AI日报 | 分类 | 小林的博客-AI学长

华为诺亚实验室提出了一种可将模型压缩70倍的技术，降低存储开销。英伟达因产能不足推迟B200芯片的发布，并推出阉割版B200A。OpenAI正在开发一款99.9%准确率的反作弊工具以识别ChatGPT生成的内容，但尚未上线。Meta计划在2025年发布Llama 4，训练将使用24万块GPU，成本高昂但扎克伯格仍坚持投资AI。

8月4日的AI资讯包括：GitHub推出新功能「GitHub Models」，允许开发者直接访问顶级大模型以构建AI应用；马斯克宣布特斯拉自研超算Dojo，预计达到100 exaflops计算能力；Perceptive公司开发的AI机器人成功执行世界首例牙科手术，速度是人类医生的8倍；研究者提出JRT提示策略以提升循环语言模型性能；阿里发布「轨迹可控版Sora」视频生成模型，生成高质量符合物理规律的视频。

8月6日，Figure.AI将发布新款人形机器人Figure 02，集成OpenAI的多模态大模型，预计在灵巧度上有显著提升。Character.AI与谷歌达成协议，谷歌获得其语言模型技术的非独家许可，同时重新雇佣创始人。研究显示，GPT-4o在PDF长文档阅读理解上的表现仅为44.9%，表明当前视觉语言大模型在长文档解析上仍需改进。

苹果和Meta AI提出了LazyLLM方法，提升Llama 2推理速度，同时保持准确度。谷歌发布Gemini 1.5 Pro，表现优于GPT-4o，但在某些领域仍有待提升。Stability AI的Robin Rombach创办新公司Black Forest Labs，推出FLUX.1模型系列，并计划发布开源的文生视频模型。

文章介绍了几项重要的AI发展：国产开源搜索引擎MindSearch在信息整合上优于其他AI搜索引擎；斯坦福大学推出的alphaXiv讨论平台允许用户在arXiv论文上进行互动；谷歌开源的Gemma 2 2B模型在性能上超越GPT-3.5-Turbo；周鸿祎ISC发布的免费安全大模型安全能力超过GPT-4。这些进展推动了AI技术的创新和学术交流。

Mentee Robotics展示了其人形机器人MenteeBot的购物陪伴能力，计划在2025年推出原型。GPT-4o语音模式已上线，支持自然对话，预计秋季向所有用户开放。英伟达在SIGGRAPH 2024介绍了可用苹果Vision Pro远程操控人形机器人的新功能。Midjourney v6.1发布后反响热烈，图像生成质量显著提高，接近摄影水平。

Meta发布了Segment Anything Model 2（SAM 2），用于实时图像和视频对象分割，并开源了相关数据库。生成式AI技术在社交媒体推荐系统中的应用前景被探讨，Meta和英伟达的创始人讨论了未来的发展趋势。生数科技的Vidu视频生成产品以30秒生成4秒视频的速度全球上线，成为业界最快。苹果的自研基础模型（AFM）在多项任务上表现超过GPT-4，具备强大的对话功能和应用。

本文讨论了AI开源的发展趋势以及OpenAI转向闭源的原因。另外，还探讨了大模型的越狱现象和相应的防御机制，介绍了豆包大模型在图像生成方面的最新进展，以及斯坦福大学和SLAC国家加速器实验室的科学家们开发的一种AI方法，为材料发现和自动驾驶实验奠定了基础。

这篇文章讨论了人工智能在具备常识方面的挑战，以及教授AI常识的方法。另外，文章揭示了Llama 3.1的研发思路和后续Llama 4的更新方向。还讨论了OpenAI的SearchGPT官方演示中的搜索结果错误和源代码泄露的问题。

微软发布VALL-E 2模型，首个在文本到语音合成方面达到人类水平的零样本模型。OpenAI与媒体公司建立合作伙伴关系，引发了数据伦理和版权争议。吴恩达和Charles Giancarlo讨论了AI图像处理的革命和数据集中化对AI的重要性。

本文介绍了关于使用AI生成的数据训练AI模型可能导致模型崩溃的问题，OpenAI发布的大模型搜索产品SearchGPT以及智谱AI发布的视频生成大模型产品「清影」和Runway发布的Gen-3视频生成模型。这些新的发展对于AI领域的研究和发展具有重要意义。

英特尔举办2024网络与边缘计算行业大会，推动边缘AI创新发展；法国AI初创公司Mistral AI发布了开源模型Mistral Large 2，具有1230亿个参数；OpenAI设计了基于规则的奖励机制（RBR）来教导AI模型遵守安全政策；字节跳动研究团队推出了端到端同声传译智能体CLASI，达到或超过人类同传水平。

上页

...

49 50 51 52 53 54

下页

上页

下页

你好！我是