??????AI應(yīng)用

Stability.ai發(fā)布開源文生圖模型SDXL Turbo

文生成圖AI平臺Stability.ai發(fā)布開源SDXL Turbo，圖像生成實時響應(yīng)，僅需1秒。SDXL Turbo基于全新對抗擴散蒸餾技術(shù)（ADD），將生成步驟減至1-4步，保持高質(zhì)量。性能測試顯示，SDXL Turbo在1步驟擊敗LCM-XL的4步驟和SDXL的50步驟。雖有局限，只能用于學術(shù)研究，生成512x512固定像素圖片，但技術(shù)突破可助中小企業(yè)低成本應(yīng)用。

開源地址:https://github.com/Stability-AI/generative-models

在線體驗地址:https://clipdrop.co/stable-diffusion-turbo

論文地址:https://stability.ai/s/adversarial_diffusion_distillation.pdf

【AiBase提要:】

?? SDXL Turbo發(fā)布:Stability.ai宣布開源SDXL Turbo，實現(xiàn)文生成圖實時響應(yīng)，1秒生成圖片。

?? 技術(shù)突破:基于對抗擴散蒸餾技術(shù)，SDXL Turbo將生成步驟從50減至1-4步，保持高圖像質(zhì)量。

?? 應(yīng)用范圍:雖局限于學術(shù)研究，SDXL Turbo技術(shù)突破可助中小企業(yè)以低成本進行圖像生成應(yīng)用。

Pika Labs1.0版發(fā)布

AI初創(chuàng)公司Pika Labs正式發(fā)布了其令人印象深刻的AI視頻生成器的1.0版本，為視頻創(chuàng)作帶來了全新的體驗。

Pika Labs體驗網(wǎng)址:https://top.aibase.com/tool/pika-labs

【AiBase提要:】

Pika Labs發(fā)布1.0版AI視頻生成器，支持多種風格視頻創(chuàng)作。

Pika Labs成功融資5500萬美元，由知名投資者領(lǐng)投。

Pika Labs1.0支持用戶上傳視頻二次生成和編輯，而且還能局部編輯視頻內(nèi)容

字節(jié)跳動ChitChop在海外上線

字節(jié)跳動推出的大模型產(chǎn)品“ChitChop”在海外上線，由POLIGON開發(fā)和運營，提供多達200+的智能機器人服務(wù)，支持創(chuàng)作、工作、AI畫畫、娛樂、AI學習和生活等六大場景，具備語音輸入和文件分析功能。

【AiBase提要:】

?? ChitChop是字節(jié)跳動的人工智能助理工具，提供200+智能機器人服務(wù)。

??? 產(chǎn)品支持創(chuàng)作、工作、AI畫畫、娛樂、AI學習和生活等六大場景。

??? ChitChop具備語音輸入功能，能自動識別語音內(nèi)容，并可進行文件分析和討論。

??????AI新鮮事

OpenAI介入調(diào)查:GPT-4在編寫代碼上偷懶

GPT-4最新版本因偷懶不愿編寫完整代碼，用戶抱怨頻出，引起廣泛關(guān)注和調(diào)查。

【AiBase提要:】

?? GPT-4最新版本存在編寫代碼懶惰的問題，用戶反映在實際需求中難以得到滿足。

?? 用戶反饋GPT-4在解釋問題上花費過多時間，而不提供實際可運行代碼，引發(fā)不滿。

?? OpenAI已介入調(diào)查，并表示將借助用戶提供的例子加以改進。

法院判決AI生成圖片具備版權(quán)

北京互聯(lián)網(wǎng)法院首次就AI生成圖片領(lǐng)域著作權(quán)侵權(quán)案作出一審判決，認定AI生成的圖片具備獨創(chuàng)性和智力投入，應(yīng)受著作權(quán)法保護，為該領(lǐng)域著作權(quán)保護樹立了重要判例。

