在手机上保存，获得更好体验
本字幕由TME AI技术生成
今天是二零二四年九月十三日
欢迎收听ai 上下文
近日
Try discovery 发布了新型多模态基础模型try 一
这一模型在分子结构预测方面打破了新纪录
Try 亦能够统一预测蛋白质
小分子dnarna 等
性能优于alpha
Ford 等模型
成功率提升百分之十至百分之二十
该模型可通过web 界面免费使用
并可用于药物发现等商业应用
Ai cd discovery 由open ai 和metafair 等组织的先驱者组成
已获近三千万美元融资
旨在加速药物开发进程
与此同时
Scale ai 研究团队提出了一种名为plan search 的新方法
旨在通过搜索自然语言的规划来提升大型语言模型的代码生成能力
该方法通过生成大量有关问题的观察
并将这些观察组合成用于解决问题的候选规划
从而生成新规划
实验结果显示
Plan search 方法在多个编程基准上均表现优异
显著提升了模型的代码生成多样性和准确性
斯坦福大学的最新研究显示
大型语言模型llm 生成的研究思路在新颖度上显著优于人类专家
研究团队招募了一百零四位nlp 研究者
其中四十九位提供创新研究想法
七十九位专家对llm 和人类思路进行盲测
结果表明
L lm 生成的思路在新颖度和激动人心分数上均优于人类
但在可行性和有效性方面与人类相当
此研究强调了ai 在科学研究中的潜在价值
尤其是在提供创新思路方面
Open ai 计划在未来两周内发布名为草莓的新模型
作为chat gpt 服务的一部分
与现有模型不同
草莓在响应前会进行十到二十秒的思考时间
专注于文本生成而非多模态态可能在数学和编码问题上表现更佳
该模型可能限制每小时消息发送数量
并提供更高价格的订阅选项以加快响应速度
尽管存在一些技术挑战和用户反馈
Open ai 仍计划推进草莓的发布
Open ai 音频agi 研究负责人alexis
Come 宣布离职创业
他曾是gpt 四o 项目的关键人物
并最早提出构建类似电影her 的ai 愿景
康欧在open ai 期间领导了多模态和音频agi 的研究
特别是在gpt 四o 和gpt 五项目中离职后
他计划追求通用情感智能agei
这一方向可能为ai 领域带来新的突破
康欧的离职也引发了外界对open ai 内部变化的猜测
谷歌deep mind 最新研究发现
通过在测试时动态分配计算资源
小模型在某些情况下可以超越比其大数十四倍的模型
研究团队探究了两种主要机制
基于过程的密集验证器奖励模型
Prm 搜索和测试时自适应更新模型响应分布
结果表明
计算最优扩展策略在简单和中等难度问题上优于增加预训练
而在较难问题上
预训练更为有效
这一发现引发了关于open ai 即将发布的草莓模型的猜测
认为其可能采用了类似方法
清华理工南开发ai 视频工具viduo 推出新功能主体参照
用户仅需上传一张图片
即可实现视频中任意主体的一致性生成
该功能不仅适用于人物
还包括动物
商品等
支持虚拟角色和动漫人物
Viduo 的这一创新使得视频生成更加稳定和可控
且面向用户免费开放
注册即可体验
加州大学伯克利分校的研究人员开发了一个名为five forty nine 的ai 预测系统
该系统基于gpt 四o 构建
能够预测宏观社会事件
如特朗普能否赢得二零二四年大选
Five thirty nine 通过整合新闻和文章信息
提供事件发生的概率预测
其表现优于经验丰富的人类预报员
准确率高达百分之七十八点八
尽管存在实时更新知识库的缺陷
但该系统展示了ai 在预测领域的潜力
未来可能应用于决策支持
新闻报道等领域
Adobe 最新推出的firefly 视频模型旨在利用ai 技术帮助视频内容创作者快速生成高质量的视频内容
该模型通过简单的提示
如日落时分的雪林
火山景观等
能够在不到两分钟内生成高清视频片段
此外
Firefly 视频模型还支持动画制作
特效合成以及相机控制等功能
大大提升了视频制作的效率和创意范围
Adobe 表示
