48 | Page | 小林的博客-AI学长

8月11日的AI资讯中提到，红杉资本分析师认为ChatGPT将成为新的Excel，推动3000亿美元市场。Meta提出了一种新的模态感知型专家混合架构，优化混合模态模型能力。ACL 2024的研究探讨了多模态思维链推理的进展与挑战。苹果研究人员推出了SlowFast-LLaVA视频模型，通过不同观察速度提高视频理解能力，显著超越现有方法。

8月10日的AI资讯包括：一款新发布的AI换脸软件能够实时将单张照片换脸，引发伦理和安全风险的讨论；波士顿动力的Atlas机器人展示了其新能力，能够连续做8个俯卧撑；Meta提出了模态感知型混合专家架构，显著提升了模型训练效率和性能。

OpenAI发布了基于GPT-4o的大规模安全评估，尽管未推出GPT-5，且其处理能力涵盖文本、音频、图像和视频。腾讯在MSU世界视频编码器大赛中表现出色，包揽所有指标第一名。阿里通义团队开源了先进的数学模型Qwen2-Math，表现优于其他模型。DeepMind的乒乓球机器人已达到业余选手水平，特别在与初学者的对战中表现突出。

文章介绍了提升搜索效率的技巧，包括访问浏览器设置的快捷方式和不同平台的搜索网址格式，如Perplexity、360AI搜索、Youtube等。还提供了相关的AI课程和免费资料的链接，鼓励读者点赞和订阅频道以支持内容创作。

文章讨论了OpenAI的新匿名聊天机器人模型及其在逻辑推理中的表现，介绍了吴恩达推出的适合初学者的Python编程课程，以及字节跳动和香港大学合作开发的高效大模型Checkpointing系统ByteCheckpoint，最后提到字节版Sora的上线，用户可免费试用生成视频和图片的功能。

8月7日的AI资讯包括Figure AI发布的新一代人形机器人Figure 02，具备实时对话和自主学习能力；SpatialBot空间大模型的介绍，强调对深度信息的理解；GPT-4o新版本上线，性能提升且成本降低；以及苹果AI后台提示词的曝光，旨在减少幻觉和编造事实的风险。

8月6日的AI资讯包括智谱AI开源的视频生成模型Sora，支持在单张4090显卡上生成720p视频；MiniCPM-V 2.6发布，具备强大的多图理解能力；阿里国际推出专业版AI Search，旨在优化全球采购流程；AI芯片独角兽Groq融资6.4亿美元，估值达28亿美元，并聘请Yann LeCun担任技术顾问。

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。