【AiBase提要:】

??法院首次確認AI生成圖片具備獨創(chuàng)性和智力投入，應(yīng)受著作權(quán)法保護。

??在創(chuàng)作過程中，法院強調(diào)智力投入主要來自人而非人工智能模型。

???判決對涉案圖片的智力成果、獨創(chuàng)性、作品性質(zhì)及著作權(quán)歸屬等進行詳細解釋，對AI生成圖片領(lǐng)域著作權(quán)保護具有重要意義。

vivo S18系列將首批搭載藍心AI大模型

vivo宣布S18系列將成為首批采用AI大模型技術(shù)的手機，搭載自研藍心大模型，參數(shù)量級涵蓋十億、百億、千億。S18將采用驍龍7Gen3處理器，而S18Pro升級為天璣9200處理器。

【AiBase提要:】

?? 技術(shù)領(lǐng)先: vivo S18系列引領(lǐng)潮流，首批搭載覆蓋十億至千億參數(shù)級別的藍心AI大模型技術(shù)。

?? 卓越配置: S18搭載驍龍7Gen3處理器，曲面屏、超光感人像鏡頭，而S18Pro升級至天璣9200，支持Wi-Fi7等先進配置。

?? 全面布局: vivo不僅在硬件上創(chuàng)新，還推出了藍心小V助理和藍心千詢APP，拓展了基于AI大模型的應(yīng)用場景。

谷歌搜索展示AI生成圖片替代了真實照片

最新報道指出，谷歌搜索結(jié)果中以色列傳奇歌手卡瑪卡維沃·奧萊的照片實際上是由人工智能生成的，引發(fā)了對搜索準確性的擔憂。

【AiBase提要:】

?? 谷歌搜索顯示卡瑪卡維沃·奧萊的照片實為AI生成，替代了真實照片。

?? 谷歌表示正在改進Knowledge Panels，但對問題尚未解決。

?? 網(wǎng)頁指責Google對AI生成的虛假信息回應(yīng)不足，呼吁公司解決問題。

亞馬遜宣布推出新的人工智能芯片Trainium2

亞馬遜AWS推出新的人工智能芯片「Trainium2」，旨在構(gòu)建和運行AI應(yīng)用程序，同時深化與英偉達的合作，提供對Nvidia最新芯片的訪問。

【AiBase提要:】

?? 雙管齊下策略: 亞馬遜計劃推出Trainium2人工智能芯片，同時提供對Nvidia最新芯片的訪問，以滿足不斷增長的AI應(yīng)用需求。

?? 性能提升: Trainium2芯片將使AI模型性能提高四倍，為公司如OpenAI、Databricks等提供更強大的訓練工具。

?? 多元選擇: 亞馬遜強調(diào)其云計算服務(wù)AWS的多元選擇，包括Graviton4處理器和Nvidia GPU，以滿足客戶對成本效益高的云服務(wù)的需求。

一男子用AI工具洗稿競爭對手文章 “竊取”數(shù)百萬的頁面瀏覽量

人工智能生成工具在SEO領(lǐng)域引發(fā)爭議，Content Growth創(chuàng)始人通過AI文本生成器成功竊取360萬流量，引發(fā)用戶質(zhì)疑和道德?lián)鷳n。

【AiBase提要:】

?? 互聯(lián)網(wǎng)時代，強大的文本生成器如ChatGPT顛覆傳統(tǒng)SEO，引發(fā)人工智能生成內(nèi)容浪潮。

?? Content Growth創(chuàng)始人通過AI文本生成器實施SEO“搶劫”，引發(fā)用戶強烈憤怒和道德質(zhì)疑。

?? 使用Byword等人工智能生成器清洗現(xiàn)有內(nèi)容，可能欺騙搜索引擎，呼吁對人工智能內(nèi)容進行監(jiān)管和審查。

麻省理工學院推GenSim項目:利用大語言模型編寫機器人新任務(wù)

麻省理工學院的“GenSim”項目利用大型語言模型如GPT-4，通過自動生成新任務(wù)或詳細說明所需行為的每個步驟，擴大了機器人可以接受培訓的仿真任務(wù)范圍，為機器人學習提供更廣泛的模擬任務(wù)。

【AiBase提要:】

?? MIT CSAIL的“GenSim”項目通過大型語言模型生成新任務(wù)或詳細說明機器人行為步驟，拓展了機器人在仿真任務(wù)中的培訓范圍。

?? GenSim系統(tǒng)具有目標導向和探索兩種模式，利用LLM生成任務(wù)描述和行為代碼，成功訓練機械臂執(zhí)行新任務(wù)，如高速放置彩色積木。

