2024-WK39 前沿技术动态

于 2024-09-29 15:57:10 发布
阅读量352 收藏 4
点赞数 18
文章标签： 人工智能 chatgpt
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/maoer95209520/article/details/142637461
版权

一、人工智能

1、关于OpenAI

OpenAI向ChatGPT付费用户推出高级语音助手功能

在首次公开发布四个月后，OpenAI向ChatGPT的所有付费用户推出了备受期待的类人高级人工智能（AI）语音助手功能。OpenAI周二宣布，已经开始向订阅OpenAI ChatGPT Plus和Team计划的用户推出新的ChatGPT高级语音模式Advanced Voice。该公司补充称，该功能将从下周开始向OpenAI Edu和Enterprise计划的订阅者开放。



2、视频大模型

字节新发布了豆包视频生成-PixelDance和Seaweed两款新模型

1. 字节发布两款视频生成模型PixelDance和Seaweed，改善了审美和动态表现，解决了多主体互动和一致性问题；

2. 新模型能处理复杂的动作指令和主体互动，如多动作序列捕捉和真实感表达；

3. 视频模型支持多样的镜头语言和高级审美，包括环绕、变焦和目标跟随等，适用于多种视频风格和场景。

更多：https://mp.weixin.qq.com/s/FlyrUWhePcWhfhNuh7tplA



快手最新可灵1.5Pro效果惊艳，让网友陷入疯狂！

1. 快手发布的可灵1.5Pro能够生成1080P影视级视频，且动作、光影和细节还原度极高，超越了Runway等国际产品；

2. 可灵使用OpenAI API，生成的AI视频在表情、动作细节上表现真实，适用于广告、游戏开发等多领域；

3. 可灵1.5Pro操作简单，通过文本输入和参数调整即可快速生成视频，支持用户对运镜、时长等进行自定义设置。

更多：https://mp.weixin.qq.com/s/k8UyWt9tA5qg-nRnL86fFQ



3、语音伪造检测

浙大清华发布语音伪造检测方法SafeEar，兼顾隐私保护

1. 浙大与清华共同开发SafeEar，一种语音伪造检测框架，能在不侵犯隐私的前提下分离语音的声学和语义信息；

2. SafeEar采用神经音频编解码器和多层残差向量量化器，通过瓶颈层和混淆层处理声学信息，提升隐私保护；

3. 框架通过真实环境增强训练，有效应对多样化的信道条件，展现出良好的检测能力和泛化性，错误率(EER)低至2.02%。

更多：https://mp.weixin.qq.com/s/6OWv6nzYoiSRsSv79-FSbQ



4、创新技术理念/架构/方法

谷歌发布创新多轮强化学习方法SCoRe，o1模型使用的类似技术

1. 谷歌DeepMind开发的SCoRe方法通过多轮强化学习和反馈奖励机制，提高大模型在数学和代码领域的自我纠错能力；

2. SCoRe方法使模型在生成数据上进行训练，通过奖励信号调整输出，增强模型在不同情境下的决策正确性；

3. 实验结果表明，使用SCoRe方法的模型在自我纠正能力上有显著提升，Gemini 1.0 Pro和Gemini 1.5 Flash模型分别提升了15.6%和9.1%。

