CapCut（剪映海外版）推出视频生成功能，可以通过文本生成4秒的视频，支持多种4:3、9:16等多种比例的视频类型，支持中文提示词，每人每天可以免费生成五次。从生成效果来看尚可，但目前排队情况严重，生成一个视频可能要排队近100分钟，网站还出现打不开的情况，想试用的朋友可以等等看。    ... 阅读全文

来自微软的研究人员发布论文介绍了一种名为LongRoPE的技术，它能够显著扩展大语言模型（LLMs）的上下文窗口，达到了2048k个标记的惊人长度。这是首次实现这样的扩展，同时在保持原始短上下文窗口性能的同时，只需要1k步的微调，训练长度在256k以内。这项技术通过三个关键创新实现：首先，它识别并利用了位置插值中的两种... 阅读全文

Meta推出数据集Aria Everyday Activities (AEA) ，这是一个以第一人称视角记录的多模态开放数据集，通过Project Aria眼镜收集。AEA数据集包含了多个佩戴者在五个不同地理位置的室内环境中记录的143个日常活动序列。每个记录都包含了通过Project Aria眼镜收集的多模态传感器数... 阅读全文

来自Google DeepMind、魁北克人工智能研究所、蒙特利尔大学的研究人员发布论文探讨了在深度强化学习（Deep Reinforcement Learning, DRL）中，如何通过修剪网络（pruning）来提高模型的性能。修剪网络是一种优化技术，它通过移除神经网络中不重要的参数（通常是权重较小的连接），来减少... 阅读全文

来自香港大学、腾讯AI实验室的研究人员发布论文介绍了一种名为Bi-Modal Behavioral Alignment (BBA) 的方法，它是为了提高大型视觉-语言模型（LVLMs）在复杂多模态推理任务中的表现。BBA方法的核心在于它能够更好地利用视觉信息和领域特定语言（DSL）的表示，这两种信息在传统的Chain-... 阅读全文

这篇论文介绍了一种名为Ouroboros的新型解码框架，它旨在加速大语言模型（LLMs）的推理过程。Ouroboros通过一种称为“推测性解码”的方法，使用一个小型模型快速生成草稿，然后利用大型模型进行验证和修正，以减少时间开销。这种方法不需要对模型进行额外训练，也不会影响生成质量。 GitHub地址：https://... 阅读全文

来自谷歌的研究人员发布论文介绍了一个名为USER-LLM的框架，它是一个用于改进大语言模型（LLMs）以更好地理解和适应用户交互数据的系统。USER-LLM通过使用用户嵌入（user embeddings）来为LLMs提供上下文信息，这些嵌入是从用户的多样化交互数据中自动学习得到的，能够捕捉用户的偏好和行为模式。 论文... 阅读全文

来自中国科学院自动化研究所、中国科学院大学人工智能学院、中国科学院计算技术研究所和快手的研究人员提出一种新颖的音乐风格转换方法，它利用了扩散模型和时间变化的文本反演技术。这种方法可以有效地捕捉音乐属性，即使在数据量很少的情况下也能实现。它通过一个创新的时间变化文本反演模块来精确捕捉不同层次的梅尔频谱图特征，并在推理过程... 阅读全文

来自马里兰大学帕克分校的研究人员发布论文探讨了大语言模型（LLMs）在面对对抗性攻击时的脆弱性。对抗性攻击是指故意设计输入，以诱导模型产生非预期或有害的输出。论文的主要目的是扩展我们对LLMs对抗性攻击的理解，不仅仅是“越狱”（即让模型产生违反其训练目标的输出），而是包括更广泛的攻击类型和目标。 论文地址：https:... 阅读全文

Window Resizer 是一款免费的 Google Chrome 浏览器插件，它的核心作用在于帮助用户迅速调整浏览器窗口尺寸以模拟不同设备屏幕大小。这对于网页设计师和开发者尤为实用，特别是在响应式网页设计（RWD）广泛运用的当下，网页布局会根据不同的视口尺寸自动适应。通过Window Resizer，您可以轻松地... 阅读全文

据浪潮服务器微信公众号发文，昨日，基于Yuan2.0-2B模型的智能AI助手YuanChat发布，其可以在Windows电脑上本地化部署。据介绍，YuanChat是专为源2.0大模型设计的客户端应用，集成了模型推理服务和聊天交互界面，具备代码生成、代码解析、数学计算、逻辑推理、知识问答、文案创作等能力。（官方介绍） G... 阅读全文

谷歌推出开源模型Gemma，这是一款轻量级、先进的开源模型，供开发者和研究人员用于AI构建。Gemma模型家族包括Gemma 2B和Gemma 7B两种尺寸，能够在不同的设备类型上运行，包括笔记本电脑、桌面电脑、IoT设备、移动设备和云端。 以下是谷歌官方介绍全文翻译： 在谷歌，我们深信应当让AI惠及每一个人。长期以来... 阅读全文