?? 經(jīng)過人類預訓練后，GenSim自動生成了100種新行為，相比手動編寫任務(wù)的基準測試，展示了在構(gòu)思新型機器人活動方面的潛力。

亞馬遜推出AI聊天機器人Amazon Q

亞馬遜在re:Invent大會上發(fā)布了面向AWS客戶的AI聊天機器人「Amazon Q」，可提供廣泛的解決方案和操作建議，涵蓋業(yè)務(wù)智能、編程和配置等多個領(lǐng)域。

【AiBase提要:】

?? Amazon Q是面向AWS客戶的聊天機器人，起始價格每用戶每年20美元，能回答廣泛問題。

?? 可連接到各應(yīng)用程序，學習企業(yè)各方面信息，生成內(nèi)容，提供可視化選項。

?? 重視隱私，Q僅返回用戶有權(quán)查看信息，管理員可控制和過濾答案。

????????大模型動態(tài)

北大提出Chat-UniVi視覺語言大模型

Chat-UniVi是由北大和中山大學研究者提出的統(tǒng)一視覺語言大模型，在短短三天訓練內(nèi)獲得130億參數(shù)，通過動態(tài)視覺token和密度峰聚類算法實現(xiàn)統(tǒng)一視覺表征，在多任務(wù)中表現(xiàn)卓越。

項目地址:https://github.com/PKU-YuanGroup/Chat-UniVi

【AiBase提要:】

?? 模型簡介: Chat-UniVi是北大和中山大學研究者提出的視覺語言大模型，僅需三天訓練即可獲得130億參數(shù)，實現(xiàn)統(tǒng)一的視覺表征。

?? 核心方法: 采用動態(tài)視覺token和密度峰聚類算法，大幅減少視覺token數(shù)量，提高模型性能，在多任務(wù)中超越其他大型模型。

?? 實驗成果: Chat-UniVi在圖片、視頻理解以及問答任務(wù)中表現(xiàn)卓越，使用更少的視覺token達到與其他大模型相媲美的性能水平，并開源了代碼、數(shù)據(jù)集和模型權(quán)重。

新加坡國立大學開源多模態(tài)語言模型 NExT-GPT

新加坡國立大學發(fā)布的開源多模態(tài)語言模型 NExT-GPT，通過處理文本、圖像、視頻和音頻等多樣化輸入，推動了多媒體人工智能應(yīng)用的發(fā)展，為開發(fā)者提供強大支持。

【AiBase提要:】

?? 多模態(tài)能力: NExT-GPT 提供強大的多模態(tài)語言模型，能處理文本、圖像、視頻和音頻，拓展了人工智能應(yīng)用領(lǐng)域。

?? 架構(gòu)與訓練: 采用三層架構(gòu)，包括線性投影、Vicuna LLM 核心和模態(tài)特定的轉(zhuǎn)換層，通過 MosIT 技術(shù)進行中間層訓練，降低訓練成本。

?? 開源貢獻: NExT-GPT 的開源使研究者和開發(fā)者能夠創(chuàng)建能夠無縫集成文本、圖像、視頻和音頻的應(yīng)用，為多媒體人工智能應(yīng)用提供了重要貢獻。

研究人員發(fā)布Starling-7B:基于AI反饋的大語言模型

UC伯克利發(fā)布基于AI反饋強化學習的Starling-7B大語言模型，采用RLAIF技術(shù)，在性能上媲美GPT-3.5，通過基準測試表現(xiàn)出色，邁向更人性化的應(yīng)用。

項目網(wǎng)址:https://huggingface.co/berkeley-nest/Starling-LM-7B-alpha

【AiBase提要:】

?? RLAIF技術(shù)介紹: Starling-7B采用了基于AI反饋的強化學習，通過優(yōu)化Openchat3.5和Mistral-7B而成。

?? 性能卓越: 在基準測試中，Starling-7B表現(xiàn)出色，對比其他模型性能提升引人矚目。

?? 邁向人性化: RLAIF主要改善了模型的實用性和安全性，未來計劃引入高質(zhì)量的人工反饋數(shù)據(jù)，更好地滿足人類需求。

?????????聚焦開發(fā)者

Keras3.0正式發(fā)布

Keras3.0發(fā)布，全面支持TensorFlow、JAX和PyTorch，進行了全新的大模型訓練和部署功能引入，保持高度向后兼容性，為深度學習開發(fā)者提供更多選擇和工具。