更多：https://mp.weixin.qq.com/s/ealuBaEPX_3QcT-TqQrZGQ



5、开源

OpenAI开源了多语言大规模多任务语言理解（MMMLU）数据集，涵盖57个领域，从初级知识到专业学科；

1. MMLU测试集被翻译成14种语言，采用专业翻译人员确保翻译质量，尤其强化了资源匮乏语言的准确性；

2. 开源努力旨在提高AI模型的多语言执行能力，增强模型对全球用户的包容性和有效性。

更多：https://mp.weixin.qq.com/s/syax9YsTbDWV8YyMAJeYbg



Meta首款多模态Llama 3.2开源！1B羊驼宝宝，跑在手机上

1. Llama 3.2引入多模态功能，首次支持图文理解；11B和90B视觉模型超越闭源竞争对手；

2. 推出1B和3B轻量级模型，专为Arm处理器优化，适合手机和AR眼镜等终端设备；

3. 轻量模型在隐私保护和本地运行性能表现优秀，支持多种AI任务，提高设备自主性和响应速度。

更多：https://mp.weixin.qq.com/s/3MvuJg-956_mdE3-c-4B4w



二、算力/智能计算

芯片巨头高通向其竞争对手英特尔提出收购计划

1. 高通提出收购英特尔，这将成为近年来最大的半导体行业交易之一，但仍需通过反垄断审查；

2. 英特尔的IDM模式带来了巨额生产成本，尽管CEO帕特·基辛格推行IDM 2.0战略，英特尔在AI和芯片性能上落后于竞争对手；

3. 英特尔面临资金、技术和市场需求的多重挑战，并已实施裁员和资产削减措施来应对市场压力。

更多：https://mp.weixin.qq.com/s/vVxb9DOWNzMb2mUB_ReR-w



百度智能云全面升级百舸AI计算平台

9月25日，在2024百度云智大会上，百度智能云宣布将百舸AI异构计算平台全面升级至4.0版本。据官方介绍，为了解决算力资源短缺的问题，百舸4.0对“多芯混训”能力进行了重点升级，实现了在万卡规模集群上95%的多芯混合训练效能。集群部署环节，升级后的百舸能够实现工具层面的秒级部署，将万卡集群运行准备时间从数周最快缩减至1小时。百舸4.0全面升级了故障检测手段和自动容错机制，在万卡集群上实现了超过99.5%的有效训练时长。



三、低空经济

北京低空经济再添“新宠”，双座电动飞机首飞

北京延庆八达岭机场迎来了北京低空飞行领域的一次里程碑，中国自主研发的RX1E-A双座电动飞机完成首飞仪式，未来将为北京低空经济注入新活力，成为低空经济领域的“新宠”。（央视新闻）

