快讯 | 阿里开源Qwen2-VL视觉大模型：刷新多模态AI性能

最新推荐文章于 2024-09-24 09:02:50 发布

硅纪元

最新推荐文章于 2024-09-24 09:02:50 发布

阅读量794

点赞数 27

分类专栏：今日AI快讯文章标签：人工智能

本文链接：https://blog.csdn.net/guijiyuantech/article/details/141776084

版权

今日AI快讯专栏收录该内容

12 篇文章 1 订阅

订阅专栏

硅纪元快讯栏目，每日追踪AI领域的最新动态，快速汇总最新科技新闻，助您时刻紧跟行业趋势。简明扼要的呈现资讯概要，让您快速了解前沿资讯。

1分钟速览新闻

阿里开源Qwen2-VL视觉大模型：刷新多模态AI性能
AI搜索工具Perplexity内测支付系统
谷歌Gemini AI升级：文件类型解析能力大幅提升
腾讯文库上线，数亿文档资源助力内容创作
美国警方采用AI工具Draft One，8秒生成犯罪报告
Perplexity AI 推出 PPLX 支付系统，简化网购流程只需两步
港大百度联合发布OpenCity模型：零样本交通预测新突破
谷歌Gemini AI技能升级：支持更多文件格式，提升文档分析能力

全球AI新闻

一、阿里开源Qwen2-VL视觉大模型：刷新多模态AI性能

阿里通义千问团队开源新一代视觉语言模型Qwen2-VL，其72B版本在多个视觉理解基准测试中刷新最佳表现，性能超越GPT-4o。该模型支持不同分辨率和长宽比的图片理解，能处理20分钟以上长视频，支持多语言文本理解，并可集成到手机、机器人等设备。开源模型Qwen2-VL-2B和Qwen2-VL-7B已发布，集成到Hugging Face Transformers等框架，推动多模态AI应用发展。

二、AI搜索工具Perplexity内测支付系统

AI搜索网站Perplexity近日测试内部支付系统PPLX，用户可在Discover信息流中查看产品卡片并一键购买，无需跳转。Perplexity不自研大模型，而是采用GPT-3.5等进行微调，旨在打造无广告的AI搜索工具。著名企业家黄仁勋公开表示每天使用Perplexity，提升了其技术实力的认可度。

三、谷歌Gemini AI升级：文件类型解析能力大幅提升

谷歌宣布其Gemini AI平台新增功能，支持更多文件类型解析。更新后，Google Workspace用户可上传多种格式文件，包括电子表格、演示文稿、图像、音频和视频，以进行数据分析、内容提取和要点总结。Gemini AI还能根据用户提示进行针对性分析，增强理解与写作能力。

四、腾讯文库上线，数亿文档资源助力内容创作

腾讯文库近日正式上线，提供数亿专业文档资源，覆盖考试真题、法律合同和求职简历等。用户可快速检索所需资料，享受便捷的编辑体验。平台还整合了AI智能助手，支持深度创作、一键总结和思维导图生成，提升内容管理效率。此外，参与AMD商用电脑调查问卷，有机会获得AMD定制背包奖品。

五、美国警方采用AI工具Draft One，8秒生成犯罪报告

美国警察开始运用AI工具Draft One辅助文书工作，能快速生成犯罪报告，提高报告准确性。Draft One由GPT-4支持，转录执法记录仪音频并自动生成报告。科罗拉多州柯林斯堡警察局测试显示，使用该工具后，撰写报告时间减少82%。尽管AI工具受到欢迎，但也有担忧其准确性、偏见和法律责任等问题。Axon公司表示，Draft One基于GPT-4 Turbo模型配置，进行了偏见测试，结果显示不同种族间无显著差异。目前，AI工具主要被用于轻罪报告，但一些警察局也开始尝试用于更重大案件。

六、Perplexity AI 推出 PPLX 支付系统，简化网购流程只需两步

科技媒体testingcatalog报道，AI搜索网站Perplexity正在测试内部支付系统PPLX，旨在通过简化的购物流程增加用户购买率。该系统在Discover信息流中展示产品卡片，用户可以轻松查看产品评论和提示，选择数量并通过点击两下完成购买。Perplexity通过引导购买赚取佣金，首次使用时需填写支付信息，之后购物无需离开页面即可快速完成。Perplexity成立于2022年8月，专注于打造无广告的搜索体验，并获得OpenAI、Meta等支持。

七、港大百度联合发布OpenCity模型：零样本交通预测新突破

香港大学与百度合作开发的OpenCity模型在零样本交通预测领域取得了显著成果。该模型融合了Transformer架构和图神经网络，有效模拟交通数据的时空依赖关系。在大规模异质性数据集上预训练后，OpenCity展现出卓越的零样本预测能力，快速适应不同交通环境，同时具备良好的可扩展性。测试结果显示，OpenCity在多个交通数据集上的性能超越了传统全样本模型，为城市交通管理和规划提供了新的技术支撑。

八、谷歌Gemini AI技能升级：支持更多文件格式，提升文档分析能力

谷歌宣布对旗下Gemini AI进行技能升级，新增支持多种文件格式，包括电子表格、演示文稿、图像、音频和视频，以提供更全面的AI服务。此次升级旨在通过分析和摘录文档内容，提高用户对上传文件的理解、研究和写作能力。Gemini AI能够根据用户输入的提示词进行有针对性的分析，总结复杂主题、识别趋势，并提出改进写作和文档组织的建议。