Enso Technologies Ltd. 今天推出了一个市场平台,企业可以通过月度订阅的方式访问人工智能代理。
该平台是与提供 AI 应用程序构建工具的初创公司 LangChain Inc. 合作的成果。
总部位于特拉维夫的 Enso 于去年 7 月启动,获得了来自 Google Research 负责人 Yossi Matias 和其他投资者的 600 万美元初始资金。公司由首席执行官 Mickey Haslavsky 领导,他此前共同创立了开发者工具提供商 RapidAPI。后者在去年被 Nokia Corp. 收购之前筹集了超过 2.7 亿美元的资金。
Enso 新推出的市场提供超过 300 个 AI 代理的访问权限,这些 AI 应用程序能够高度自主地执行业务任务。一些针对常见的 AI 用例,如生成营销文案和网站视觉资产。其他则专注于为汽车经销商等公司自动化行业特定任务。
该公司表示,其平台上的一些 AI 代理还可以执行复杂的数据处理任务。例如,销售人员可以使用它们在潜在客户的大型数据库中自动寻找销售线索。可以根据目标客户所在的行业、公司规模和其他参数来缩小结果范围。
企业可以通过每月 49 美元的订阅费访问 Enso 市场中的代理。这个价格点旨在让中小型企业也能负担得起,因为它们通常缺乏构建自己的 AI 代理的资源。
对于 AI 代理开发者而言,Enso 将其市场定位为更容易接触潜在客户的方式。该平台自动化了 AI 软件变现过程中的一些管理任务,包括支付处理和客户服务。
Enso 与 LangChain 合作推出这个市场。这家风投支持的开发者工具提供商提供了一个同名的开源框架 LangChain,简化了将大语言模型集成到应用程序中的任务。它包括预封装的代码组件和连接器,帮助大语言模型检索数据。
与 Enso 的合作重点不是 LangChain 的同名框架,而是该公司的第二个产品 LangGraph。这个工具同样旨在简化基于大语言模型的应用程序开发,但提供了比 LangChain 更高级的功能。
LangGraph 允许开发者构建包含多个 AI 代理的应用程序。这些代理可以配备记忆功能。根据 LangChain 的说法,这使得基于大语言模型的应用程序在处理新查询时能够考虑用户过去的提示。
大语言模型通常分多个步骤处理提示。LangGraph 的记忆功能使用户能够在每个步骤后暂停处理工作流,检查结果并在必要时提供修正。为了简化任务,开发者可以创建安全护栏来过滤有害输出。
开发者只需点击几下就可以将支持 LangGraph 的代理部署到 Enso 的市场。LangChain 首席执行官 Harrison Chase 表示:"LangChain 的使命一直是赋能开发者使用 AI 代理构建强大的应用程序。与 Enso 的这次合作更进一步 —— 开发者现在有了一个轻松接触数百万小企业并产生经常性收入的方式。"
好文章,需要你的鼓励
UniR(Universal Reasoner)是一种创新的推理增强方法,可为冻结的大语言模型提供即插即用的推理能力。由韩国科学技术院研究团队开发,该方法将推理能力分解为独立的轻量级模块,无需改变主模型结构。UniR的核心优势在于高效训练(仅更新小型推理模块)、出色的模型间迁移能力(小模型可指导大模型)以及模块组合能力(多个专用模块可通过logits相加组合使用)。在数学推理和翻译测试中,UniR显著超越现有微调方法,展示了轻量级模块如何有效增强大语言模型的推理能力。
Nebius团队开发了SWE-rebench,一个自动化管道用于从GitHub收集软件工程任务并进行去污染评估。该系统解决了两大挑战:高质量训练数据稀缺和评估基准容易被污染。通过四阶段处理(初步收集、自动安装配置、执行验证和质量评估),SWE-rebench构建了包含超过21,000个Python交互式任务的数据集,并提供持续更新的评估基准。研究发现部分语言模型在传统基准上的表现可能被污染效应夸大,而DeepSeek模型在开源模型中表现最为稳健。
这项研究提出了JQL(发音为"Jackal"),一种通过多语言方法提升大型语言模型预训练数据质量的创新系统。研究团队从拉马尔研究所等机构通过四阶段方法解决了多语言数据筛选的难题:先由人类评估内容教育价值创建基准数据,然后评估大型语言模型作为"评判者"的能力,接着将这些能力提炼到轻量级评估器中,最后应用于大规模数据筛选。实验表明,JQL在35种语言上显著优于现有方法,甚至能泛化到未见过的语言如阿拉伯语和中文,为多语言AI发展提供了高效可靠的数据筛选方案。
浙江大学和西湖大学研究团队开发的Styl3R实现了艺术风格化3D重建的重大突破,能在不到一秒内从少量未标定照片和任意风格图像创建具有多视角一致性的3D艺术场景。通过创新的双分支网络架构将结构建模与外观着色分离,系统不仅保持了原始场景结构,还准确捕捉了参考风格特征。与现有方法相比,Styl3R在处理速度和视觉质量上均显著领先,为创意内容制作开辟了全新可能。