§ 01综述

Language 近期进展

Language 作为人工智能领域的关键技术，正经历着快速的发展和创新。近期的研究和报道显示，Language 模型在科学发现、机器人建模、家具组装、高效推理和图像生成等方面取得了显著进展。

LLM 无法真正进行科学发现

MIT与哈佛新论文：LLM无法真正进行科学发现指出，尽管大型语言模型（LLM）在处理科学文本方面表现出色，但它们无法进行真正的科学发现。

DriftWorld: 基于漂移生成模型的快速机器人世界建模提出了一种新的方法，通过漂移生成模型快速构建机器人世界模型。

MPLM：消息传递机制实现高效LLM推理介绍了一种新的消息传递机制，以提高LLM推理的效率。

Tapered Language Models：沿深度锥形分配MLP参数提升性能提出了新的模型结构，通过沿深度锥形分配MLP参数来提升性能。

DeLM：无需中央协调器的语言模型Agent编排方法介绍了一种新的方法，使得语言模型Agent能够无需中央协调器进行编排。

大型语言吉布斯的结构化概率推理方法探讨了如何利用大型语言模型进行结构化概率推理。

LCLMs用压缩替代检索，重新定义Agent记忆系统提出了新的方法，使用压缩替代检索来优化语言模型Agent的记忆系统。

Pika MCP 推出 Language Swap，视频换语言并克隆声音介绍了Pika Labs的新产品，能够实现视频语言的转换和声音的克隆。

Language 模型的研究和应用正变得越来越广泛，从科学发现到日常交互，Language 模型的潜力被不断挖掘。同时，如何提高LLM的效率和准确性，以及如何确保其安全性和可靠性，成为了当前的研究焦点。

§ 02相关报道10 条在档

§ 03邻近话题