20240428 每日AI必读资讯

 🌍图灵诺奖得主等大佬齐聚海淀！清华版Sora震撼首发

4月27日，2024中关村论坛年会「人工智能主题日」举办。

生数科技联合清华大学，共同发布了最新的视频大模型「Vidu」。

全球首个低碳、高性能多语言LLM全面开源。

🔗 图灵诺奖得主等大佬齐聚海淀！清华版Sora震撼首发，硬核AI盛会破算力黑洞-CSDN博客

🌐通义千问发布Qwen1.5-110B 首款超1000亿参数模型 

- Qwen1.5-110B是Qwen1.5系列中的新成员，也是该系列首个拥有超过1000亿参数的模型。

- 该模型在基础模型评估中表现出色，与Meta-Llama3-70B相媲美，并在聊天模型评估（包括MT-Bench和AlpacaEval 2.0）中表现出色。

- 模型支持多语言，包括英语、中文、法语、西班牙语等，上下文长度可达32K令牌。

 🔗详细：https://qwenlm.github.io/blog/qwen1.5-110b/

🔗 https://blink.csdn.net/details/1689342

🤖Sanctuary AI发布其第七代机器人：更接近人类！

- 24小时之内就能学会新任务。

- 相比前代有了巨大的改进，更长的运行时间、更低的材料成本。

- 新机器人在手腕、手和肘部的动作范围得到了扩展，更为灵活和精确。

 🔗 https://blink.csdn.net/details/1689335

🧠WebLlama：基于 Llama-3-8B 能通过对话进行网页浏览的智能代理

- 能够处理连续的对话，听取用户的指令，自动浏览网页，执行搜索、导航和信息检索、完成如预定酒店、购物或查找信息等任务。

- 能在实际的浏览器环境中执行各种动作，如点击、滚动、填写表单等。

- 在专业的智能代理基准测试中，在多个方面都优于 GPT-4V。

- 可以被训练来从网页收集特定信息，并将其用于不同的应用，比如自动化的数据汇总。

🔗 https://blink.csdn.net/details/1689340

🛠️LLaVA++ ： 赋予Phi-3 和 Llama-3 视觉能力

- 在通过扩展原有的LLaVA模型，将 Phi-3 和Llama-3 进行整合集成，并赋予它们视觉处理能力。

- 模型能够更准确地理解和执行与视觉内容相关的复杂指令。

- 在处理需要理解图像和文本的学术任务时，展现了更高的准确率和效率。

🔗GitHub：https://github.com/mbzuai-oryx/LLaVA-pp

🎨 IntrinsicAnything：调整图片光照 保持物体材质

- 生成模型学习材料，规范优化过程，提高准确性

- 模型基于漫反射和镜面反射着色项，增加准确性

- 采用从粗到精的训练策略，实现稳定且准确的材质回收结果

🔗 IntrinsicAnything