Meta AI
Meta AI是由Meta公司开发的人工智能助手产品，集成于Facebook、Instagram、WhatsApp及Messenger等Meta旗下社交平台中。用户可通过自然语言对话方式获取信息查询、内容创作、图像生成等服务。该产品基于Meta自研的大语言模型（如LLaMA系列）构建，旨在为社交媒体场景提供嵌入式AI交互能力。
核心事实
时间轴 (近 90 天)
原版 Papers with Code 网站最终在 2024 年前后停止维护。
Meta AI 于 2021 年收购了 Papers with Code 并将其纳入旗下。
Meta AI官方账号与Together AI将于太平洋时间10月26日中午12点联合举办线上技术深度解析会。
沃尔玛推出 Agent Gateway，允许 ChatGPT、Gemini、Meta AI 等第三方 AI 助手直接接入其商品库，替用户完成搜索、比价甚至加购。
Ship SF的演讲嘉宾包括Vercel CEO Guillermo Rauch、Shopify CEO Tobias Lütke、typesafeai CEO Diogo Almeida、Anthropic工程负责人Katelyn Lesse和Meta AI工程副总裁Prashant Ratanchandani。
FLORES devtest是Meta AI发布的FLORES-200数据集中的开发测试集，每语言约1,012句，取自维基百科等公开文本并经人工校对。
Meta AI博客曾明确表态，开源AI是前进的唯一可行路径。
官方未说明 Muse Wonder 各推理档位具体改变了什么，也未给出不同档位在成本、延迟上的差异。
Meta发布了Muse Spark Open AI模型，官方称其为迄今为止最强大的美国开放权重模型。
Search Engine Land 分析了900万条AI答案，覆盖ChatGPT、AI Overviews、Gemini、Perplexity、Copilot、Grok、Claude和Meta AI九大平台，研究覆盖超过400个企业品牌。
还有 40 条时间轴事件
全部知识事实 (20)
RAG（检索增强生成）架构由 Meta AI 研究团队在 2020 年提出
90%已验证I-JEPA（图像版本）和 V-JEPA（视频版本）均由 Meta AI 发布并开源
80%已验证RAG（Retrieval-Augmented Generation）是2020年由Facebook AI Research提出的架构范式
80%已验证RAG的概念最早由Meta AI（原Facebook AI Research）在2020年的论文中正式提出
80%已验证RAG（检索增强生成）由Meta AI在2020年提出，通过在LLM推理时动态检索外部知识库来弥补模型参数知识的局限性
80%已验证检索增强生成（RAG）由Meta AI在2020年提出
80%已验证RAG由Meta AI研究团队于2020年在论文《Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks》中正式提出
80%已验证RAG的核心架构由Meta AI的Patrick Lewis等人在2020年的论文中首次提出
75%已验证Meta的AI智能眼镜产品线以与雷朋合作推出的Ray-Ban Meta系列为代表
65%已验证PyTorch 由 Meta/Facebook 的AI研究团队于2016年发布，以动态计算图（eager execution）和Pythonic的API著称
65%已验证SAM（Segment Anything Model）是2023年发布的基础模型，能对图像中任意物体进行零样本分割，2024年的SAM 2支持视频分割
65%已验证SAM（Segment Anything Model）是Meta开源的模型，通过在1100万张图像、10亿个掩码上的大规模预训练，实现对任意对象的零样本分割能力
65%已验证Meta研究院开发了SAM（Segment Anything Model）和ImageBind等模型
65%已验证RAG（检索增强生成）架构范式由Meta AI在2020年提出，核心思想是在模型生成回答之前先从外部数据源检索相关文档作为上下文
65%已验证Meta已推出AI驱动的AI Studio工具，并在Instagram和Facebook中部署了多种生成式AI功能
70%待验证Segment Anything（SAM）是Meta推出的通用图像分割基础模型，能够零样本分割任意物体
90%待验证X平台上的Grok AI主要面向付费订阅用户（Premium及以上），而Meta AI面向全体Threads用户
85%待验证GAIA基准测试由Meta AI和HuggingFace等团队于2023年提出，包含400多个精心设计的问题
85%待验证朴素RAG由Meta AI于2020年提出，其范式是将问题转化为向量在知识库中检索相关文档片段后送入LLM生成答案，过程为单次静态
70%待验证Meta One套餐中的额外AI使用额度很可能是围绕Muse等AI功能设计的
60%