在 Google 和 OpenAI 周二发布 AI 相关新闻后,微软也随之发布了自己的公告。其中包括两个号称首创的 Microsoft 365 Copilot "深度推理"智能体:Researcher 和 Analyst,以及新的自定义 AI 智能体功能。Researcher 基于 OpenAI 的深度研究 AI 模型,能够执行"复杂的多步骤研究",并通过连接器访问 Salesforce 或 ServiceNow 等第三方数据源,使企业客户能够从各种工具中获取洞察。
Analyst 基于 OpenAI 的 o3-mini 推理模型,微软表示,通过链式思维推理,它能够将原始数据转化为电子表格,运行可视化的 Python 代码,并以skilled数据科学家的水平工作,生成像这样的报告 (pdf)。
这些工具计划将于 4 月开始向早期访问计划中的 Microsoft 365 Copilot 许可证持有者推出,同时新的自主智能体功能也开始在 Copilot Studio 中逐步推出。
微软声称,Copilot 中的新智能体流程功能强大到足以"自动化你能想象到的任何任务",它具有包含 AI 操作的基于规则的工作流。LinkedIn 公告中描述了一些应用场景,比如将反馈邮件定向分发给相应团队的智能体流程。但我们需要实际体验才能了解它相比添加一两个复选框有什么优势,以及它的"低代码"体验实际效果如何,是否能实现 AI 公司对智能体的承诺。
好文章,需要你的鼓励
这项研究由新加坡国立大学团队开发的DualParal技术,通过创新的双重并行架构解决了AI视频生成的长度限制问题。该方法同时在时间帧和模型层两个维度实现并行处理,配合分块降噪机制、特征缓存和协调噪声初始化策略,使生成分钟级长视频成为可能。实验表明,在生成1,025帧视频时,DualParal比现有技术减少了高达6.54倍的延迟和1.48倍的内存成本,同时保持了高质量的视频输出,为内容创作者提供了生成更长、更复杂视频叙事的新工具。
SoloSpeech是约翰霍普金斯大学研究团队开发的创新语音处理技术,针对"鸡尾酒会效应"问题提出了全新解决方案。该系统通过级联生成式管道整合压缩、提取、重建和校正过程,实现了高质量目标语音提取。与传统判别式模型相比,SoloSpeech采用无需说话者嵌入的设计,直接利用提示音频的潜在空间信息与混合音频对齐,有效避免特征不匹配问题。在Libri2Mix及多个真实世界数据集上的评测显示,SoloSpeech在清晰度、质量和泛化能力上均达到了领先水平,为语音分离技术开辟了新方向。
这项由北京大学深圳研究生院、伟湾大学、腾讯ARC实验室和兔小贝智能联合研究的Sci-Fi框架,通过创新的对称约束机制,解决了视频帧间插值中的关键问题。研究团队设计了轻量级EF-Net模块,增强结束帧约束力,使其与起始帧形成平衡影响,从而生成更自然流畅的中间过渡帧。实验证明,该方法在各种场景下都优于现有技术,特别适用于电影制作、动画创作和视频编辑领域,显著降低了人力成本。
这项来自西北大学和谷歌的研究突破了传统马尔可夫强化学习的局限,通过贝叶斯自适应RL框架解释了大语言模型中涌现的反思性推理行为。研究团队提出的BARL算法通过维护多个解题策略的后验分布,指导模型何时何地进行反思性探索,在数学推理任务上展现出显著优势,比基线方法减少高达50%的标记使用量,同时提高了准确率。这一研究不仅解释了"为什么反思有用",还提供了实用的指导原则,为AI系统的自适应推理能力开辟了新方向。