寸先生的AI道路

2025年3月13日，由何凯明和Yann LeCun领衔的论文Transformers without Normalization挂载Arxiv上，大佬论文必须读一下。本文就该论文进行一个简单总结。

最近AI在音乐生成方面的进展引起了极大的关注，但现有的方法面临着严重的限制。一些当前的生成模型只能合成人声或伴奏轨道。虽然一些模型可以生成组合的人声和伴奏，但它们通常依赖于精心设计的多阶段级联架构和复杂的数据管道，阻碍了可扩展性。此外，大多数系统仅限于生成短音乐片段而不是全长歌曲。此外，广泛使用的基于语言模型的方法受到推理速度慢的困扰。DiffRhythm是第一个基于潜在扩散模型的歌曲生成模型，能够在短短 10 秒内合成具有人声和伴奏的完整歌曲，持续时间长达 4m45s，保持高音乐性和可理解性。

发布背景：Gemma 3 是2025年3月12日谷歌在之前发布的 Gemma AI 模型基础上的升级之作，基于 Gemini 2.0 技术打造。模型规模：提供了四种不同尺寸的模型，分别是 1B、4B、12B 和 27B，以满足不同硬件性能的需求。

技术原理上，OWL 通过动态智能体交互实现高效的任务自动化，强调智能体之间的协作模式和通信协议，并基于 CAMEL-AI 框架开发，大语言模型（如 OpenAI 兼容模型）作为智能体的核心能力。实测一下，还是比较费Token的，而且如果遇到网站反爬之类的还会有问题，Manus没有用过没有发言权。至少对比了openManus和OWL，感觉这个是Agent的曙光，但是真的使用，速度慢，费用较高，还有很大提升改进空间，个人觉得至少在目前，全自动可能还不太好用，人机协同会更好。文件，接入所需的 API 服务。

OpenManus，由 MetaGPT 团队精心打造的开源项目，于2025年3月发布。它致力于模仿并改进 Manus 这一封闭式商业 AI Agent 的核心功能，为用户提供无需邀请码、可本地化部署的智能体解决方案。换句话说，OpenManus 就像一位全能的数字助手，能够在你的本地设备上运行，随时听候差遣，完成各种复杂任务。它的出现，打破了技术领域的高墙，让每一位开发者都有机会站在同一起跑线上，快速实现诸如代码生成、数据分析、网络信息检索等复杂任务的自动化处理。

2025年3月5日，阿里巴巴千问QwQ-32B，即DeepSeek之后，中国AI大模型有一次震惊世界。QwQ-32B 的运行成本显著低于 DeepSeek-R1 等模型，性能更优，成本仅为 1/10，体现了我国在被外国技术封锁的情况下进行进行自主创新的能力。QwQ 是 Qwen 系列的大模型之一，专注于 推理能力（reasoning）。