朱四龙
关注
大语言模型原理基础与前沿 推测解码
AI天才研究院
07-04 752
随着互联网和社交媒体的普及，人类产生了海量的文本数据。传统的方法难以处理如此大规模且多样化的文本信息。因此，需要开发更先进的技术来理解和生成自然语言。大语言模型正是基于深度学习，特别是Transformer架构，实现了这一目标。它们能够学习并生成高质量的文本，适用于问答、文本生成、翻译等多个领域。大语言模型的训练基于大量文本数据，目的是最小化预测下一个词的交叉熵损失。在训练过程中，模型学习到输入文本序列与对应标签（下一个词）之间的映射关系。通过反向传播算法更新模型参数，使得模型能够适应给定任务的需求。
2024-WK32 前沿技术动态
maoer95209520的博客
08-13 939
8月8日，阿里云宣布域名产品服务完成AI化系列改造，推出首个基于通义大模型的域名AI应用，并上线“.ai”等40余个全新的热门域名后缀、2000万个全球域名资源。随着域名注册量的增长，简短易记的域名变得难以获得。据了解，升级后的阿里云万网，用户只需输入品牌名称和所属行业，基于通义大模型就能批量生成创意域名，并自动完成可用性筛查，输出域名含义。3. SpatialBot利用DepthAPI精确获取深度信息，支持在通用和具身场景中的空间理解和任务执行，展示出与GPT-4o相近的能力。
2024-WK7 前沿技术动态
最新发布
maoer95209520的博客
09-29 716
据报道，9月14日晚间，多名网友发帖称，阿里云盘出现bug，在阿里云盘的相册中，只要创建一个新的文件夹，在分类中选择图片，便加载出了大量其他用户的照片包括自拍、风景照、一家人旅游时的照片等。新浪科技讯 9月15日下午消息，针对网友反馈的阿里云盘bug致用户私密照片泄露一事，阿里云盘客服向新浪科技回应称，第一时间核查和处理，已经及时修复。1. 面壁智能发布了MiniCPM 3.0，一个端侧AI模型，拥有40亿参数，性能超越GPT-3.5，且仅占2GB内存，适用于手机等端侧设备;
2024-WK35-前沿技术动态
maoer95209520的博客
09-06 734
2. 模型引入了跨帧文本引导模块（CTGM），通过时序信息注入、特征提取和增强，实现更好的文本一致性和运动控制，显著提升视频生成效果；1. MUMU是基于SDXL的多模态图像生成模型，结合文本和图像引导，使用Idefics2视觉语言模型，提升了生成图像的准确性；2. 模型使用300万张合成图像和200万张高质量真实图像进行训练，通过增加图像token和高分辨率人脸裁剪，优化图像质量；3. 保持原始16位模型权重，实现高精度推理，无需降低模型权重精度，提供了高速度和高准确性的推理服务。
2024-WK34-前沿技术动态
maoer95209520的博客
08-27 1103
在快手业绩电话会上，快手联合创始人、董事长兼CEO程一笑介绍，快手已在AI领域展开全面布局，目前快手已经构建了一套支持万亿参数大模型训练和推理的基础设施，并基于此，先后研发了快意语言大模型、视觉生成大模型和推荐大模型。针对可灵AI的商业化，除了加强C端会员付费的全球运营外，也将寻求更多与B端合作变现的可能性，力争尽快实现可观的商业化变现规模。3. 微调后的GPT-4o模型在多个行业基准测试中表现出色，如软件工程和SQL查询生成，显示了其在特定领域应用的潜力和企业级解决方案的实际价值。
2024-WK36：前沿技术动态
maoer95209520的博客
09-14 1133
阿里通义千问发布第二代视觉语言模型Qwen2-VL，旗舰模型的API已上线阿里云百炼平台。3. Data Provenance Explorer支持详细的数据集特征和来源信息，提高了数据的可追溯性和透明度，有助于提升AI模型的准确性和公正性.2. Ultra 200V 引入新的P-Core和E-Core架构，优化了性能核与能效核的调度，采用台积电先进工艺，集成了LPDDR5x内存;3. 高通的多元化战略扩展到PC市场，与英特尔和AMD竞争，推动AI和PC的融合，预计将推出全系列产品，包括迷你台式电脑.
前沿技术讲习班学习笔记1-邱锡鹏老师
Javier9201的博客
08-28 243
大纲： （1）概述：机器学习概述、感知器、应用 （2）基础模型：前馈神经网络、卷积神经网络、循环神经网络、网络正则化与优化、应用 （3）进阶模型：注意力机制与外部记忆、无监督学习、概率图模型、深度生成模型、深度强化学习、模型独立的学习方式 整理的知识点： 1. 机器学习历史：1950~1965（规则+知识）、1970~1985（专家系统）、1985~2005（统计浅层学习...
前沿技术资料百度云链接(资料共享)
热门推荐
医疗影像检索
11-14 2万+
1024G——前沿技术资料百度云链接：   人工智能：链接：http://pan.baidu.com/s/1nvk5AaP 密码：dpg5 深度学习：链接：http://pan.baidu.com/s/1slvSHpN 密码：v3ro 数据分析：链接：http://pan.baidu.com/s/1slALMPJ 密码：drgs 算法：链接：http://pan.baidu.
【大模型】大语言模型前沿技术系列讲座-学习笔记2：Transformer -＞ChatGPT
霍喜猫的博客
09-06 619
可以简单理解为加权平均输入长度为N的词向量序列，在每个位置上对N个词向量做加权平均 (做N次)，最终得到N个输出向量，每做一次加权平均，可视为对输入做了一次AttentionSelf-Attention 中，加权平均用的权重 (系数)ωijωij​如何确定？ωij′xi⋅xjωij′​xi​⋅xj​用自己的输入做点乘，作为权重（Self 的概念）Query(下图中每个位置左边的x2x_2x2​)、Key。
大语言模型原理基础与前沿 训练更大的模型
AI天才研究院
