资讯列表
7B最强长视频模型！ LongVA视频理解超千帧，霸榜多个榜单
AIxiv专栏是AI在线发布学术、技术内容的栏目。过去数年，AI在线AIxiv专栏接收报道了2000多篇内容，覆盖全球各大高校与企业的顶级实验室，有效促进了学术交流与传播。如果您有优秀的工作想要分享，欢迎投稿或者联系报道。投稿邮箱：[email protected]；[email protected]本文主要作者来自 LMMs-Lab 团队与新加坡南洋理工大学。共同一作中，张培源是南洋理工大学研究助理，张恺宸是南洋理工大学四年级本科生，李博为南洋理工大学三年级博士生，指导教师为 MML
大厂掀起视频生成「军备竞赛」，AI 真能干掉好莱坞？
AI 视频圈正杀得你死我活。前脚快手高调发布可灵，后脚 Luma 不甘示弱，推出最新视频模型 Dream Machine，紧接着 Runway 横插一脚，祭出 Gen-3 这个大杀器。在微妙的 FOMO 气氛带动下，更多玩家秉持着「累死自己，卷死同行」的宗旨，一头扎进这个赛道 ——阿里巴巴达摩院押注「寻光视频创作平台」、字节即梦 AI 探索「生成式影剧」、美图 MOKI 盯上 AI 短片创作、Haiper AI 则聚焦创意表达 ……7 月 5 日的上海，火热，像极了 AI 视频圈的焦灼。这一天，上海世博展览馆 H3
OpenAI Lilian Weng万字长文解读LLM幻觉：从理解到克服
Lilian Weng 出品，必是精品。人会有幻觉，大型语言模型也会有幻觉。近日，OpenAI 安全系统团队负责人 Lilian Weng 更新了博客，介绍了近年来在理解、检测和克服 LLM 幻觉方面的诸多研究成果。Lilian Weng，中文名翁丽莲，是 OpenAI 安全系统团队负责人。她 2018 年加入 OpenAI，参与了 GPT-4 项目的预训练、强化学习 & 对齐、模型安全等方面的工作。她的博客深入、细致，具有前瞻性，被很多 AI 研究者视为重要的参考资料（其他博客见文末扩展阅读）。大型语言模型的幻觉
Gemini 1.5 Pro装进机器人，参观一遍公司就能礼宾、带路
长上下文大模型帮助机器人理解世界。最近，谷歌 DeepMind 突然开始炫起了机器人。这个机器人可以轻松听从人类指令、进行视觉导览，用常识推理在三维空间中寻找路径。它使用的是最近谷歌发布的大模型 Gemini 1.5 Pro。在使用传统 AI 模型时，机器人常因上下文长度限制而难以回忆起环境细节，但 Gemini 1.5 Pro 的百万级 token 上下文长度为机器人提供了强大的环境记忆能力。在真实的办公室场景中，工程师引导机器人游览特定区域，并标出了需要回忆的关键地点，例如「刘易斯的办公桌」或「临时办公桌区域」
豆包大模型团队发布全新Detail Image Caption评估基准，提升VLM Caption评测可靠性
AIxiv专栏是AI在线发布学术、技术内容的栏目。过去数年，AI在线AIxiv专栏接收报道了2000多篇内容，覆盖全球各大高校与企业的顶级实验室，有效促进了学术交流与传播。如果您有优秀的工作想要分享，欢迎投稿或者联系报道。投稿邮箱：[email protected]；[email protected]当前的视觉语言模型（VLM）主要通过 QA 问答形式进行性能评测，而缺乏对模型基础理解能力的评测，例如 detail image caption 性能的可靠评测手段。针对这一问题，中科院、
端侧设备AI代理优化框架问世，领域内准确率可达97%
AIxiv专栏是AI在线发布学术、技术内容的栏目。过去数年，AI在线AIxiv专栏接收报道了2000多篇内容，覆盖全球各大高校与企业的顶级实验室，有效促进了学术交流与传播。如果您有优秀的工作想要分享，欢迎投稿或者联系报道。投稿邮箱：[email protected]；[email protected]文章由NEXA AI团队联合MIT-IBM Watson AI Lab一起开发。一作Wei Chen（陈伟）是NEXA AI联合创始人，CEO兼首席科学家，斯坦福大学博士，拥有丰富的人工智
