORMER,一种扩散变换器模型,通过三维网格顶点轨迹直接在世界坐标空间预测刚性与弹性物体的物理运动,一次性生成全序列轨迹,超越自回归基线。
随着医疗数据数字化与互操作性的进步,跨机构纵向患者数据的研究应用成为可能。本研究通过对20位领域专家的访谈,识别出8种数据收集方法,涵盖智能手机应用、结构化数据导出、区域/全国研究查询及聚合数据源等。研究发现,各方法均有其优缺点,无单一最优方案。参与者中介交换方式可绕过复杂治理安排,但存在数据缺口;全国性网络尚不支持研究查询。公共政策的持续推进将对该领域发展起关键作用。
研究发现主流奖励模型对同等质量答案给出差异悬殊的分数,并提出"奖励聚类"算法通过蒙特卡洛随机失活将连续分数离散化,在不重训模型的前提下有效减少AI训练中的奖励作弊现象。