SellerClaw
SellerClaw 是一个 AI 智能体团队，自动管理多平台店铺的选品、上架、广告和客服，让电商卖家专注于选品策略。
热门产品
Minimi
Minimi 是一款为 Claude 提供跨应用上下文记忆的 Mac 工具，无需手动提示即可自动收集文档、通话等信息，增强 AI 回复质量，注重隐私本地处理。
Leni
Leni 是一款面向投资者的 AI 数据分析工具，通过处理海量决策数据提供准确、可审计的金融级输出。
Veltrix AI
Veltrix AI是为创始人和财务团队打造的AI财务助手，通过自然语言提问直接获取现金流、利润等数据的实时分析洞察。
Ideogram 4.0
Ideogram 4.0 是一个开源权重文本转图像模型，提供边界框布局控制和多语言文本渲染，适合开发者和企业用于视觉 AI 应用。
Agent Mode on Arena
一款测试和运行自主AI智能体的平台，帮助用户完成浏览、研究、编码等多步任务，并实时观察工作流进展。
Nemotron 3 Ultra by NVIDIA
NVIDIA 推出的 Nemotron 3 Ultra 是一款专为长时间运行智能体设计的 550B MoE 模型，推理速度提升 5 倍，成本降低 30%，适用于复杂编码和深度研究。
LocalClicky
LocalClicky是Mac菜单栏应用，通过本地语音和LLM实现免提控制电脑，无需联网保护隐私，适合追求高效与安全的用户。
Agent Browser Shield
为AI浏览器代理设计的防护工具，阻止提示注入、保护隐私并节省token成本，适合使用浏览器智能体的开发者。
Microsoft MAI-Voice-2
微软最富表现力的TTS模型，支持15种语言的语音克隆和情感控制，为语音智能体构建者提供高质量语音合成。
Lumo Studios
Lumo Studios 是一款 AI 驱动的幻灯片制作工具，适合需要快速创建精美演示文稿的用户，可通过提示词生成并编辑幻灯片。
Clarafy
Clarafy是一款AI驱动的文本润色工具，通过热键快速将杂乱或口述内容转化为专业文本，适用于需要高效写作的用户。
Recursi
一个无API费用的自改进编程环境，方便开发者高效使用网页端AI聊天助手进行编码。
开源项目
career-ops
AI驱动的求职搜索系统，基于 Claude Code 将岗位筛选、简历生成、应用跟踪全流程自动化。亮点在于 14 种评估模式、Go 终端仪表盘和批量并行处理，作者靠它 740+ 岗位筛选后成功拿下Head of Applied AI职位。注意 AI 评估建议需人工复核，切勿自动投递，使用前务必阅读免责声明。
flue
无头式 Agent 编排框架，类似 Claude Code 的可编程版本——用 TypeScript 定义 agent 工作流，支持 HTTP/WebSocket 驱动、MCP 工具接入和远程沙箱（Daytona 等），可在 Node.js 或 Cloudflare Workers 上部署。
VibeVoice
微软开源的语音AI模型家族，包含ASR和TTS两大方向，核心创新是7.5Hz超低帧率连续语音标记器与下一标记扩散框架。ASR模型可一次性处理60分钟长音频并输出说话人/时间戳/文本结构化转录，TTS支持90分钟多说话人合成，还有轻量0.5B实时流式版本。
whisper
通用语音识别模型，基于大规模弱监督训练，支持多语种语音识别、翻译和语言检测。亮点在于开源提供了从tiny到turbo多个尺寸的预训练模型，命令行和Python API开箱即用，MIT许可证便于商业集成。
论文
Code2LoRA：软件演化下代码语言模型的超网络生成适配器
代码语言模型需要仓库级上下文来解析导入、API 和项目约定。现有方法通过长输入（通过 RAG 或依赖分析检索）或针对每个仓库的微调和 LoRA 来注入知识——这在仓库规模下成本高昂且对代码库演化脆弱。 我们提出 Code2LoRA，一个超网络框架，为代码语言模型生成仓库特定的 LoRA 适配器，在零推理时间 token 开销下有效注入仓库知识。
ArcANE：角色扮演语言代理在正确时机保持角色吗？
角色扮演语言代理（RPLAs）应扮演角色，其价值观和行为随故事推进而演变，而非保持固定人设。现有基准测试仅衡量给定章节的事实回忆，而非回答是否符合角色的心理轨迹，尤其在源文本未探索的场景中。 我们提出ArcANE（Arc-Aware Narrative Evaluation），一个自动构建的基准，覆盖17部小说和80个主要角色。
