AI大模型日报#0830:智谱AI推出多款升级模型、阿里开源多模态Qwen2-VL

本文主要是介绍AI大模型日报#0830:智谱AI推出多款升级模型、阿里开源多模态Qwen2-VL,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

导读:AI大模型日报,爬虫+LLM自动生成,一文览尽每日AI大模型要点资讯!

目前采用“文心一言”(ERNIE-4.0-8K-latest)、“智谱AI”(glm-4-0520)生成了今日要点以及每条资讯的摘要。欢迎阅读!

《AI大模型日报》今日要点:智谱AI在KDD 2024上展示了其全新大模型GLM-4-Plus,该模型在多任务上逼近甚至超越GPT-4o,并推出了支持中英双语的对话机器人等功能,巩固了中国在全球大模型领域的领先地位。而阿里发布的开源多模态模型Qwen2-VL则支持实时视频对话,并在多项指标上超越了GPT-4o。此外,阿里通义推出了一键生成PPT的新产品,提升工作效率的同时也提醒用户警惕AI生成的错误。然而,在行业发展的同时,Runway突然删除HuggingFace库并停止维护,引发业内关注。 另一方面,米哈游创始人蔡浩宇的新AI公司Anuttacon曝光,旨在用AI为游戏玩家创造新体验,吸引了多位技术大牛加入。在AI技术应用上,人大北邮上海AI Lab等提出了让AI更懂物理世界的多模态分割新方法Ref-AVS,谷歌也升级了其Gemini AI平台,推出全新AI定制助手Gems,图像生成模型Imagen 3也支持生成人物图像,标志着个性化AI体验的转变。

标题: 一手实测结果出炉!智谱「超大杯」模型全家桶亮相KDD,部分任务超越GPT-4o
 


摘要: 智谱AI发布全新大模型GLM-4-Plus,在多任务上逼近甚至超越GPT-4o,同时推出视频通话功能。在KDD 2024上,智谱AI展示了支持中英双语的对话机器人ChatGLM和基础模型的重大升级。新模型在语言理解、指令遵循等方面性能全面提升,达到国际领先水平。此外,智谱还发布了文生图模型CogView-3-Plus和图像/视频理解模型GLM-4V-Plus,后者是国内首个通用视频理解模型API。智谱清言也升级为首个可以通过文本、音频、视频和图像多模态互动的AI助手,开放给部分用户。这些进展巩固了中国在全球大模型领域的领先地位。
网址: 一手实测结果出炉!智谱「超大杯」模型全家桶亮相KDD,部分任务超越GPT-4o | 机器之心
 
标题: 6小时视频,一键转成PPT,赵晓卉们再也不用发疯了
摘要: 阿里通义推出最新PPT产品,主打一键生成功能,包括音视频转PPT,可大幅提高工作效率。同时,该产品还支持一句话生成PPT和上传文档生成PPT。与Kimi的PPT助手相比,通义PPT模板较少但设计排版高级,内容准确性高,不过生成速度稍慢,且存在内容错误和配图问题。因此,在使用AI生成PPT时,需要警惕其错误,将其视为提高效率的工具而非完全依赖。
网址: 6小时视频,一键转成PPT,赵晓卉们再也不用发疯了 | 机器之心
 

标题: Runway突然删除HuggingFace库!网友:真跑(Run)路(Way)了


摘要: Runway突然删除在HuggingFace上的所有内容,并声明不再维护,引发网友热议。其之前的项目如Stable Diffusion v1.5也无法访问。此事在Reddit、Twitter上引起关注,网友猜测原因并分享替代资源。截至发文,官方未给出解释。欢迎读者留言讨论。
网址: Runway突然删除HuggingFace库!网友:真跑(Run)路(Way)了 | 机器之心
 
