**一個用語言互動的無人機控制研究計畫：UAV-Flow，透過語言指令實現無人機的精確控制，直接說話就能飛**

UAV-Flow是第一個專注於精細動作控制的系統，過去的研究主要集中在遠距離導航控制

UAV-Flow主要專注於語言引導的精細動作控制，無人機根據語言指示可執行更複雜、更精準的近距離動作

例如，用說話的方式，讓它繞樹飛行，在車的左側降落等，更適合一般人使用

其用「模仿學習」的方法來訓練無人機，就是說讓無人機「模仿」經驗豐富的飛行員是怎麼飛的，把飛行員的飛行軌跡和對應的語言指令結合起來，讓無人機學習

由於無人機機載運算能力的限制，UAV-Flow搞了一套地空協同部署策略，把複雜的運算任務放在地面站完成，解決在無人機上部署大規模AI模型的問題

支援固定命令集和開放詞彙命令集

專案頁：https://prince687028.github.io/UAV-Flow/
代碼應該後續會放出來

加入免費會員，更新資訊不漏接： https://open.firstory.me/join/cma3mukjr127j01w5h4m56giw
小額贊助支持本節目： https://open.firstory.me/user/cma3mukjr127j01w5h4m56giw
留言告訴我你對這一集的想法： https://open.firstory.me/user/cma3mukjr127j01w5h4m56giw/comments

Powered by Firstory Hosting

**一套LLM幻覺檢測工具：uqlm，給了多種評測方式來檢測AI輸出幻覺，可以根據不同的場景選擇合適的方法**

1.黑盒評分器，透過多次產生並比較相同提示的回復來評估一致性。就反覆問同一個問題，如果每次回答的核心意思不一致或差異很大，表示它可能在瞎編

2.白盒評分器，利用token機率估計不確定性。看看LLM對自己答案中每個部分的自信程度，如果它對某個字或句子很不確定，就表示這部分內容可能有問題

3.專家評審法 (LLM 作為評審評分器)，使用一個或多個 LLM評估原始LLM回應的可靠性，就是找其他LLM來評判答案的可靠性

4.綜合評估法 (整合評分器)，結合以上幾種方法進行綜合評估

github：https://github.com/cvs-health/uqlm

加入免費會員，更新資訊不漏接： https://open.firstory.me/join/cma3mukjr127j01w5h4m56giw
小額贊助支持本節目： https://open.firstory.me/user/cma3mukjr127j01w5h4m56giw
留言告訴我你對這一集的想法： https://open.firstory.me/user/cma3mukjr127j01w5h4m56giw/comments

Powered by Firstory Hosting

**Google基於Gemma 3的多模態醫療模型：MedGemma，可根據醫學影像和病歷描述產生診斷報告**

它在胸部X光片、皮膚病圖像、眼科圖像、病理切片等大量醫療數據上進行了預訓練和微調

可以看圖說話，給一張X光片，讓它用文字描述圖像內容；讓它回答關於醫學的問題；或給它一些醫學影像和相關病歷信息，讓它產生一份診斷報告

兩個版本，
4B 多模態版，支援圖像和文字
27B 純文字版

性能都優於其基礎模型

應用場景可以用於醫學影像分類；視覺問答，看X光片、看看皮膚照片、看眼底照片、看病理切片；報告生成等等；可做為開發醫療AI應用的起點

模型：https://huggingface.co/collections/google/medgemma-release-680aade845f90bec6a3f60c4

加入免費會員，更新資訊不漏接： https://open.firstory.me/join/cma3mukjr127j01w5h4m56giw
小額贊助支持本節目： https://open.firstory.me/user/cma3mukjr127j01w5h4m56giw
留言告訴我你對這一集的想法： https://open.firstory.me/user/cma3mukjr127j01w5h4m56giw/comments

Powered by Firstory Hosting

**Manus類agent卷瘋了，又出來一款ii-agent開源框架，擅長建構跨多個領域工作流程的agent，能獨立執行複雜任務已成為Agent標配**

其技能涵蓋研究與核查、內容產生、資料分析視覺化、軟體開發、工作流程自動化、問題解決6個面向

可以用它來做筆記、寫文章、做研究、分析資料、寫程式碼、建立網站、自動化工作流程、故障排除等等，基本上日常工作涵蓋的差不多了

ii-agent整合了搜尋引擎、程式碼編輯器、命令列終端機等工具，使得它可以處理更複雜的任務，具備持續學習和適應能力

給了命令列介面和網頁介面兩種互動方式。目前正在開發針對PDF、音訊、影像、視訊、幻燈片等不同模態的處理能力

github：https://github.com/Intelligent-Internet/ii-agent

加入免費會員，更新資訊不漏接： https://open.firstory.me/join/cma3mukjr127j01w5h4m56giw
小額贊助支持本節目： https://open.firstory.me/user/cma3mukjr127j01w5h4m56giw
留言告訴我你對這一集的想法： https://open.firstory.me/user/cma3mukjr127j01w5h4m56giw/comments

