本周，微软和苹果分别开源了自己的模型 Phi3 和 OpenELM。这两个模型都不大，在笔记本和手机这样的设备上运行起来也不费力，性能也还可以。

这种模型有了一个新分类：SLM——Small Language Model。

去年这个时候，谈论的还是 GPT-4，谈它的强大，以及难以复制。只过了一年，我们谈的是如何在本机运行一个模型，加上自己的文档来实现 RAG；谈的是如何使用多个 Agents 来解决复杂问题，谈的是如何在手机上运行一个小模型。

显然，游戏是真实世界的模拟、抽象、模型。

游戏中的表现，往往能反映出玩家在现实中的一些特质，比如耐心、冷静、智慧、勇气等等。能组织一个魔兽世界公会的玩家，在现实中也许是一个很好的团队领导。在枪战游戏中瞄得快打得准的玩家，在现实中也许很适合做外科医生。常年在固定地点刷怪的十里坡剑神，也许很擅长做重复性工作。

Amazon 一下子发布了第一季八集《辐射》，编剧还是诺兰。我看了两集。

可能是完美世界给的实在是太多了，世嘉居然出了《女神异闻录 5：夜幕魅影》手游，还和《女神异闻录 5》联动了一下。玩了两个小时。

时间太少，兴致太少。

去年 4 月我写了一篇文章 《AutoGPT 是一株幼苗》，讲刚出现的 AutoGPT。今年，Agents 成了热门词，人们发现用多个 Agents 一起工作，效果更好。

Multi-Agents 的基本思路是多个 Agents 相互讨论，把一个复杂问题分解成多个简单问题，然后通过沟通协作来解决。这样，每个 Agent 只需要专注于自己的部分，以及通过和其他 Agents 的交流来改进生成结果。

最近有两种观点，其一认为未来应该是更长的上下文，例如 Kimi 的 200 万 Token 上下文；另一种则认为应该是 RAG（Retrieval-Augmented Generation）。