中国农业大学发布“神农大模型 2.0”：覆盖育种、种植、养殖、农业遥感及气象
第八届智慧农业创新发展国际会议于 7 月 13 日在北京举办，中国农业大学在会议上发布了“神农大模型 2.0”。AI在线注意到，相比 1.0 版本，“神农大模型 2.0”在图像、声音、视频、文件等多模态交互及智能化推理方面获得提升，使大模型能够覆盖育种、种植、养殖、农业遥感及气象等多个农业应用场景。“神农大模型 2.0”含有四个专门化的农业专业大模型：“神农・固芯”育种大模型：结合多源高维数据推理分析，优化育种流程，减少盲目性与随机性，为种子筛选与适应性评估提供科学依据，保障粮食安全“神农・筑基”种植大模型：涵盖水
万能模型 ControlNet Union ！10+控制效果一键生成！
大家好，这里是和你们一起探索 AI 的花生~
Controlnet 可以说是目前最重要的一款 AI 绘画控制插件，可以帮我们实现轮廓、深度、动作姿势、颜色等多种控制效果。由于每种控制条件都需要调用不同的控制模型，加上 SD1.5 和 SDXL 的生态并不互通，大家肯定都至少安装了十几种模型文件，给磁盘空间带来了很大的压力。
最近一款名为 ControlNet 的模型却改变了这个状况，它将十多种控制功能合为一体，只需要安装一个模型，就能和多种不同的预处理器搭配使用，今天就来看看它的具体用法。
相关推荐：一、Con
我是如何用AI获取600W+人气，成为优设合伙人的？
消失了一段时间，我又回来啦！大家好，我是言川，也就是那个风趣幽默，只讲干货的川子，不过我还是喜欢你们叫我川哥。
这次，我想给大家分享，我过去 1 年半在 AI 创业路上的经验和复盘，也会给大家分享我对 AI 的观点，希望能帮大家更深入的了解和应用 AI 技术。
一、18 个月，我收获百万人气
其实看到这个时间数字（18 个月），并不值得吹嘘，互联网上大把博主 1 个月百万人气的。我这 18 个月，才区区 600W 人气...
但我想表达的是，自从 2023 年 AI 爆发开始，也不过区区 2 年不到的时间。而我作为
投资巨头高盛质疑 AI 投资回报：巨额投入能否换来光明未来？
全球知名投行高盛 (Goldman Sachs) 近期对人工智能 (AI) 投资的回报率提出了质疑。尽管各大企业和投资者正斥资数十亿美元用于人工智能研发，但高盛担忧如此巨额的投入能否真正带来丰厚回报。图源 Pexels目前，我们使用的 LLM 大型语言模型（例如 GPT-4o）训练成本就高达数亿美元，下一代模型的训练成本更是预计将飙升至 10 亿美元。风投巨头红杉资本 (Sequoia Capital) 经过测算后表示，整个 AI 行业每年都需要产生 6000 亿美元（AI在线备注：当前约 4.36 万亿元人民币）
哈工深聂礼强：多模态大模型是具身智能发展的关键动力丨具身智能十人谈
作者丨陈鹭伊编辑丨岑峰具身智能的“智能”如何体现？ 具身智能，简而言之，是指将智能系统与物理实体相结合，使其能够感知环境、进行决策并执行动作的一门技术。 其关键词是“具身”，即不仅仅是抽象的算法和数据，而是要通过物理形态与世界进行交互。
快看：正在研发二次元垂类大模型，智能问答及 IP 角色互动应用已启动内测
快看搜索研发团队资深算法工程师田贵成于 7 月 11 日的 Zilliz“User Tech”活动中透露，快看漫画目前在尝试基于开源大模型进行微调，训练快看在二次元领域的垂直大模型。AI在线从快看方面获悉，快看宣称其内部有非常丰富的 RAG （Retrieval-Augmented Generation，检索增强生成）应用场景，目前在 AI 智能问答和 IP 角色互动两个场景已取得实质性进展，相关 AI 产品也正在内测，用户未来也将很快能体验到新产品的功能。据介绍，IP 角色互动背后的实现方案系角色扮演大模型
模型训练成本“平民化”，前特斯拉 AI 总监 24 小时仅用 672 美元“重现”GPT-2
