AI教程
最新文章
谷歌推出HeAR生物声学基础模型，利用3亿音频数据训练，包括1亿咳嗽声。该模型能精准识别咳嗽等健康声学信号，在肺结核筛查等任务中表现优异，且不受录音设备影响，为疾病早期检测提供更易获取的工具。
麻省理工学院团队开发出虚拟节点图神经网络模型，可将材料声子散射关系的预测速度提升数百至上千倍，仅用普通电脑即可在数秒内完成数千种材料的计算，为散热材料发现和电子设备降温提供新途径。
Roblox发布3D基础模型，支持文本或语音指令数秒内生成完整3D环境，兼容现有工具并计划开源。该技术旨在大幅降低创作门槛，构建AI游戏生成生态，加速实现覆盖10亿用户的目标。
由SamAltman弟弟创办的人力资源软件公司Lattice，近期宣布将AI数字员工视为正式员工进行管理，引发广泛批评，三天后紧急叫停。该公司估值曾达30亿美元，此举被指不尊重人类员工，凸显AI与人类协作的争议与挑战。
凯文·凯利在外滩大会指出人工智能带来三大趋势：全球主义、创新加速和AI驱动生成。全球主义正构建行星级技术平台，打破语言障碍；创新加速使学习速度飙升，核心技能变为“学会如何学习”；AI生成新事物，且帮助表现一般员工获益。
2024年大模型厂商在各大平台展开烧钱营销竞赛，但用户留存率低成为核心难题。Kimi凭借品牌与效果双重策略在B站建立心智认知，但行业平均获客成本约12元。提升留存需依赖模型通用能力、应用场景教程及开发者生态，而非单纯投放。
数字人直播依托深度学习、计算机视觉及自然语言处理技术，创建逼真虚拟主播，实现全天候、低成本、高互动的直播体验。通过形象克隆与语音合成，可复刻真人主播，提升直播稳定性与专业性。多个品牌应用显示，数字人直播显著提升GMV与转化率，有望成为电商主流模式。
由SD原始团队创立的BlackForestLabs推出12B参数DiT架构视觉大模型FLUX 1，性能媲美顶尖。提供闭源及开源版，获3100万美元种子轮融资，为开源社区注入新活力。
Altera的ProjectSid在《我的世界》中创建首个AI文明，让1000个智能体具备长期自主、组织协作、亲人类动机与有意识沟通等特质。团队采用系统神经科学复合架构，挑战包括文明评估、目标冲突与连锁偏离。北大校友RobertYang放弃MIT终身教职创立公司，旨在使数字人增强而非取代人类。
阿里通义千问大模型技术负责人周畅（花名：钟煌）即将从阿里云离职创业，可能投身AI应用赛道。作为通义实验室核心技术骨干，他完整经历了阿里大模型从零至今的发展，主导了超大规模多模态预训练模型M6等关键技术研发。通义大模型研发和开源工作仍在稳步推进。
特斯拉智能召唤功能ASS将于下周大规模上线，采用纯视觉方案，覆盖多数车型。车主通过手机可让车辆自动驶来或前往指定地点，操作中随时松手即可停车。该功能限于停车场使用，用户需全程监督并负责安全。
对网络原住民一代，打破课堂寂静，或许只差一个弹幕公屏 一场关于AI与大学教育的讨论，在三位嘉宾之间展开：同济大学人文学院副教授余明锋，一位正在经历保研季的大四学生燕麦奶，以及「问题青年」主播Lisa。他们的对话，或许能揭示出AI时代大学教育的真实面貌与未来走向。 “学生长不大”、“大学高中化”——这
CrabBenchmark-v0基准测试评估智能体在数字设备上执行任务的能力，覆盖Android和Ubuntu两大平台，包含100个真实世界任务。采用图评估器实时追踪子任务完成状态，测试了四种主流多模态模型，但最佳成绩仅为35 26分，表现有待提升。
OpenAI年亏损50亿美元，运营成本85亿，年收入仅40至50亿，现金流只能维持到2025年底。高昂的推理、训练及人力成本是主因，收入增长难以覆盖支出。
最近，Anthropic的提示工程师Zack Witten玩了个有趣的实验：他让Claude画自画像，结果发现——这模型居然能认出自己？ 准确地说，它不仅能认出来，还能头头是道地分析自画像里的设计逻辑。但这还不是最精彩的部分…… Claude 3 5给三个模型画肖像 实验是这样开始的。Zack先让C