Cohere推出一种新型的人工智能（AI）优化方法，名为“自我改进的鲁棒偏好优化”（Self-Improving Robust Preference Optimization，简称SRPO）。这种方法主要针对的是让AI系统通过学习人类的偏好来提升其性能，同时确保其在面对不同类型的任务时都能保持稳定和鲁棒的表现。 主要功... 阅读全文

关键信息摘要： Stable Audio Open 是一个开源的文本到音频模型，能够生成长达 47 秒的音频样本和音效。 用户可以创作鼓点、乐器即兴重复段、环境声、拟音以及制作所需的音频元素。 该模型支持音频变化和音频样本的风格转换。 StabilityAI推出了全新的开源模型Stable Audio Open，这是一... 阅读全文

浙江大学、香港大学、腾讯游戏和德克萨斯农工大学的研究人员推出DreamMat，它是一种用于生成高质量PBR（基于物理的渲染）材质的系统。简单来说，DreamMat可以根据文本描述和未贴图的3D模型，生成逼真的材质效果，这些效果可以用于现代图形引擎中，实现照片级的渲染效果。 项目主页：https://zzzyuqing.... 阅读全文

字节跳动推出文本到语音（Text-to-Speech, TTS）模型家族Seed-TTS，它们能够生成与人类语音几乎无法区分的高质量语音。Seed-TTS模型家族通过其先进的技术，为语音合成领域带来了革命性的进步，使得机器生成的语音更加自然和富有表现力，同时提供了强大的控制能力和编辑功能，适用于多种实际应用场景。 主要... 阅读全文

字节正在测试的AI伴侣项目【小黄蕉】，基于豆包模型，聊天效果非常好。大家可以进去测试看看效果如何？  ... 阅读全文

德克萨斯大学奥斯汀分校和英伟达的研究人员推出新技术CamCo，它是一种可以生成视频的人工智能工具。总的来说，CamCo是一个强大的工具，它可以将静态图像转化为动态视频，并允许用户对摄像机的运动进行精确控制，创造出既真实又连贯的视频内容。例如，你有一张照片，但你想要的是一个视频，而不仅仅是静态的画面。CamCo可以帮助你... 阅读全文

智谱 AI推出的最新一代预训练模型 GLM-4 系列中的开源版本GLM-4-9B 。 在语义、数学、推理、代码和知识等多方面的数据集测评中， GLM-4-9B 及其人类偏好对齐的版本 GLM-4-9B-Chat 均表现出超越 Llama-3-8B 的卓越性能。除了能进行多轮对话，GLM-4-9B-Chat 还具备网页浏... 阅读全文

在这个广告和追踪器无处不在的网络世界里，Cobalt 带来了一股清流。这是一款开源的在线视频下载应用，它快速、友好，彻底摆脱了现代网络的烦人元素： 🚫 无广告 🚫 无追踪器 🚫 无侵入性分析工具 官网：https://cobalt.tools GitHub：https://github.com/imputnet/cob... 阅读全文

蒙特利尔大学、蒙特利尔康考迪亚大学、三星-SAIT AI 实验室的研究人员发布论文，论文的主题是关于提高学习优化器（Learned Optimizers, LOs）的泛化能力，特别是在进行大规模神经网络训练时。学习优化器是一种特殊的神经网络，它能够学习如何更有效地训练其他神经网络。这项技术的目标是减少训练大型神经网络所... 阅读全文

牛津大学和Google DeepMind的研究人员发布论文，主题是探讨在强化学习（Reinforcement Learning, RL）中如何实现人工文化积累（Artificial Cultural Accumulation）。文化积累是指知识和技能随着时间的推移而不断增长的过程，这一过程在人类历史中推动了能力的开放性... 阅读全文

斯坦福大学的研究团队发布论文，主题是关于如何让大语言模型（LLMs）更好地适应特定用户或任务的需求。大型语言模型通常被训练成通用工具，但实际应用时，用户往往需要它们完成非常具体和个性化的任务。例如，写一封电子邮件，不同的人可能会有不同的写作风格和内容需求。然而，这些模型生成的输出往往显得过于笼统和缺乏个性，因为它们被设... 阅读全文

滑铁卢大学、多伦多大学和卡内基梅隆大学的研究人员推出新型语言理解基准测试MMLU-Pro，它不仅能够更准确地衡量AI模型的语言理解能力，还能推动AI技术在语言处理方面的发展。例如，我们有一群非常聪明的机器人，它们擅长理解和处理人类的语言。但是，我们需要一种方法来测试这些机器人有多聪明，这就是基准测试的作用。 主题介绍：... 阅读全文