标题: 米哈游蔡浩宇新AI公司曝光,挖Llama 3科学家坐镇大模型
 


摘要: 米哈游创始人蔡浩宇的新AI公司Anuttacon曝光,该公司旨在用AI为游戏玩家创造新体验。Anuttacon与米哈游关联紧密,注册地点相同,且招聘地点与蔡浩宇领英账号标注地点一致。新公司吸引了微软图形学大佬童欣等技术大牛加入,团队包括大模型研究负责人和互联网基础设施老将。蔡浩宇认为AI将改变游戏行业格局,Anuttacon或成为行业前0.0001%的精英团队。米哈游则可能负责打造“人人都可以制作游戏的平台”,服务于剩余的99%。
网址: 米哈游蔡浩宇新AI公司曝光,挖Llama 3科学家坐镇大模型 | 量子位
 
标题: 让AI更懂物理世界!人大北邮上海AI Lab等提出多模态分割新方法
 


摘要: 要点提炼: 人大高瓴GeWu-Lab、北邮、上海AI Lab等机构的研究人员提出了一种名为Ref-AVS的多模态分割新方法,该方法整合文本、音频和视觉模态,让AI更懂真实物理世界。相关论文已入选ECCV2024,数据集和代码已开源。Ref-AVS通过构建包含多样指代表达式的数据集Ref-AVS Bench,并设计端到端框架高效处理多模态线索,实现了对动态视听场景中对象的精准分割。该方法在定量和定性实验中均表现出色,具有可泛化性和准确性。
网址: 让AI更懂物理世界!人大北邮上海AI Lab等提出多模态分割新方法 | 量子位
 
标题: 超越GPT-4o!阿里发布最强开源多模态模型Qwen2-VL,支持实时视频对话
 


摘要: 阿里发布了新的开源多模态模型Qwen2-VL,该模型在图像和视频理解任务上取得了SOTA,并且在多项指标上超越了GPT-4o等闭源模型。Qwen2-VL支持实时视频对话,并能操纵手机和机械臂。该模型有三个版本,其中2B和7B版本可免费商用,而72B版本通过API提供。Qwen2-VL的创新之处包括对原生动态分辨率的全面支持以及多模态旋转位置嵌入,这些创新提升了模型的多模态处理和推理能力。
网址: 超越GPT-4o!阿里发布最强开源多模态模型Qwen2-VL,支持实时视频对话 | 量子位
 
标题: Imagen 3支持人物生成,人人可用!谷歌Gemini AI重大升级来了
摘要: 谷歌升级了Gemini AI平台,并推出全新AI定制助手Gems,面向150多个国家。同时,其图像生成模型Imagen 3也支持生成人物图像,并向公众开放。Imagen 3可以根据文本提示创建高质量图像,并采取了安全措施以避免生成不准确或具有误导性的内容。此外,Gems助手可以为企业和商业用户提供定制化的AI解决方案,标志着个性化AI体验的转变。这一新功能可能对多个行业产生深远影响,同时也引发了关于数据隐私、工作替代和潜在滥用的问题。
网址: Imagen 3支持人物生成,人人可用!谷歌Gemini AI重大升级来了|ai|gemini|imagen|人物生成|微软|语音助手功能|谷歌_手机网易网
 

这篇关于AI大模型日报#0830:智谱AI推出多款升级模型、阿里开源多模态Qwen2-VL的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1122312

相关文章

Ilya-AI分享的他在OpenAI学习到的15个提示工程技巧

Ilya(不是本人,claude AI)在社交媒体上分享了他在OpenAI学习到的15个Prompt撰写技巧。 以下是详细的内容: 提示精确化:在编写提示时,力求表达清晰准确。清楚地阐述任务需求和概念定义至关重要。例:不用"分析文本",而用"判断这段话的情感倾向:积极、消极还是中性"。 快速迭代:善于快速连续调整提示。熟练的提示工程师能够灵活地进行多轮优化。例:从"总结文章"到"用

AI绘图怎么变现?想做点副业的小白必看!

