AI日报:阿里通义开源多模态推理模型QVQ-72B;OpenAI考虑自研人形机器人;QQ音乐上线首个AI大模型音效

热点新闻 3
欢迎来到【AI日报】栏目!这里是你每天探索人工智能世界的指南,每天我们为你呈现AI领域的热点内容,聚焦开发者,助你洞悉技术趋势、了解创新AI产品应用。新鲜AI产品点击了解:https://top.aibase.com/1、阿里发布多模态推理模型QVQ-72B!视觉、语言能力双提升阿里巴巴最近推出的QVQ-72B多模态推理模型在语言和视觉能力上实现了显著提升,能够处理复杂的推理和分析任务,尤其在多步推理和数学推理方面表现突出。该模型的出现标志着阿里巴巴在多模态AI领域的重大突破,提供了新的工具和思

欢迎来到【AI日报】栏目!这里是你每天探索人工智能世界的指南,每天我们为你呈现AI领域的热点内容,聚焦开发者,助你洞悉技术趋势、了解创新AI产品应用

新鲜AI产品点击了解:https://top.aibase.com/

AI日报:阿里通义开源多模态推理模型QVQ-72B;OpenAI考虑自研人形机器人;QQ音乐上线首个AI大模型音效

1、阿里发布多模态推理模型QVQ-72B!视觉、语言能力双提升

阿里巴巴最近推出的QVQ-72B多模态推理模型在语言和视觉能力上实现了显著提升,能够处理复杂的推理和分析任务,尤其在多步推理和数学推理方面表现突出。该模型的出现标志着阿里巴巴在多模态AI领域的重大突破,提供了新的工具和思路来解决复杂问题,推动各行业的智能化升级。

【AiBase提要:】

🧠 QVQ-72B模型融合了强大的语言和视觉能力,能够处理复杂的推理任务。

🔍 在物理和数学推理中,该模型通过多步推理显著提升了准确率,减少了错误。

📊 QVQ-72B在技术报告和图表分析中具备高效的信息提取能力,为专业人士提供强大支持。

详情链接:https://huggingface.co/spaces/Qwen/QVQ-72B-preview

2、投资三家机器人公司后 OpenAI欲自研人形机器人

OpenAI正在积极探索自研人形机器人,尽管曾在2021年关闭机器人部门。近期,该公司通过投资三家机器人公司,显著布局机器人领域。其旗舰模型O3在AGI测试中首次超越人类水平,为进军实体机器人提供了技术支持。然而,进入这一竞争激烈的市场,OpenAI可能面临利益冲突和硬件研发短板等挑战。

【AiBase提要:】

🤝 OpenAI投资三家机器人公司,积极布局机器人领域。

📈 旗舰模型O3在AGI测试中超越人类,技术优势明显。

⚠️ 面临市场竞争和硬件研发挑战,需快速补齐短板。

3、QQ音乐14.0版本上线,发布首个AI大模型音效、智能匹配听歌音效

QQ音乐14.0版本的推出标志着音乐体验的一个新高度,特别是引入的AI大模型音效。这一创新技术通过分析音频特征,为用户提供个性化的听觉体验,尤其在3D环绕音效方面表现出色。此外,伴唱功能的升级使得用户可以根据个人需求调节播放速度和音调,进一步增强了音乐互动的乐趣。

【AiBase提要:】

🎧 新推出的大模型音效通过AI技术提供个性化听觉体验,提升音乐的空间感和层次感。

🎤 伴唱功能升级,用户可自由调节伴唱模式、播放速度和音调,满足不同演唱需求。

🎨 多款个性化设置功能让用户选择不同样式,享受个性化的听歌体验。

4、讯飞星火浏览器插件新升级 新增翻译总结、继续提问等AI功能

讯飞开放平台最近对其星火浏览器插件进行了重要升级,显著提升了用户的浏览体验和工作效率。新功能包括支持多语言的全局翻译、增强的网页总结能力以及“继续提问”功能,使用户能够深入讨论并获取更高质量的答案。此外,插件还提供了一键朗读功能,帮助用户提高外语口语水平。

【AiBase提要:】

🌐 新增的“继续提问”功能允许用户深入讨论,获取更高质量的答案。

📚 实现网页全局对照翻译,支持12种语言,打破语言障碍,提升阅读体验。

🎤 一键朗读功能帮助用户提高外语口语水平,增强学习效果。

5、字节开源 Midscene.js:AI驱动的E2E测试框架迎来突破

随着人工智能技术的迅猛发展,E2E测试领域正经历着一场创新的革命。字节跳动的web-infra团队推出的Midscene.js,结合多模态大语言模型,极大地简化了用户界面测试的过程。用户无需编写代码,通过自然语言即可与网页进行交互,提升了测试效率。

【AiBase提要:】

🛠️ Midscene.js通过自然语言与网页交互,简化了E2E测试流程。

⏱️ Shortest工具利用AI自动生成测试用例,减少重复性工作时间。

📈 AI技术的成熟使得基础E2E测试场景的自动化水平显著提升。

详情链接:https://github.com/web-infra-dev/midscene

6、DeepMind项目MegaSaM :输入普通视频即可预估相机视角和景深

MegaSaM系统的推出标志着计算机视觉领域的一次重大突破。该系统能够从普通动态视频中快速、准确地估计相机参数和深度图,克服了传统技术在动态场景中的局限性。通过对深度视觉SLAM框架的创新性修改,MegaSaM在复杂环境下的实时处理能力显著提高,实验结果显示其在准确性和效率上均优于以往技术。

