4月24日

AI资讯速递1个月前发布 大Joe
143 0

4月24日·周三 AI工具和资源推荐

AI全网资源导航-aiguide.cc为您提供最新的AI新闻资讯和最新的AI工具推荐,在这里你可以获得用于营销的AI聊天机器人、AI在商业管理中的应用、用于数据分析的AI工具、机器学习模型、面向企业的AI解决方案、AI在商业客户服务中的应用、AI和自动化工具等。

MiniMax不声不响出了款让人惊喜的生产力产品:「海螺AI」大测评

MiniMax还基于自研大模型开发了一款生产力产品“海螺AI“,且目前已经接入了 abab 6.5。“海螺AI”的网页界面,设计很简洁,听说读写,功能覆盖比较全面。从产品界面上看,“海螺AI”支持速读长文、智能搜索、免费查数据、识图、创作文案,还支持语音通话,是少数全面覆盖 C 端用户对大模型主要需求的 AI 助手。从目标用户群来看,似乎包括学生、职场人士、内容创作者。与 Claude -3 Opus、Mistral-Large、Gemini-1.5-Pro 等领先大语言模型相比,“海螺AI”的一大亮点是支持语音交互,也是我们最先体验的功能。使用语音首先要有一个听整天都不嫌腻的声音,“海螺AI”为此提供了丰富选项,听起来还比较自然,不会太机械和生硬。第一次使用“海螺AI”是在花鸟市场买绿植,因为不懂行情就问了下它,小海螺展现出不错的理解能力和反应速度,老板开价 75 块的天堂鸟最后被我们以 65 元的价格拿下。来源:微信公众号【机器之心】

加速扩散模型,最快1步生成SOTA级图片,字节Hyper-SD开源了

字节跳动技术团队提出了一种名为 Hyper-SD 的轨迹分段一致性模型。Hyper-SD 的开源也得到了Huggingface首席执行官 Clem Delangue的肯定。该模型是一种新颖的扩散模型蒸馏框架,结合了轨迹保持蒸馏和轨迹重构蒸馏两种策略的优点,在压缩去噪步数的同时保持接近无损的性能。与现有的扩散模型加速算法相比,该方法取得了卓越的加速效果。经过大量实验和用户评测的验证,Hyper-SD 在 SDXL 和 SD1.5 两种架构上都能在 1 到 8 步生成中实现 SOTA 级别的图像生成性能。来源:微信公众号【机器之心】

全球首个「油电平权」智驾方案:10万级入门标配高速NOA,高通Momenta联合出品

高通Momenta联手,最新一代Snapdragon Ride平台智驾系统全球首发。双方刚刚官宣,新智驾方案基于高通最新的Snapdragon Ridep平台(骁龙SA8620P和骁龙SA8650P)打造:其中,骁龙SA8620P芯片采用4nm工艺制程,具备36TOPsAI稠密算力,对Transformer架构支持更友好。Transformer则是实现BEV感知能力,也就是高阶城市、高速NOA的技术基础。传感器方案上,可以选择搭载7V3R/7V1R两种不同方案。适合在10-20万元的主流乘用车上搭载。注意是“主流乘用车车”,智能不再区分油电。据介绍,这是因为骁龙8620芯片能支持被动散热,对于基础架构高度成熟、车载用电“冗余度”不高的油车来说,可在不增加额外成本的情况下直接上车。具体功能体验上实现“行泊一体”,包括L2级的ADAS全功能,同时还可支持HNP高速高架领航辅助(高速NOA),MNP记忆领航辅助(通勤NOA),LPNP记忆泊车领航辅助、PNP泊车领航辅助等高阶智驾功能。来源:微信公众号【量子位】

科学家提出RAR新方法,增加大模型细粒度识别力,可用于电商识图等领域

在近期一项研究中,武汉大学本科生、目前在上海人工智能实验室担任实习生的刘子煜和所在团队,针对视觉语言模型(CLIP,Contrastive Language-Image Pre-Training)和多模态大型语言模型(MLLMs,Multimodal Large Language Models),在处理细粒度识别任务上的局限性开展了一项研究。据介绍,虽然 CLIP 模型在视觉-语言理解任务中表现出较好的灵活性和强大性能,但在面对包含大量类别或细粒度类别的数据集时,它的表现开始出现下滑。这一现象主要归因于语言描述的固有模糊性和同义词带来的挑战,这些因素使得模型难以准确区分那些紧密相关但又各不相同的类别。另一方面,MLLMs 虽然在训练过程中积累了丰富的知识,并在分类细粒度类别上展示了出色能力。但当面对越来越多的类别时,由于上下文窗口大小的限制,其性能也开始受到影响。基于此,课题组希望通过结合两种方法的优势,提高少样本/零样本识别能力,尤其是针对具有广泛和细粒度词汇的数据集。来源:微信公众号【DeepTech深科技 】

John Spencer:如何防止AI取代人类思考一切?

认知萎缩发生在我们由于不活跃而失去参与思维过程的能力时。在人工智能的世界里,我们需要意识到认知萎缩的危险,这样我们才能继续保持好奇心、创造力和更深层次的学习。如果我们把思维交给了人工智能,为何会发生“认知萎缩”?当我们考虑人工智能时,我们需要意识到认知萎缩的可能性。我喜欢与聊天机器人的问答方式,但我担心它可能引起的缺乏有益的挣扎。我担心即时答案以及诸如无聊和困惑等在学习过程中非常必要的事物的丧失。我喜欢人工智能如何帮助构思,但我从不希望它成为我头脑风暴的默认选择。我可以看到在创造过程中(尤其是在基于项目的学习中)使用人工智能的价值,但我担心将创造性工作外包给机器。当这种情况发生时,学生就不会成为可以制造和解决问题的人。换句话说,我担心我们可能会对人工智能如此依赖,以至于失去参与某些类型思维的能力。来源:微信公众号【 胖胖老师】

© 版权声明

相关文章

暂无评论

暂无评论...