AI 共存派

Meta 公司发布了新闻稿，宣布推出下一代大语言模型 Llama 3，共有 80 亿和 700 亿参数两种版本，号称是最强大的开源大语言模型。Llama 3 具有更强的推理能力和服从指令能力，并且能够处理文本、图片和视频。Meta 公司还发布了新的信任和安全工具，即将在 Facebook、Instagram、WhatsApp 等应用中整合 Llama 3。 地址： https:…

Stable AI宣布了Stable Diffusion 3和Stable Diffusion 3 Turbo在Stability AI开发者平台API上的可用性。 1. **模型性能**：Stable Diffusion 3在排版和提示遵循性方面，根据人类偏好评估，与DALL-E 3和Midjourney v6等最先进的文本到图像生成系统相当或更优。 2. **架构更新**：…

MagicClothing这个AI换装的演示效果确实很强大。它基于潜在扩散模型（LDM）开发的新型网络架构，专门处理服装驱动的图像合成任务。通过服装特征提取器和自注意力融合技术，能够保留服装细节并忠实于文本提示，确保生成的角色穿着定制的服装。同时，采用联合无分类器指导技术平衡服装特征和文本提示的影响，提高生成图像的多样性和可控性。此外，还提出了一种新型评估指标MP-LPIPS用…

2024年AI指数报告是迄今为止最全面的一份报告，涵盖了AI技术进展、公众对技术的看法以及其对社会的影响等重要趋势。报告显示，AI在某些任务上已经超越了人类，但在一些更复杂的任务上仍有差距。同时，美国在AI领域的领先地位进一步加强，但对AI的监管和规范仍存在挑战。总体来说，AI对劳动力的生产力和工作质量有积极影响，但也存在着一些潜在风险和挑战。 报告地址： AI Index R…

国内 AI 初创企业 MiniMax正式推出abab 6.5系列模型，包含abab 6.5和abab 6.5s两个模型。万亿MoE模型abab 6.5支持200k tokens的上下文长度，在各类核心能力测试中，开始接近GPT-4、Claude 3 Opus、Gemini 1.5 Pro等世界领先的大语言模型的性能。abab 6.5s跟abab 6.5使用了同样的训练技术和数据…

1、声音效果生成：用户可以利用这个平台生成适用于多种应用场景的声音效果，比如游戏中的射击声、跳跃声，动画中的雨声环境，以及视频中的地铁到站声音等。 – 变声：能够基于一个参考声音生成多个类似的声音。 – 风格标签：许用户通过指定风格标签（如卡通、恐怖、8位等）来引导不同风格声音生成 – 背景音乐或氛围声：生成用于背景音乐或创建特定氛围的声音。…

2txt是一个基于AI的图像转文字工具，使用Claude Haiku和Vercel AI SDK创建。它可以快速准确地识别图片中的文字，并转换成可编辑的文本格式。通过这个工具，用户可以方便地从图像中提取文字，提高工作效率。 项目地址： https://github.com/ai-ng/2txt

什么是𝗥𝗲𝘁𝗿𝗶𝗲𝘃𝗮𝗹 𝗔𝘂𝗴𝗺𝗲𝗻𝘁𝗲𝗱 𝗚𝗲𝗻𝗲𝗿𝗮𝘁𝗶𝗼𝗻 ( 𝗥𝗔𝗚 ) 𝗦𝘆𝘀𝘁𝗲𝗺𝘀 ？ 以下是一个基于 RAG 的简单聊天机器人示例，用于查询您的私人知识库。 第一步是以适合查询的格式存储内部文档的知识。我们通过使用嵌入模型嵌入它来做到这一点： 𝟭 ：将整个知识库的文本语料库分割成块——一个块将代表可查询的单个上下文。感兴趣的数据可以来自多个来源，例如 Conf…

原文： https://01.me/2024/03/ai-agents-entertaining-or-useful/ 这篇文章探讨了AI Agent的发展方向，主要围绕“有趣”与“有用”两个维度进行讨论，并提出了构建一个既有趣又有用的AI Agent的可能性和挑战。以下是文章的重点归纳： 1. **AI Agent的两个发展方向**：– 有趣的AI：更像人的AI，…

360 公司日前在 GitHub 上开源了 360 智脑 7B（70 亿参数模型）。360 智脑大模型采用 3.4 万亿 Tokens 的语料库训练，以中文、英文、代码为主，开放 4K、32K、360K 三种不同文本长度。360 表示，360K（约 50 万字）是当前国产开源模型文本长度最长的。 地址： https://github.com/Qihoo360/360zhinao