登陆注册
24244

AI日报:Open-Sora Plan v1.2发布;Mistral Large2突然开源;腾讯智影推智能画布功能

站长网2024-07-25 17:15:440

欢迎来到【AI日报】栏目!这里是你每天探索人工智能世界的指南,每天我们为你呈现AI领域的热点内容,聚焦开发者,助你洞悉技术趋势、了解创新AI产品应用。

新鲜AI产品点击了解:https://top.aibase.com/

1、震撼来袭!Open-Sora Plan v1.2发布,清晰度、推理速度起飞

Open-Sora Plan v1.2版本引入新的3D全注意力架构,提升了对物理世界的理解能力。更新带来了全新的3D全注意力架构,文本生成视频能力升级,清晰度和一致性提升,空间与时间完美融合,推理速度大幅提升。Open-Sora团队开源代码、数据、模型,致力让每个人成为视频创作的上帝。

【AiBase提要:】

🌟 新的3D全注意力架构让AI对物理世界有质的飞跃,360度无死角理解立体世界。

🎥 文本生成视频能力升级,敲下文字即可呈现栩栩如生的视频画面。

⏱️ 空间与时间完美融合,视频在空间表现和时间流畅度上显著提升。

详情链接:https://top.aibase.com/tool/open-sora-plan-v1-2

2、神仙打架!Mistral Large2突然开源:1230亿个参数、媲美Llama3.1

Mistral AI推出旗舰模型Mistral Large2,拥有1230亿个参数,超大的128k上下文窗口,性能与成本表现卓越。用户可通过La Plateforme访问新模型,在云服务平台上广泛应用。

【AiBase提要:】

🌟 Mistral Large2具备128k上下文窗口,支持多达十种语言及80多种编程语言。

📈 在MMLU基准测试中实现84.0%的准确率,性能与成本表现卓越。

💻 用户可通过La Plateforme访问新模型,并在云服务平台上广泛应用。

详情链接:https://console.mistral.ai/

3、腾讯智影PC端推出“智能画布”功能

腾讯智影PC端最近推出了一项新功能——“智能画布”,为用户提供了多种实用的图片编辑功能,结合AI绘画技术,让作图变得更加轻松。这项功能特别适合需要对AI绘画图片进行再创作、抠图、消除、扩图等编辑操作的用户。用户现在可以登录智影首页,体验这些新功能。

【AiBase提要:】

🎨 智能画布结合AI绘画技术,提供多种实用的图片编辑功能,让用户轻松进行再创作、抠图、消除、扩图等操作。

🖌️ 用户可以选择画布尺寸并上传图片,利用丰富的素材贴纸和工具进行编辑,还可进行AI创作。

🔍 智能画布提供图片AI调整功能,包括裁剪、抠图、消除、扩图、局部重绘、无损高清,满足各种创意和专业需求。

4、金山办公WPS AI上线“AI 伴写”功能

金山办公最近推出了WPS AI中的AI伴写功能,旨在提升用户写作效率和质量。用户可通过WPS Office界面启用该功能,享受智能建议和续写服务,轻松表达灵感。AI伴写还提供多样化的内容生成和中华诗词引用支持,增强写作连贯性。WPS AI2.0升级进一步推动了人工智能在办公领域的应用。

【AiBase提要:】

✨ 提升写作效率和质量,智能辅助用户写作

📚 多种场景角色满足不同用户的写作需求

💡 提供智能建议、续写服务和多样化内容生成,支持中华诗词引用

5、Stable Video4D横空出世,一键让你的视频变身全景大片!

Stable Video4D是一款颠覆性的视频处理工具,由Stability AI推出,能让普通视频变身为八面玲珑的全景大片。其快速生成多视角视频,保持画面一致性,将影响游戏开发、视频编辑和VR制作领域。未来或将改变观影方式,带来全新的互动式体验。

【AiBase提要:】

🎥 Stable Video4D能让普通视频变身为全景大片,展现多角度细节。

🔮 快速生成多视角视频,保持画面一致性,应用前景广阔。

🌌 未来或将改变观影方式,带来全新的互动式体验。

详情链接:https://huggingface.co/stabilityai/sv4d

6、AI音乐生成工具Udio更新 V1.5模型音质提升显著

昨晚,AI音乐生成工具Udio带来了一系列令人瞩目的更新,其中V1.5模型的音质得到显著提升,为音乐创作者提供更清晰丰富的听觉体验。新功能包括关键音调控制、多语言支持等,拓宽了用户群体。产品功能增强包括专属创作页面、下载音乐片段等,提供更个性化和高效的创作环境。

【AiBase提要:】

✨ V1.5模型音质显著提升,提供更清晰丰富的听觉体验。

🎵 新功能包括关键音调控制和多语言支持,满足创作者需求。

🔧 产品功能增强包括专属创作页面、下载音乐片段,提供更个性化和高效的创作环境。

详情链接:https://top.aibase.com/tool/udio

7、媲美GPT-4o!复旦推语音模型SpeechGPT2能听懂你的喜怒哀乐

SpeechGPT2是复旦大学研究团队提出的一种创新的大型语言模型,具有跨模态的语音理解和生成能力。虽然展现出强大的任务执行能力,但仍存在噪声鲁棒性和音质稳定性方面的挑战。团队计划未来开源技术报告、代码和模型权重,以推动技术的进一步发展和完善。