TIDE: 通过模板引导迭代的主动多问题发现
智能体常被部署为文档、工具和代码的助手，但通常仅响应显式用户请求，这只能暴露用户已注意的问题。然而，许多重要问题隐藏在更广泛的用户上下文中，且数量未知。本文将此任务定义为从上下文中发现多个隐藏问题，要求揭示共存问题、提供支持证据并关联具体行动。为此，我们提出 TIDE，一个模板引导的迭代框架，包含两种互补机制。
AdaPlanBench：在世界与用户约束下评估大语言模型代理的自适应规划能力
现实世界中的规划问题通常同时涉及世界约束和用户约束，且这些约束可能不会事先完全明确，而是在交互过程中逐步披露。然而，现有基准对在逐步揭示的双重约束下进行自适应规划的探索仍不足。为此，我们提出 AdaPlanBench，一个动态交互基准，用于评估 大语言模型（LLM）代理 是否能够在逐步揭示的世界和用户约束下自适应地规划和重新规划。
VideoKR: 面向知识和推理密集型视频理解
我们提出了 VideoKR，这是首个专门为增强知识和推理密集型视频理解而设计的大规模训练语料库。它包含 31.5 万个视频推理示例，涵盖 14.5 万个新收集的、CC 许可的专家领域视频。我们开发了一种人机协同、面向技能的示例生成流程，逐步瞄准更深层次的视频推理能力，同时确保示例及其 CoT 理由 的难度、多样性和可靠性。
RobotValues: 当人类价值观冲突时评估家用机器人
家用机器人通常以任务完成度作为评估标准，但在日常家庭环境中常出现价值观冲突场景，例如机器人需要在人类自主性、效率或社交适当性之间做出权衡。然而，目前缺乏评估机器人价值观偏好的基准。 我们提出 RobotValues 基准，包含 10K 个价值观冲突场景。每个实例由一张真实家庭图像和多个可能动作组成，这些动作优先考虑不同的人类价值观。
Reinforcement Learning 引发对未见语言翻译的上下文学习
先前研究表明，大型语言模型（LLMs）可以通过持续训练或在上下文中编码语法书来翻译未见或低资源语言。但两种方法通常过度拟合特定语言，测试时零样本迁移有限。 为大规模翻译极端低资源语言，我们认为LLMs必须习得利用上下文语言知识的元技能，而非记忆特定语言。
LoomVideo: 将多模态输入统一到视频生成与编辑中
现有统一视频生成与编辑框架通常依赖大规模模型（13B 参数以上），并通过拼接序列令牌引入源视频条件，导致序列长度加倍，自注意力机制计算复杂度提升四倍，带来极大开销。 为克服这一瓶颈，LoomVideo 提出一种高效的 5B 参数 统一架构。
重新思考自进化LLM代理的持续经验内化
经验内化将历史交互中的上下文经验转化为可重用的参数化能力，为大语言模型的持续学习提供了有前景的路径。先前工作主要关注单次迭代迁移，我们发现，在多轮次经验学习下，现有方法会出现渐进式能力崩溃，而非复合式提升。 本文从三个关键维度系统考察了这一失败： 1. 经验粒度：原则级经验比实例级经验更持久，因为它能有效从轨迹细节中抽象出可迁移策略。
Personal AI Agent for Camera Roll VQA
我们研究个人相机胶卷视觉问答（Personal Camera Roll VQA）场景。在此场景中，对话式AI助手可访问用户的个人相册，检索相关照片回答各种问题，从简单事实（如“我昨天尝试的食物名称？”）到开放式问题（如“推荐一些我从未吃过的菜肴”）。
复杂度平衡的扩散分割 (Complexity-Balanced Diffusion Splitting)
标准连续时间生成模型依赖单一架构，必须处理从各向同性噪声到复杂数据分布等差异极大的信号区间。虽然扩大模型容量可提升性能，但均匀部署大规模网络到整个生成时间线本质上是低效的。 本文提出复杂度平衡分割 (Complexity-Balanced Splitting, CBS)，这是一个基于函数逼近理论和 de Boor 等分原理 的时序容量分配框架，将扩散时间线划…
自动驾驶的前进之路：KITScenes Multimodal 数据集
现有自动驾驶数据集取得了重大进展，但在传感器保真度、地图完整性或地理多样性方面仍有不足。我们提出 KITScenes Multimodal，一个基于高保真传感器和地图构建的欧洲数据集。 - 传感器套件：全同步，包括高分辨率全局快门相机、超400m远程激光雷达、4D 成像雷达及冗余 GNSS/INS 定位。
Dream.exe: 视频生成模型能否梦到可执行的机器人操控？
