slug
summary
tags
icon
password
⏩无问芯穹发布全球首个端侧全模态理解的开源模型Megrez-3B-Omni，小巧全能，极速推理
无问芯穹于2024年12月16日发布了全球首个端侧全模态理解开源模型Megrez-3B-Omni，标志着AI领域的一项重要进展。该模型具备图片、音频和文本三种模态的数据处理能力，参数量为30亿，推理速度比同精度模型快300%。Megrez-3B-Omni在多个主流基准测试中表现优异，尤其在图像理解和文本处理方面超越了许多大型模型。其音频理解能力也相当出色，支持多轮对话和语音指令响应。此外，Megrez-3B-Instruct模型还具备智能WebSearch功能，能够在必要时调用外部工具进行信息检索，提升了模型的实用性和灵活性。这一发布为端侧AI应用提供了新的可能性，推动了AI技术的进一步发展。
⏩世界模型进入4D时代！单视角视频构建的自由视角4D世界来了
本文介绍了李飞飞教授团队的最新研究成果，提出了一种名为ReconDreamer的技术，能够通过单视角视频构建高精度的4D世界。该技术在自动驾驶场景重建中具有重要意义，能够有效解决传统三维重建算法在复杂驾驶操作中的局限性。ReconDreamer通过训练世界模型和渐进式修复策略，显著提升了动态场景下的渲染质量，确保了时空一致性，为端到端自动驾驶系统的开发提供了更为真实的环境。实验结果表明，ReconDreamer在大范围相机运动下的表现优于现有技术，推动了AI在空间智能领域的进一步发展。
⏩Kimi又上新！抢先实测视觉思考模型k1，甚至比o1更聪明
本文介绍了国产大模型Kimi最新发布的视觉思考模型k1，该模型在推理能力和视觉理解方面有显著提升，能够处理数学、物理、化学等基础科学问题。k1基于强化学习技术，支持端到端的图像理解，解决了以往模型在复杂场景下的局限性。文章详细描述了k1在实际应用中的表现，包括对手写数学题、物理题和化学反应图示的分析，展现了其强大的推理能力和视觉识别能力。此外，k1还具备古代文献分析和梗图理解等多种涌现能力，提升了其在日常生活中的实用性，标志着国产AI技术的新进展。
⏩Ilya错了，预训练没结束！LeCun等反击，「小模型时代」让奥特曼预言成真
本文讨论了Ilya对预训练结束的观点引发的争议，LeCun等业内专家对此表示反对，认为预训练并未结束。文章分析了当前AI模型规模的变化趋势，指出虽然模型参数在减少，但未来可能会出现更大的模型。通过对比不同模型的参数量和性能，文章探讨了预训练的未来方向以及数据的潜力，强调了视觉、音频等多种数据形式在预训练中的重要性。整体来看，文章深入探讨了AI领域的前沿问题，具有较高的学术价值和实用性。
⏩视频一键拆分PS层！DeepMind新模型效果碾压同级，物体、背景完美分离，还能脑补
DeepMind开发了一种新的视频分层方法，无需假设背景静止或精确相机姿态，能有效分离物体和背景，提升视频编辑效率，且在处理动态区域时表现优异。该方法通过训练视频扩散模型克服了传统方法的限制，输出高质量的分解结果。
- 作者:AI学长小林
- 链接:https://ai.linbintalk.com/article/15d629a6-152d-8048-a6bd-fdc4491dbe99
- 声明:本文采用 CC BY-NC-SA 4.0 许可协议，转载请注明出处。