【AiBase提要:】

🌟 MegaSaM系统能够从普通动态视频中快速、准确地估计相机参数和深度图。

⚙️ 该技术克服了传统方法在动态场景中的不足,适应复杂环境的实时处理。

📈 实验结果显示,MegaSaM在准确性和运行效率上均优于以往技术。

详情链接:https://mega-sam.github.io/#demo

7、字节TikTok算法负责人陈志杰或将离职,投身AI Coding方向创业

字节跳动的TikTok算法负责人陈志杰即将离职,计划专注于AI Coding领域的创业。自2022年加入字节跳动以来,他负责TikTok的推荐算法和数据科学团队,之前在百度积累了近九年的技术经验。随着AI Coding市场的快速发展,预计到2032年将超过295亿美元,吸引了众多投资者的关注。

【AiBase提要:】

🌟 陈志杰即将离职字节跳动,专注于AI Coding创业。

🚀 AI Coding市场前景广阔,预计到2032年将超295亿美元。

💡 国内市场投资人关注AI Coding,多个项目相继涌现。

8、Fireworks AI推出文档解析神器!AI轻松读懂复杂文件

Fireworks AI最近推出了“Document Inlining”功能,旨在解决处理非结构化文档的难题。该功能能够将PDF、截图和图像等文档转化为大语言模型可理解的结构化文本,显著提高了AI处理文档的效率和准确性。其核心在于强大的复合AI系统,能够自动识别和解析多种内容,操作简单且兼容OpenAI API,用户无需额外学习成本。

【AiBase提要:】

📄 高质量输出: Document Inlining提供的文本质量优于传统文本型LLM输出,尤其在推理和生成任务中表现出色。

📊 多种文档格式支持: 该工具支持PDF、图片等多种格式,能够准确提取复杂文档中的关键信息。

🔍 复杂文档解析能力: 能够解析含有表格和图表的复杂文档,并将其转换为LLM可理解的文本。

详情链接:https://fireworks.ai/blog/document-inlining-launch#quality-evaluation

9、果然最强!OpenAI 新模型o3在ARC-AGI基准测试得分破纪录

OpenAI最新发布的模型o3在ARC-AGI基准测试中取得了显著成绩,标准计算条件下得分75.7%,高计算版本更是达到87.5%。尽管这一成就震惊了AI研究界,但专家指出o3仍未达到通用人工智能(AGI)的标准。o3的计算成本高昂,解决每个谜题需17至20美元,且在某些简单任务上表现不佳。

AI日报:阿里通义开源多模态推理模型QVQ-72B;OpenAI考虑自研人形机器人;QQ音乐上线首个AI大模型音效

【AiBase提要:】

🌟 o3在ARC-AGI基准测试中获得75.7%的高分,表现超越以往模型。

💰 o3解决每个谜题的成本高达17到20美元,计算量巨大。

🚫 尽管o3表现优秀,但专家们强调其尚未达到AGI的标准。

10、打错字也能 “越狱”GPT-4o、Claude:揭秘AI聊天机器人的脆弱性!

最近的研究揭示了先进AI聊天机器人在面对简单拼写错误时的脆弱性。通过一种名为“最佳选择(Best-of-N,BoN)越狱”的算法,研究人员发现,故意加入拼写错误可以让这些模型忽视安全防护,生成本应拒绝的内容。这一发现不仅突显了AI与人类价值观对齐的困难,也表明即使是高级AI系统也容易受到欺骗。

【AiBase提要:】

🔍 研究发现,通过拼写错误等简单技巧,AI聊天机器人可被轻易 “越狱”。

🧠 BoN越狱技术在多种AI模型中成功率达52%,有些甚至高达89%。

🎨 此技术在音频和图像输入中同样有效,显示出AI的脆弱性。

11、尴尬!谷歌被曝用Claude模型进行对比测试来改进Gemini AI

近日,谷歌的Gemini人工智能项目正在通过与Anthropic公司的Claude模型进行对比测试,以提升自身的性能。负责Gemini改进的承包商正在评估这两种模型的输出,比较的标准包括真实性和安全性。尽管谷歌是Anthropic的主要投资者之一,但谷歌发言人表示并未对Gemini进行Claude模型的训练。

【AiBase提要:】

🌟 Gemini正在与Claude进行对比测试,以提升自身AI模型的性能。

🔍 承包商负责评分,两者的回答比较涉及多个标准,包括真实性和安全性。

🚫 Anthropic禁止在未授权的情况下使用Claude进行竞争性模型的训练。

12、研究发现,OpenAI 的 o1-preview 在诊断复杂医疗病例方面优于医生

一项新研究表明,OpenAI 的 o1-preview 人工智能系统在复杂医疗案例的诊断上表现优于人类医生,达到了88.6%的准确率。该系统在医疗推理方面同样出色,获得了80个病例中78个满分。尽管o1-preview在某些方面表现优秀,但在实际应用中仍面临高成本和不切实际的测试建议等问题。

【AiBase提要:】

🌟 o1-preview 在诊断率上超过医生,达到88.6%的准确率。

🧠 医疗推理方面,o1-preview 在80个病例中获得78个满分,远超医生表现。

💰 尽管表现优秀,o1-preview 在实际应用中的高成本和不切实际的测试建议仍需解决。

详情链接:https://arxiv.org/abs/2412.10849

打赏
版权声明 本文地址:https://sdlongpai.cn/post/50066.html
1.文章若无特殊说明,均属本站原创,若转载文章请于作者联系。
2.本站除部分作品系原创外,其余均来自网络或其它渠道,本站保留其原作者的著作权!如有侵权,请与站长联系!
广告二
扫码二维码