【AiBase提要:】

🔑 SpeechGPT2是一种新型的大型语言模型,具有跨模态的语音理解和生成能力。

🔑 SpeechGPT2通过三阶段训练策略,包括模态适应预训练、跨模态指令微调和模态链指令微调。

🔑 SpeechGPT2展现出强大的能力,在文本任务、跨模态任务和口语对话任务上表现出色。

详情链接:https://top.aibase.com/tool/speechgpt2

8、Reddit开启 “付费墙”,屏蔽搜索引擎和AI机器人随意抓取内容

Reddit最近采取了引人注目的举动,开始限制各大搜索引擎和AI机器人获取其内容,需付费才能获取。这一举措导致除Google外的搜索引擎无法轻易访问最新的Reddit内容,引发了广泛关注和讨论。

【AiBase提要:】

🌐 付费墙开启: Reddit限制搜索引擎和AI机器人访问内容,需付费才能获取。

🤖 Google独占资源: 只有Google能通过“site:reddit.com”获取最新结果,其他搜索引擎被排除。

💰 数据变现策略: Reddit加强数据保护,提升API费用,寻求新的收入来源以吸引投资者。

9、Nvidia AI推ChatQA2长文本理解和RAG能力媲美GPT-4

在人工智能的快速发展中,长文本上下文理解和检索增强生成(RAG)的能力变得至关重要。Nvidia AI 的最新研究——ChatQA2模型,正是为了应对这一挑战而生。ChatQA2通过扩展上下文窗口和实施三阶段指令调整过程,取得了与GPT-4-Turbo相媲美的长文本理解和RAG性能。

【AiBase提要:】

⚙️ ChatQA2通过将上下文窗口扩展到128K tokens,显著提升了指令遵循能力和长文本理解。

🔍 ChatQA2在InfiniteBench评估中超越了GPT-4-Turbo,在多项任务上表现出全面能力。

💡 ChatQA2解决了RAG流程中的关键问题,提高了检索的准确性和效率。

详情链接:https://arxiv.org/abs/2407.14482

10、百川智能完成50亿元A轮融资,估值达200亿元

百川智能近期完成A轮融资,融资总额达50亿元人民币,估值攀升至200亿元。这标志着大模型初创公司取得了重要的资本支持,展现出行业发展的活力和潜力。

【AiBase提要:】

🚀 大模型初创公司百川智能完成50亿元A轮融资,估值达200亿元,吸引国资背景产业投资基金加入。

💡 百川智能在医疗AI领域表现突出,Baichuan3模型超越GPT-4,提出AI医疗的L0-L5分级发展路线。

💰 大模型行业融资格局变化,国资背景基金成为重要资金来源,公司采取超级模型 超级应用双轮驱动策略。

11、英伟达推出 Minitron 小型语言模型

英伟达最新推出的Minitron小型语言模型在人工智能领域引起轰动。这一系列模型训练速度提高了40倍,通过修剪和知识蒸馏技术,大幅降低了训练成本,并已开源在Huggingface上,推动AI技术普及。

【AiBase提要:】

📈 提升训练速度: Minitron模型训练速度比传统模型快40倍,省时省力。

💡 节省成本: 通过修剪和知识蒸馏技术,降低训练所需的计算资源和数据量。

🌍 开源共享: Minitron模型已在Huggingface上开源,促进更多人获取和使用AI技术。

详情链接:https://huggingface.co/collections/nvidia/minitron-669ac727dc9c86e6ab7f0f3e

12、OpenBuddy开源大语言模型团队发布Llama3.1-8B模型中文版

Meta最近发布了新一代开源模型系列Llama3.1,其中包括一个405B参数的版本,其性能接近甚至在某些基准测试中超越了GPT-4等闭源模型。OpenBuddy利用Llama3.1-8B-Instruct模型,通过在少量中文数据上进行训练,发布了OpenBuddy-Llama3.1-8B-v22.1-131K,具备中文问答和跨语言翻译能力。

【AiBase提要:】

🚀 Llama3.1-8B-Instruct是新一代开源模型,支持多语言且上下文长度高达131072tokens,展现出与GPT3.5Turbo相近的认知和推理能力。

🔍 OpenBuddy-Llama3.1-8B-v22.1-131K是具备中文问答和跨语言翻译能力的新一代开源跨语言模型,展现出更强的认知潜力。

💡 OpenBuddy计划对8B和70B模型进行更大规模的训练,以增强模型的中文知识储备、长文能力和认知能力,并探索微调405B模型的可能性。

详情链接:https://modelscope.cn/models/OpenBuddy/openbuddy-llama3.1-8b-v22.1-131k

13、颠覆认知!AI自训练9次崩溃 牛津剑桥发现AI潜藏致命弱点

这篇文章揭示了通过再训练AI图像生成模型使用自己生成的图像可能导致模型崩溃的现象。研究人员发现,即使只包含少量自生成图像在再训练数据中,模型也会产生高度扭曲的图像,难以完全恢复。这一发现提醒我们AI系统对数据“污染”非常敏感,需要谨慎处理。

【AiBase提要:】

⚠️ 再训练AI模型使用自生成图像可能导致模型崩溃,图像质量急剧下降

🔍 模型崩溃不仅影响图像质量,还导致生成的图像缺乏多样性

⚔️ 一旦模型被“污染”,恢复困难且可能是长期甚至不可逆的

详情链接:https://arxiv.org/pdf/2311.12202

0000
评论列表
共(0)条