Powered by Firstory Hosting

https://claude.ai/new

加入免費會員，更新資訊不漏接： https://open.firstory.me/join/cma3mukjr127j01w5h4m56giw
小額贊助支持本節目： https://open.firstory.me/user/cma3mukjr127j01w5h4m56giw
留言告訴我你對這一集的想法： https://open.firstory.me/user/cma3mukjr127j01w5h4m56giw/comments

Powered by Firstory Hosting

加入免費會員，更新資訊不漏接： https://open.firstory.me/join/cma3mukjr127j01w5h4m56giw
小額贊助支持本節目： https://open.firstory.me/user/cma3mukjr127j01w5h4m56giw
留言告訴我你對這一集的想法： https://open.firstory.me/user/cma3mukjr127j01w5h4m56giw/comments

Powered by Firstory Hosting

 Google I/O 大會的演講稿，內容圍繞著 Google 在人工智慧 (AI) 領域的最新進展。演講者詳細介紹了 Gemini 模型的性能提升、應用擴展以及其在 搜尋、影像生成、影片創作、機器人等方面的整合。此外，演講稿也涵蓋了 AI 驅動的新產品和功能，例如 Project Starline 的 Beam 視訊通訊平台、Project Astra 的通用 AI 助理、Project Mariner 的網路互動代理，以及針對開發者的 AI 工具和 API。最後，演講中也討論了 AI 在協助身心障礙者、災害應變等方面的潛力，並預告了 Android XR 眼鏡等新硬體產品。

加入免費會員，更新資訊不漏接： https://open.firstory.me/join/cma3mukjr127j01w5h4m56giw
小額贊助支持本節目： https://open.firstory.me/user/cma3mukjr127j01w5h4m56giw
留言告訴我你對這一集的想法： https://open.firstory.me/user/cma3mukjr127j01w5h4m56giw/comments

Powered by Firstory Hosting

是一款由 Google 開發的全新 AI 製片工具，專為搭配其先進模型 Veo、Imagen 和 Gemini 使用而設計。Flow 旨在透過提供如攝影機控制、場景建構器和資產管理等功能，協助創作者輕鬆製作出具電影感的短片和場景。此工具是 VideoFX 的演變，目前已開放給訂閱 Google AI Pro 或 Ultra 方案的美國使用者，未來將陸續開放給更多國家。此外，Google 也與多位電影製作人合作，探索 AI 在電影敘事中的潛力，並將他們的意見整合到 Flow 的開發中。

https://blog.google/technology/ai/google-flow-veo-ai-filmmaking-tool/

加入免費會員，更新資訊不漏接： https://open.firstory.me/join/cma3mukjr127j01w5h4m56giw
小額贊助支持本節目： https://open.firstory.me/user/cma3mukjr127j01w5h4m56giw
留言告訴我你對這一集的想法： https://open.firstory.me/user/cma3mukjr127j01w5h4m56giw/comments

Powered by Firstory Hosting

微軟執行長薩蒂亞·納德拉在 Build 2025 開場演講中，強調人工智慧（AI）為開發者帶來的新平台轉變。他深入探討了包括 GitHub Copilot 在內的 AI 工具如何提升開發者效率，並宣布 Microsoft 365 Copilot 的最新進展，特別是在代理程式和多代理程式協調方面的突破。演講還介紹了 Azure AI Foundry，作為支援各類 AI 工作負載的全面應用程式伺服器，並宣布與 OpenAI、Mistral 和 XAI 等公司在模型選擇和基礎設施方面的合作。此外，演講展示了 Windows AI Foundry 和 MCP 協定，強調在客戶端設備上實現 AI 功能的重要性，最後則展示了 AI 在科學研究和教育等不同領域的實際應用，展現了微軟對賦予全球開發者權力以塑造 AI 驅動的未來的願景。

https://youtu.be/ceV3RsG946s?si=DJBvU1swQS_7FxXu

加入免費會員，更新資訊不漏接： https://open.firstory.me/join/cma3mukjr127j01w5h4m56giw
小額贊助支持本節目： https://open.firstory.me/user/cma3mukjr127j01w5h4m56giw
留言告訴我你對這一集的想法： https://open.firstory.me/user/cma3mukjr127j01w5h4m56giw/comments

Powered by Firstory Hosting

 Google NotebookLM 將推出的新功能 「Sparks」影片摘要，此功能旨在將使用者文件或研究報告自動轉換為短影片。 文章指出，此項技術仰賴 Gemini2.5Pro 的多模態能力以及 Deep Research 功能，能夠快速生成包含文字、圖片和音訊的結構化影片。 報導也分析了「Sparks」在 教育、研究與內容創作 等多個領域的應用潛力及其對 AI內容生成 領域的影響，同時提及可能引發的版權與原創性爭議。

加入免費會員，更新資訊不漏接： https://open.firstory.me/join/cma3mukjr127j01w5h4m56giw
小額贊助支持本節目： https://open.firstory.me/user/cma3mukjr127j01w5h4m56giw
留言告訴我你對這一集的想法： https://open.firstory.me/user/cma3mukjr127j01w5h4m56giw/comments

Powered by Firstory Hosting