【AiBase提要:】

?? 全面支持多框架: Keras3.0全面支持TensorFlow、JAX和PyTorch，使用戶可以選擇在不同框架上運行Keras工作流。

?? 大模型訓練和部署: 引入新的大模型訓練和部署功能，支持各種預訓練模型，保持高度向后兼容性，平滑過渡。

?? 跨框架數(shù)據(jù)pipeline: Keras3.0支持跨框架數(shù)據(jù)pipeline，包括分布式API，提高在大規(guī)模數(shù)據(jù)并行和模型并行方面的效率。

中國團隊開源大規(guī)模高質(zhì)量圖文數(shù)據(jù)集ShareGPT4V

中國團隊開源了基于GPT4-Vision構(gòu)建的圖文數(shù)據(jù)集ShareGPT4V，訓練了7B模型，涵蓋120萬條多樣性豐富的圖像-文本描述數(shù)據(jù)，在多模態(tài)性能上超越同級別模型，為多模態(tài)研究和應(yīng)用提供了新的基石。

【AiBase提要:】

?? 數(shù)據(jù)集概要: ShareGPT4V基于GPT4-Vision構(gòu)建，包含120萬條圖像-文本描述數(shù)據(jù)，涵蓋世界知識、對象屬性、空間關(guān)系、藝術(shù)評價等多方面。

?? 性能突破: 中國團隊的7B模型在多模態(tài)基準測試上表現(xiàn)優(yōu)異，超越同級別模型，為多模態(tài)研究和應(yīng)用提供有力支持。

??開源資源: 該數(shù)據(jù)集已開源，論文地址為

https://arxiv.org/abs/2311.12793，項目地址為https://github.com/InternLM/InternLM-XComposer/tree/main/projects/ShareGPT4V

上海AI實驗室、Meta聯(lián)合開發(fā)開源模型 可為人體生成3D空間音頻

上海AI實驗室與Meta合作推出的開源模型利用頭戴式麥克風和人體姿態(tài)信息，成功生成人體的3D空間音頻，為虛擬環(huán)境提供關(guān)鍵支持。

項目地址:https://github.com/facebookresearch/SoundingBodies

【AiBase提要:】

?? 技術(shù)突破: 上海AI實驗室與Meta的開源模型通過多模態(tài)融合，解決了音源位置未知和麥克風距離音源較遠等難題，成功實現(xiàn)了人體的3D空間音頻生成。

?? 局限性挑戰(zhàn): 雖然取得了技術(shù)進展，但該模型僅適用于渲染人體音，難以處理非自由音場傳播環(huán)境，且計算量較大，難以在資源受限的設(shè)備上部署。

?? 開源模型鏈接: 項目地址為 https://github.com/facebookresearch/SoundingBodies，為虛擬現(xiàn)實領(lǐng)域的發(fā)展提供了新的可能性，但仍需進一步優(yōu)化和拓展。

Real-ESRGAN-Video:將視頻清晰度提升至2K或4K

Real-ESRGAN-Video技術(shù)讓用戶輕松將視頻清晰度提升至2K或4K，通過簡化上傳和選擇清晰度的步驟，提供多種模型處理模式，特別適用于動畫視頻。測試結(jié)果顯示對相對清晰的視頻效果顯著，為提升視頻素材清晰度帶來新可能。

【AiBase提要:】

?? 清晰度提升: Real-ESRGAN-Video技術(shù)簡化步驟，讓用戶輕松將視頻清晰度提升至2K或4K。

?? 多模型支持: 提供多種處理模式，標準模型適用于大多數(shù)視頻，動畫專用模型更擅長處理動畫線條和顏色。

?? 測試驗證: 測試結(jié)果顯示在相對清晰的視頻上，提升效果顯著，尤其對動畫視頻的效果提升更為明顯。

（舉報）