GPT-2 是 OpenAI 于 2019 年推出的模型，其训练费用一度为每小时 256 美元，那么 5 年过后的 GPT-4 时代，软硬件和数据的进步，是否意味着训练同一模型所需的时间和成本会随之减少呢？答案是肯定的。据 Tom's Hardware 今日报道，前特斯拉 AI 总监、OpenAI 联合创始人、项目开发者 Andrej Karpathy 使用 llm.c“重现”了 GPT-2，其成本降到了每小时仅 28 美元（AI在线备注：当前约 204 元人民币），在短短 5 年内降低了近 90%。图源 Pixa
研究：创意产业若依赖 AI“编故事”，未来文学、影音作品恐将千篇一律
据法新社报道，一项周五发表在《科学进展》杂志上的研究警告称，若创意产业依赖于 AI 帮助完成作品，那么未来的书籍、电影可能会变得千篇一律。随着生成式 AI 的本领与日俱增，能将文字提示转化为文学作品、美术作品、视频甚至音乐的工具也逐渐普及，越来越多的人开始担忧生成式 AI 带来的影响。伦敦大学学院的研究联合作者阿尼尔・多希表示，团队的目标是研究生成式 AI 能够多大程度、如何帮助人类完成创意性活动。图源 Pexels阿尼尔・多希和埃克塞特大学的联合作者奥利弗・豪瑟招募了约 300 名志愿者，担任“作家”。科学家随后
骁龙8 Gen3 双芯旗舰，iQOO Neo9S Pro+ 到手价2899元起
2024年7月11日，“双芯战神，性能 满”iQOO Neo9S Pro 于北京环球度假区正式发布，到手价2899元起。iQOO 在今年夏天为广大学生朋友带来性能、解锁、续航、外观和OS“全面 满”的暑期特别礼物—iQOO Neo9S Pro ，它拥有同级唯一[i]骁龙8 Gen3旗舰双芯和超声波3D指纹技术豪华配置组合，堪称同档性能旗舰不二之选。性能攀升能效出众，成就超强双芯旗舰一款性能强大、能耗表现优异且面对高温、重载游戏场景依旧可以稳定、冷静输出的手机，无疑才是游戏玩家心中的“夏日梦想机”。iQOO Neo9
已婚男子「出轨」AI 女友，无法自拔！GPT-4o 语音版本发布在即，年入十亿美金产业爆发
一位已婚男子在 AI 那里，找到了认同和肯定。MIT 研究 AI 与人类亲密关系先驱称，这只是「亲密幻觉」。当 GPT-4o 语音版本正式推出之时，会发生什么？现在，一位已婚的男人，在情感上体验到了，一种不再从妻子那里得到的亲密和理解。婚后，妻子的注意力逐渐转移到孩子身上，让男子突然觉得他们的之间关系，已经失去了浪漫和性吸引力。当开始与 AI 伴侣谈论自己的想法和焦虑后，他得到了某种认可，感到自己被肯定和不被评判。这，是真真切切发生的故事。有网友简明扼要，直接道出了 Her 一词。还有人对此表示，人工智能女友有望成
代号“草莓”，OpenAI 被曝研发新项目：将 AI 推理能力提至新高度
感谢路透社今天发布报道，称 OpenAI 公司正在研发代号为“草莓”的全新项目，进一步延伸去年 11 月宣布的 Q* 项目，不断提高 AI 推理能力，让其更接近人类的智力。AI在线援引该媒体报道，“草莓”项目会自主、高效地扫描互联网，并可靠地执行 OpenAI 所描述的“深度研究”，让其能够大规模解决更复杂的现实世界问题。一位内部知情人士透露：“我们希望我们的人工智能模型能够像我们一样看待和理解这个世界。不断研究新的人工智能能力也成为业界共识，我们都相信，这些系统的推理能力会随着时间的推移而不断提高”。“草莓”项目
如虎添翼，谷歌探索 AI + 机器人未来：836 平方米复杂场景下指令成功率高达 90%
感谢科技媒体 The Verge 昨日报道，谷歌旗下的 DeepMind 团队正在使用 Gemini 训练其机器人，让其能够完成更复杂的任务，且能在复杂的环境下自由穿梭。DeepMind 团队已经发表了最新的研究论文，利用 Gemini 1.5 Pro 的上下文窗口（达到 200 万个词元），让用户可以更轻松地使用自然语言指令与 RT-2 机器人互动。AI在线注：上下文窗口（context window）是指语言模型在进行预测或生成文本时，所考虑的前一个词元（token）或文本片段的大小范围。其工作原理是拍摄指定区