在科技飞速发展的今天,AI绘图作为一种新兴技术,不仅改变了艺术创作的方式,也为创作者提供了多种变现途径。本文将详细探讨几种常见的AI绘图变现方式,帮助创作者更好地利用这一技术实现经济收益。 更多实操教程和AI绘画工具,可以扫描下方,免费获取 定制服务:个性化的创意商机 个性化定制 AI绘图技术能够根据用户需求生成个性化的头像、壁纸、插画等作品。例如,姓氏头像在电商平台上非常受欢迎,

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

从去中心化到智能化:Web3如何与AI共同塑造数字生态

在数字时代的演进中,Web3和人工智能(AI)正成为塑造未来互联网的两大核心力量。Web3的去中心化理念与AI的智能化技术,正相互交织,共同推动数字生态的变革。本文将探讨Web3与AI的融合如何改变数字世界,并展望这一新兴组合如何重塑我们的在线体验。 Web3的去中心化愿景 Web3代表了互联网的第三代发展,它基于去中心化的区块链技术,旨在创建一个开放、透明且用户主导的数字生态。不同于传统

AI一键生成 PPT

AI一键生成 PPT 操作步骤 作为一名打工人,是不是经常需要制作各种PPT来分享我的生活和想法。但是,你们知道,有时候灵感来了,时间却不够用了!😩直到我发现了Kimi AI——一个能够自动生成PPT的神奇助手!🌟 什么是Kimi? 一款月之暗面科技有限公司开发的AI办公工具,帮助用户快速生成高质量的演示文稿。 无论你是职场人士、学生还是教师,Kimi都能够为你的办公文

Andrej Karpathy最新采访:认知核心模型10亿参数就够了,AI会打破教育不公的僵局

夕小瑶科技说 原创  作者 | 海野 AI圈子的红人,AI大神Andrej Karpathy,曾是OpenAI联合创始人之一,特斯拉AI总监。上一次的动态是官宣创办一家名为 Eureka Labs 的人工智能+教育公司 ,宣布将长期致力于AI原生教育。 近日,Andrej Karpathy接受了No Priors(投资博客)的采访,与硅谷知名投资人 Sara Guo 和 Elad G

阿里开源语音识别SenseVoiceWindows环境部署

SenseVoice介绍 SenseVoice 专注于高精度多语言语音识别、情感辨识和音频事件检测多语言识别: 采用超过 40 万小时数据训练,支持超过 50 种语言,识别效果上优于 Whisper 模型。富文本识别:具备优秀的情感识别,能够在测试数据上达到和超过目前最佳情感识别模型的效果。支持声音事件检测能力,支持音乐、掌声、笑声、哭声、咳嗽、喷嚏等多种常见人机交互事件进行检测。高效推

Retrieval-based-Voice-Conversion-WebUI模型构建指南

一、模型介绍 Retrieval-based-Voice-Conversion-WebUI(简称 RVC)模型是一个基于 VITS(Variational Inference with adversarial learning for end-to-end Text-to-Speech)的简单易用的语音转换框架。 具有以下特点 简单易用:RVC 模型通过简单易用的网页界面,使得用户无需深入了

透彻!驯服大型语言模型(LLMs)的五种方法,及具体方法选择思路

引言 随着时间的发展,大型语言模型不再停留在演示阶段而是逐步面向生产系统的应用,随着人们期望的不断增加,目标也发生了巨大的变化。在短短的几个月的时间里,人们对大模型的认识已经从对其zero-shot能力感到惊讶,转变为考虑改进模型质量、提高模型可用性。 「大语言模型(LLMs)其实就是利用高容量的模型架构(例如Transformer)对海量的、多种多样的数据分布进行建模得到,它包含了大量的先验

图神经网络模型介绍(1)

我们将图神经网络分为基于谱域的模型和基于空域的模型,并按照发展顺序详解每个类别中的重要模型。 1.1基于谱域的图神经网络         谱域上的图卷积在图学习迈向深度学习的发展历程中起到了关键的作用。本节主要介绍三个具有代表性的谱域图神经网络:谱图卷积网络、切比雪夫网络和图卷积网络。 (1)谱图卷积网络 卷积定理:函数卷积的傅里叶变换是函数傅里叶变换的乘积,即F{f*g}