理论 - AI在线

AI未来之路：五大发展预测

AI创新持续加速，重塑我们的工作方式、生活方式和互动方式。从变革性的商业策略到日常技术，AI的影响无处不在。尽管有些宣传可能过于夸张，但AI的采用速度仍然是前所未有的。

在北京，英伟达透露了人形机器人的未来：50年发展路缩至5年，靠“三台计算机”

2025，人形机器人量产元年。 CES上老黄带着14台机器人亮相这一幕刚过去不久，SemiAnalysis分析师的一条预测再次引起热议。英伟达最终将成为一家机器人公司，而不仅仅是半导体公司。

给大模型制作图文并茂的教科书: 从2.5年的教学视频里挖掘多模态语料

近期关于 scaling law 的讨论甚嚣尘上，很多观点认为 scale law is dead. 然而，我们认为，高质量的 “无监督” 数据才是 scaling law 的关键，尤其是教科书级别的高质量的知识语料。此外，尽管传统的语料快枯竭了，但是互联网上还有海量的视频并没有被利用起来，它们囊括了丰富的多种模态的知识，可以帮助 VLMs 更好好地理解世界。

小红书AI翻译加急上线，网友评论区玩起Prompt，背后大模型被扒出

网友盛赞“最有用的大模型应用”，小红书AI翻译功能上线了！（Doge）一整个实测发现，实在是太好用了。翻译软件做到的它能做，翻译软件不能做的它也能做。

CIO面临抉择：AI投资的快速回报与创新目标

一些企业已经开始看到早期AI投资的回报，而另一些企业则在着眼长远。专家表示，最佳路径应兼顾二者。当今CIO的AI战略是一个相互竞争的议程故事：一方面是快速见效的生产力提升，另一方面是改变游戏规则的长期创新。

OpenAI博士级「超级智能体」即将登场？与ChatGPT深度集成，可操控计算机

就在刚刚，一则消息曝出，OpenAI已经在内部开始测试Operator，并将很快在ChatGPT macOS中推出。这意味着，AI即将迎来一个「全新版本」的应用范式。它不再仅仅是和你进行对话，被动式的给出参考答案来辅助你解决问题。

小红书翻译紧急上线，见证历史：大模型翻译首次上线C端应用！AI竟自称是GPT-4?网友变身“测试狂魔”，疯狂套话，效果拉满了！

编辑 | 伊风出品 | 51CTO技术栈（微信号：blog51cto）程序员键盘敲冒烟，小红书翻译功能这不是就来了吗！之前大家各种吐槽美国人用的翻译机器不准确，导致大家交流起来“人机感很重”，一些美网友还需要额外用ChatGPT才能实现无缝交流。这翻译功能一出来，语言障碍什么的都不存在了。

惊掉下巴！o3像是一个弥天大谎！基准构建者Epoch AI发长文认错曝猛料：OpenAI竟独家访问数据集，问题和答案可用来训练！

出品 | 51CTO技术栈（微信号：blog51cto）惊天大瓜来了！去年年底OpenAI 推出o3推理，在数学、编码、通用AGI方面都取得了令人的难以置信的类人甚至超人的进展。但就在昨天，大洋彼岸的一众人工智能专家开始对“o3”的这些数据表示严重的怀疑，甚至将之比作“Theranos”时刻（一家建立在巨大谎言之上的公司，项目参与人员被迫保密，外界却被蒙在鼓里）。

o3数学成绩作弊大瓜！提前让测试机构给真题，60多名数学大牛全被蒙在鼓里

OpenAI o3还没上线，就被曝数学成绩是靠作弊得来？ Benchmark发布机构内部人员爆料称，OpenAI给了他们经费赞助。就连包括陶哲轩在内参与出题的60余名数学家，在消息曝光之前也都和普通公众一样蒙在鼓里。

微软开源Markdown工具爆了：支持Office文档，可接多模态LLM直出报告

微软官方开源了一款文件格式转换工具——MarkItDown！它不仅可以将常见的Office文档（Word、PowerPoint、Excel）、PDF、图像、音频等转换为对大模型更友好的Markdown格式。而且还支持集成像GPT-4o这样的多模态LLM，可以直接对图片、音频文件进行更高级的处理，比如快速输出商业报告。

o1推理框架最新成果：斯坦福&伯克利提出元链式思维，升级模型推理能力

o1背后的推理原理，斯坦福和伯克利帮我们总结好了！在最新的一篇长达100页的论文中，他们将o1模型背后的推理机制提炼成了一个通用的框架——元链式思维（Meta-CoT）。这个元链式思维（Meta-CoT）到底是什么意思呢？

o3被曝成绩「造假」，60多位数学泰斗集体被耍！OpenAI暗中操控，考卷提前看光

不久前，OpenAI在「圣诞12连更」中发布的最强推理模型「o3」，毫无疑问地惊艳了所有人。尤其是对于新近发布的数学基准FrontierMath，其准确率相比o1直接翻了12倍。图片要知道FrontierMath可是Epoch AI联合六十余位全世界的数学家，其中包括教授、IMO命题人、菲尔兹奖获得者，共同推出的。

负责微软100多个GenAI产品红队测试的团队得出结论，构建安全可靠的AI系统的工作永远不会完成。本周发表的一篇论文中，包括微软Azure首席技术官Mark Russinovich在内的作者们描述了团队的一些工作，并提出了八项建议，旨在“使红队测试工作与现实世界的风险相一致”。论文的主要作者、微软AI红队(AIRT)研究员Blake Bullwinkel和他的25位合著者在论文中写道：“随着GenAI系统在越来越多领域的应用，AI红队测试已成为评估这些技术安全性和可靠性的核心实践。

港大&Adobe提出通用生成框架UniReal：通过学习真实世界动态实现通用图像生成和编辑

本文经AIGC Studio公众号授权转载，转载请联系出处。今天给大家介绍的文章来自公众号粉丝投稿，由香港大学，Adobe提出的统一图像生产与编辑方法UniReal，将多种图像任务统一成视频生成的范式，并且在大规模视频中学习真实的动态与变化，在指令编辑、图像定制化、图像组合等多种任务达到最佳水准。上图为UniReal多功能性的展示。

阿里发布新ID保持项目EcomID, 可从单个ID参考图像生成定制的保ID图像，ComfyUI可使用

阿里妈妈发布了一个新的ID保持项目EcomID，旨在从单个ID参考图像生成定制的保ID图像，优势在于很强的语义一致性，同时受人脸关键点控制。 EcomID 方法结合了 PuLID 和 InstantID 的优点，以获得更好的背景一致性、面部关键点控制、更真实的面部以及更高的相似度。目前，EcomID 的 Comfyui 原生实现官方插件也已经发布，大家可以从文章中的链接获取。