视频生成模型在合成视觉上令人信服的内容方面取得了令人瞩目的进展，但其输出仍局限于虚拟领域。一个自然的问题随之而来：当这些模型生成的视频离开屏幕进入现实时，它们能在多大程度上反映物理世界？ 我们提出将机器人操控作为衡量这一问题的具体、可测量窗口：如果模型真正内化了物理定律，它所描绘的运动应能转化为可执行的机器人行为。
MLEvolve: 一种用于自动化机器学习算法发现的自我进化框架
现有的大语言模型（LLM）智能体在长期任务（如科学发现和机器学习工程）中面临分支信息隔离、无记忆搜索和缺乏分层控制等问题，阻碍了长期优化。 本文提出 MLEvolve，一个基于 LLM 的自我进化多智能体框架，用于端到端机器学习算法发现。
无监督技能发现用于代理数据分析
推理时技能增强为数据分析代理提供了一种轻量级改进方式，通过注入可复用程序知识而不更新模型参数。然而，无监督地发现有效技能仍具挑战，因为可靠监督成本高且成功标准因分析格式而异。核心问题是如何仅从无标签探索中发现可复用的数据分析技能。 本文提出 DataCOPE，一种无监督验证器引导的技能发现框架。它从探索轨迹中推导验证信号，用于表征轨迹间的相对质量或一致性。
AffordanceVLA: 一种通过可感知理解赋能动作生成的视觉-语言-动作模型
问题：视觉-语言-动作（VLA）模型利用预训练视觉-语言模型（VLM）的丰富世界知识实现指令跟随机器人操控。然而，VLM语义空间与具身控制策略之间的结构不匹配往往阻碍精确感知-动作映射的学习。 方法：为应对该挑战，我们提出AffordanceVLA，一个统一框架，引入结构化可感知预测作为面向任务的中间表示，建立更精确鲁棒的感知-动作映射。
MAOAM: 基于视觉-语言模型的统一对象与材质选择
选择是交互式图像编辑中的核心操作。为实现实用化，用户应能通过文本或点击交互来指定并消歧所需选择区域，且系统应支持不仅选择对象，还能选择其他标准如材质。基于材质的选择对于重新纹理表面或编辑特定材质实例等任务很有价值。然而，现有的基于视觉-语言模型 (VLM) 的选择方法以对象为中心，通常仅支持单一交互模态，限制了其适用性。
LLMs 会泄露训练数据，但它们愿意吗？一种倾向感知的 LLMs 记忆评估
大语言模型能复现训练数据，但现有记忆评估大多测量模型是否可以被强制泄露，而非在常规使用下是否自发泄露。我们提出 PropMe，一种倾向感知的记忆评估框架，对比基于前缀的能力攻击与非对抗性评估。我们提出一种度量转换方法，应用于现有函数后能创建倾向度量。
推理的影子价格：LLMs 最优预算分配的经济学视角
推理时间扩展已成为提升大型语言模型性能的关键途径，但实际部署受限于严格的计算预算。本文将推理预算分配建模为受经济原则约束的全局优化问题。通过使用移位激增函数对每查询推理效用建模，我们基于全局影子价格（在资源稀缺下使边际效用均衡）推导出最优分配策略。
World-Language-Action Model 用于统一世界建模、语言推理与动作合成
我们提出世界-语言-动作模型 (WLA)，一种全新的具身基础模型。WLA 接收文本指令、图像和机器人状态作为输入，联合预测文本子任务、子目标图像和机器人动作，融合了世界-动作模型 (WAM) 从大量第一人称视频中学习世界建模的能力，以及视觉-语言-动作模型 (VLA) 解决复杂长时域任务的语言推理能力。
动态
Claude加速AI发展，可能实现递归自我改进
我们的内部数据显示，Claude 正在加速 AI 的发展——这是一条通往递归自我改进的路径，或者 AI 自主构建更强大的后继者。它发生的速度比我们想象的要快，其影响值得更多关注。https://t.co/OVVPJO7VQx
agentic AI使输出飙升，采用率平稳
RT @jenzhuscott: Massive output uptick due to agentic AI. Complete flat adoption. https://t.co/s6ubPsy0SL
Andrew Curran离开OpenAI加入Anthropic。
个人更新：我决定离开OpenAI。 我很自豪能成为定制芯片项目的一部分，并感谢一路上与我一起构建和学习的每一个人。该团队的硬件人才密度非凡，我认为没有更好的芯片设计团队了。从2.4年前作为第二位硬件员工到现在，这是一段疯狂的旅程，我期待看到这些芯片成为AGI最重要的引擎之一。 同时，我始终无法抗拒从底层攀登新高峰的吸引力！
离开白宫，将继续帮助美国应对AI挑战