视频模型的设计具有商业安全性
并且仅针对adobe 有权使用的内容进行训练
确保用户的内容版权和隐私安全
谷歌联合创始人谢尔盖
布林近日在接受访谈时透露
他已重返谷歌技术一线
亲自参与编写代码
主要关注谷i 技术的发展
布林表示
Ai 技术的进步令人震撼
他不愿意错过这一波浪潮
他强调ai 不仅仅是搜索的延伸
他将触及更广泛的变革
并认为通用模型是未来的发展方向
布林还提到
尽管ai 偶尔会犯错误
但应及时发布
让技术得以实验和改进
他表示科技巨头在ai 领域的竞争是好事
谷歌将继续在ai 领域发挥重要作用
字节跳动的视频生成模型
Lukiy 通过一张图片和一段音频生成逼真肖像视频
能同步口型和细微表情动作
Loopy 采用diffusion 框架
引入interintertricate teteperal layers 模块捕捉时序信息
设计temporal seven ment module 提升常识运动信息依赖团队推推cyber host 半身人像版模型
首个采用端到端算法框架进行纯音频驱动的半身视频生成系统
能生成自然表情和手部动作
Cybhost 通过cobook attention 强化关键区域结构
先艳学习设计body moveent map 和hand clarity 减少动作生成不确定性
蚂蚁集团在二零二四inclusion 外滩大会上发布了知识增强大模型服务框架kag
该框架通过结合知识图谱与大模型
显著提升了垂直领域决策的精准性和逻辑严谨性
Kag 框架已在支付宝的ai 原生app 知小宝中应用
政务问答场景的准确率提升至百分之九十一
医疗问答垂直指标解读准确率达百分之九十以上
Ka g 框架将进一步向社区开放
并在开源框架open spg 中原生支持
欢迎社区共建
中国人民大学高陵人工智能学院的研究团队近日提出了多模态角色扮演智能体mrps 的概念
并正式推出了mm row 框架
该框架包括一个大规模高质量的多模态角色扮演数据集m rol data
以及一套健全的评测方法
Ml val 团队开发的mml legent 在多模态信息理解和角色扮演能力上明显优于同等参数规模的通用对话模型
Mm road 的推出打破了传统角色扮演智能体仅限于单一模态的局限
扩展了角色扮演智能体的应用场景与价值
近日
Future house
罗切斯特大学等机构的研究者发布了首个在科研文献检索和总结任务上超越博士生和博士后的大模型科研智能体paper qa 二
该系统在检索和总结任务上的表现超过了博士生和博士后
并已开源
Paper qa 二通过多步骤智能体任务设计
能够修改搜索参数
并在生成最终答案前检查候选答案
显著提高了检索和总结的精确度和准确度
该系统的开源将有望彻底改变人类与科学文献互动的方式
Miss tro 团队发布了首个多模态模型pixel 十二b
该模型支持文本和图像数据处理
参数量达十二b
具备高级图像处理能力
模型已上传至hugging face 磁力链接
提供二十四g 下载
Pixel 十二b 在多模态问答和图像理解方面表现出色
Mistraw 团队计划通过其平台简化用户使用流程
港大研究团队发布了一个名为open city 的时空基础模型
专为交通流量预测设计
该模型结合了transformer 和图神经网络技术
能够捕捉复杂的时空依赖性
并通过大规模交通数据集的预训练
实现零样本泛化能力
实验结果显示
Open city 在零样本预测和长期预测任务中表现优异
显示出良好的可扩展性和适应性
有望成为未来智慧城市交通管理的新内核
百度创始人李彦宏在最新内部讲话中指出大模型之间的差距正在扩大
开源模型无法有效解决商业应用中的效率问题
他强调智能体是大模型最重要的发展方向
能够低门槛的推动应用转化
李彦宏认为
模型的实际应用效果和持续迭代能力才是衡量其价值的关键
而开源模型在算力利用上存在局限性
今度正通过智能体平台推动ai 技术的普及和应用
以吸引大量开发者和企业入驻
展现出强大的应用潜力
今天的新闻播报完了
感谢你的聆听
