演讲生成黑科技，PresentAgent从文本到演讲视频
本项目提出 PresentAgent 系统，能够将长篇文档转化为带解说的演示视频。PresentAgent 通过模块化流程实现视觉和语音同步生成，并引入 PresentEval 评估框架全面考量内容、视觉与理解质量。
多模态智能体
通用 Agent 之外，Agentic Age 流量赛还有哪些「隐藏副本」？
本期通讯解读 Agentic AI 时代的流量入口变化。通用 Agent 并非唯一可能性，不同玩家通过语音指令、自然语言编程等路径争夺新入口。
视觉感知驱动的多模态推理：阿里通义提出VRAG-RL，定义下一代检索增强生成
VRAG-RL 是一种基于强化学习的视觉检索增强生成方法，通过引入多模态智能体训练，实现了视觉语言模型在检索、推理和理解复杂视觉信息方面的显著提升。
即将截止！AI应用产业全景图谱申报倒计时
2025年AI技术将深入千行百业。北京智合标准中心发布全国首个AI应用产业全景图谱，涵盖基础技术、产业融合等五大层，并提供政策、资本等支持。欢迎更多单位申报，包括案例展示、形象塑造、资源链接及标准编制机会。
中国信通院启动多模态智能体技术规范编制了
多模态智能体技术发展面临碎片化和伦理问题，中国信通院启动技术规范编制以解决跨领域协同难题。通过统一架构、数据融合和隐私保护标准，推动智能体从实验室创新迈向规模化应用。
阿里PC-Agent重构人机交互，精准拆解跨应用指令，自动化办公更进一步
阿里通义实验室提出PC-Agent框架，实现复杂PC任务自动化。该框架通过主动感知模块和层次化多智能体协作结构处理跨应用工作流指令。实验表明其在复杂任务上表现优于现有方法。
phidata 是一个开源框架，用于构建具有记忆、知识、工具和推理能力的多模态智能体（Agents）
phidata 是一个开源框架，用于构建多模态智能体，并提供美观的用户界面进行交流，参考更多文档及资源。