🇺🇸🚀 SOME NEWS: I'll be leaving my role at the White House at the end of this month. After a break I’ll be working on helping tackle some of the large challenges facing America o…
软件工程师被指派做手动数据标注的现象
刚得知：在Scale AI，Alex Wang担任CEO期间，软件工程师曾负责手动数据标注。他离开后，新领导层上任，对此感到震惊，并立即停止了这种做法。现在在Meta，软件工程师又被分配去做手动数据标注……看出来模式了吗？
Hermes桌面应用教程，涵盖会话、配置、节省成本及创业用例。
现在网上最全面的Hermes桌面教程已经上线。你将学习会话、配置、工件、成本节省以及用Hermes代理赚钱和创业的真实用例。无论你已经在使用Hermes还是尚未开始，这一集都是为你准备的。@AlexFinn 说这是Hermes超越OpenClaw的时刻。感谢Alex带我走过这一切。“它现在是在电脑上使用AI代理的最佳方式。
通过 Codex 使用计算机更有趣
通过 Codex 使用计算机有趣得多
需要类似Google Docs的Markdown协作功能
我需要一个类似Google Docs但用于markdown文件的工具。 多人评论。同步和解决评论。 建议模式 编辑模式 编辑历史 或许还有一些多人编辑的感知。 方便的CLI访问。
Linear创始人分享不依赖VC、选择融资时机等创业经验
我其实没有太多与VC相关的恐怖故事。最糟糕的也就是一些会议，对方没什么兴趣。大家仍然很礼貌，但你能感觉到没戏。我的第一家公司，我向很多VC推销过，得到了很多礼貌的拒绝。 在Linear，我采用了不同的融资方式。我尽量让自己处于不需要融资的位置。 我也不会在没有真正共同兴趣的情况下进行推销会议。
Hermes Agent 为艺术家设计
Hermes Agent 是为艺术家打造的 https://t.co/xcVxzeeYzy
分销成为新的护城河
Distribution is the new moat
Codex重视结果，不会停止直到任务完成
@robinebers 我们的理念是重视结果而非限制，codex不会停止直到任务完成（当然在合理使用范围内） 这是一个深思熟虑的决定。
ChatGPT网页版支持直接发送邮件
与ChatGPT的电子邮件集成
Hermes v0.16.0 发布，带来桌面应用、仪表盘重做等
Hermes v 0.16.0 is out now! This release includes all the updates you've heard about this week and more! - The Desktop GUI App - The Overhaul to the Dashboard - Leaner Built-In Ski…
代码量不代表生产力
代码量不代表生产力。
Hermes桌面应用让AI代理运行更便捷
The Hermes Desktop App is insanely good. It's now the best way to run AI agents on your computer. Here's the full setup, start to finish. Enjoy! Chapters: 00:00 - why Hermes deskto…
使用看板协调4个AI智能体构建软件团队，并集成InsForge后端
我刚构建了一个4智能体软件团队。所有操作通过Telegram运行，并在看板上管理。包括一个规划工作的项目经理、后端开发、前端开发和测试员。项目经理读取目标，将其分解为关联任务，并分配给正确的智能体。让他们成为团队而非四个陌生人的关键在于共享看板。每个任务是一个可以抵御崩溃的行，当智能体完成时，它会写下构建内容的摘要以及下一个智能体需要知道的信息。
询问切换编码助手的原因
如果你最近切换了日常使用的编码助手，是什么让你看到了光明？ 任何方向都可以。切换到Codex，或从它切换出去，或其他工具。随便。
用户询问日常编码智能体切换的原因
如果你最近切换了日常使用的编码智能体，是什么让你豁然开朗？ 任何方向都可以。比如切换到 Codex，或者离开它，或者在其他工具之间切换。
Anthropic工程师每季度代码量提升8倍
转推 @AnthropicAI: 如今，Anthropic工程师平均每个季度交付的代码量是2021-2025年期间的8倍。https://t.co/QCc…