字节跳动研究院和香港科技大学的研究人员推出新型交互式真实机器人动作模拟器IRASim，这个模拟器的核心功能是利用生成模型的能力，从给定的初始帧和动作轨迹生成极其逼真的机器人臂部执行动作的视频。简单来说，IRAS ...... 阅读全文

字节跳动推出新型大语言模型video-SALMONN，它专门设计用于增强视频理解能力，尤其是通过语音增强的音频-视觉（av-LLM）模型。简单来说，video-SALMONN就像一个超级智能的“视频助手”，它不仅能“看”懂视频里的画面， ...... 阅读全文

北京大学、香港科技大学和麻省理工学院-IBM Watson AI 实验室的研究人员推出Llama-3-Physician-8B-Instruct，这是一个拥有8亿参数的医疗语言模型。该模型是基于Llama 3构建的，并首先在RefinedWeb数据集中的高质量医 ...... 阅读全文

韩国科学技术研究院和KT的研究人员推出“投机性解码”（Speculative Decoding），提高大语言模型（LLMs）在多语言环境中的推理速度，通过这种方法，可以显著加快模型在多语言设置下的推理时间。论文还提到，通过这种方 ...... 阅读全文

Google DeepMind推出新型策略WARP（Weight Averaged Rewarded Policies），用于通过人类反馈进行强化学习（RLHF）以对大型语言模型（LLMs）进行对齐。这种策略的目的是在使用人类偏好训练的奖励模型来优化语言模型时 ...... 阅读全文

纽约大学的研究人员推出多模态大语言模型系列Cambrian-1，这些模型采用以视觉为中心的方法设计。多模态大型语言模型结合了视觉和语言能力，旨在更好地理解和生成与图像和文本相关的信息。Cambrian-1的研究不仅达到了 ...... 阅读全文

亚马逊研究院、巴伊兰大学和艾伦人工智能研究所推出D-MERIT数据集，关于信息检索（Information Retrieval，简称IR）模型的评估方法。信息检索模型的任务是在一个大型的文档集合中，根据用户提出的查询（query），找 ...... 阅读全文

评估基准BigCodeBench，它专门用来测试大型编程语言模型（LLMs）在代码生成方面的能力。这个基准通过设计具有多种功能调用和复杂指令的编程任务，来挑战和评估这些模型是否能够像人类开发者一样解决实际的编程问题。 ...... 阅读全文

reveal-md 是一个开源项目，它允许用户使用 Markdown 编写演示文稿，并通过 reveal.js 框架将其转换为 HTML 格式，从而在浏览器中进行展示。该项目在 GitHub 上的标星数量达到了 2.1K，表明其在开发者中有一定的受欢 ...... 阅读全文

腾讯近期宣布，其QQ浏览器的AI助手已完成升级，并在电脑端正式推出。此次升级后的AI助手，基于腾讯的混元大模型，带来了多项增强功能，具体亮点包括： 智能摘要 支持对公众号、网页和文档内容进行一键摘要，快速生成 ...... 阅读全文

近日，路透社报道揭露了一场音乐行业与人工智能领域的法律争端。索尼音乐、环球音乐和华纳音乐三大唱片巨头联手，对人工智能公司Suno和Udio提起诉讼，指控这两家公司未经合法授权，擅自使用其版权音乐作品训练AI音乐 ...... 阅读全文

一系列动态在API开发者社区引发关注，OpenAI向部分开发者发送了“预警通知”。通知指出，自7月9日起，该公司将实施额外措施，终止来自非支持区域的API访问。此举旨在确保其服务符合运营规范，影响范围涉及那些不在Open ...... 阅读全文