07-05 869
随着自然语言处理（NLP）任务的日益复杂，对语言模型的需求也在不断增长。传统的小规模语言模型虽然在特定任务上表现出色，但在处理复杂任务时往往受限于其有限的表示能力。为了应对这一挑战，研究人员开始探索训练更大规模的语言模型的可能性，以便提升模型的性能、泛化能力和多模态处理能力。大语言模型通常采用深度学习架构，特别是Transformer架构，因其并行化计算和自注意力机制的优点而受到青睐。这些模型通过堆叠多层Transformer层，每层包含多个自注意力机制和前馈神经网络单元，以处理输入序列中的文本信息。
大语言模型原理基础与前沿 检索增强型Transformer
AI天才研究院
09-27 633
随着互联网的迅速发展，人类产生和积累的数据呈爆炸式增长。如何有效地处理这些海量数据，提取有价值的信息，成为了一个重要的问题。大语言模型（Large Language Model，LLM）作为自然语言处理（Natural Language Processing，NLP）领域的重要技术，能够理解和生成自然语言，成为解决这一问题的关键。然而，传统的LLM在处理大规模数据时，面临着计算资源消耗大、效率低、可解释性差等问题。
从基础到高级：AI大模型开发的技术栈
AI天才研究院
01-17 1353
人工智能（AI）技术在近年来取得了突飞猛进的发展，其中大模型（Large Language Models，LLMs）的出现更是掀起了新一轮的技术革命。从OpenAI的GPT系列到Google的BERT，再到更近期的Claude和PaLM，这些大模型展现出了惊人的语言理解和生成能力，正在重塑我们与技术交互的方式。然而，开发如此复杂的AI系统并非易事，它需要一整套完善的技术栈支持。本文旨在全面剖析AI大模型开发的技术栈，从基础理论到实际应用，为读者提供一个清晰而深入的认识。
大语言模型原理基础与前沿 Scaling Law 规模法则（扩大尺度法则）
AI天才研究院
07-06 1036
近年来，大语言模型（Large Language Models，LLMs）在自然语言处理（Natural Language Processing，NLP）领域取得了突破性进展。从GPT（Generative Pre-trained Transformer）系列到BERT（Bidirectional Encoder Representations from Transformers），再到最近的ChatGPT，大语言模型不断刷新着我们对人工智能能力的认知。这些模型之所以能够在各种NLP任务中表现出色，很大程度
[论文精读]AI-Guardian: Defeating Adversarial Attacks using Backdoors
m0_52911108的博客
09-27 1072
本文提出了AI-Guardian框架，本质是让模型预测结果受到后门控制，而很难被攻击者操纵，从而抵御对抗攻击。在模型训练阶段，AI-Guardian会针对原始训练样本生成一批后门样本（经过后门处理的样本），按标签双射关系为后门样本分配对应标签，实现后门注入；在模型预测阶段，AI-Guardian先对输入数据进行后门处理，然后将其输入到模型，根据模型输出结果、标签双射关系返回对输入数据真实标签的预测结果。
零售业的数字化转型与消费者体验升级
weixin_58820787的博客
09-24 899
在数字化浪潮的推动下，零售业正经历着前所未有的变革。数字化转型不仅为零售商带来了新的商业模式和运营效率的提升，更重要的是，它极大地提升了消费者的购物体验。金智维将探讨零售业如何通过数字化转型，实现线上线下融合、智能推荐、个性化服务等方面的升级，以满足消费者日益增长的需求。
Python精选200Tips：171-175
AnFany
09-26 1160
Python深度学习的项目
基于深度学习的图像修复算法
weixin_42605076的博客
09-26 502
基于深度学习的图像修复算法旨在通过学习和生成模型来填补图像中的缺失或损坏部分。
Her来了，OpenAI正式发布高级语音模式
shadowcz007的博客
09-25 406
OpenAI宣布将Advanced Voice Mode（AVM）扩展到更多付费用户，包括ChatGPT的Plus和Teams用户。该功能旨在使ChatGPT的语音交互更加自然，并新增五种新声音和改进的口音识别能力。虽然Sky声音因法律争议被移除，但AVM的整体设计和性能得到了提升。新版本不仅能在用户打断时立即停止回答，还能根据用户语音中的情感调整响应。此外，视频和屏幕共享功能暂未推出。AVM目前...
unity接入快手广告
08-12
在Unity中接入快手广告，通常需要按照以下几个步骤进行： 1. **创建开发者账户**：首先，访问快手官方开发者网站（https://open.uc.cn/）并注册成为广告主，获取您的App ID。 2. **集成SDK**：下载快手提供的Unity插件包或者在Unity Asset Store搜索“Kwai Unity SDK”。将SDK导入到您的项目中，并按照文档配置游戏环境变量。 3. **初始化广告系统**：在游戏初始化阶段，通过`KwaiAdManager.Init`函数设置广告位ID、广告请求参数等必要信息。 4. **加载广告**：当需要展示广告时，使用`KwaiAdManager.ShowAd`方法加载广告，可以选择全屏、激励视频、横幅等不同类型。 5. **处理回调事件**：监听广告相关的生命周期事件，如广告加载成功、失败、点击等，以便在游戏中相应处理。 6. **测试和审核**：完成上述步骤后，在真实的设备上或模拟器上测试广告功能。记得提交广告内容给快手进行审核，只有通过审核的内容才能在平台上显示。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值