8月22日·火山引擎发布豆包大模型升级，AI交互体验显著提升

89 0 0

8月22日·周四AI工具和资源推荐

AI智库导航-aiguide.cc为您提供最新的AI新闻资讯和最新的AI工具推荐，在这里你可以获得用于营销的AI聊天机器人、AI在商业管理中的应用、用于数据分析的AI工具、机器学习模型、面向企业的AI解决方案、AI在商业客户服务中的应用、AI和自动化工具等。

火山引擎发布豆包大模型升级，AI交互体验显著提升

火山引擎在AI创新巡展活动上宣布了豆包大模型的全面升级，最新版在六项关键能力评测中表现突出，综合能力提升了20.3%。特别在角色扮演和语言理解方面，分别实现了38.3%和33.3%的能力提升，使得对话更加连贯、角色更拟人化。此外，还发布了豆包大模型的语音能力升级，包括语音识别和语音合成模型，并结合RTC技术推出了对话式AI实时交互解决方案。该方案允许用户在对话中随时打断AI，实现更自然流畅的交流体验。同时，火山引擎与多点DMALL联合成立了零售大模型生态联盟，旨在基于豆包大模型打造零售AI解决方案。火山引擎的这一系列产品升级，标志着AI交互体验的一次重大进步。来源：微信公众号【量子位】

Transformer启发下，Mamba架构实现计算效率与性能双重突破

在人工智能领域，Mamba架构通过Transformer模型的知识迁移，实现了重大的技术突破。由Albert Gu领衔的研究团队开发了一种名为MOHAWK的蒸馏方法，该方法在大幅降低计算量的同时，保持了模型性能的SOTA（State of the Art）。Mamba架构通过三个阶段的蒸馏过程——矩阵对齐、隐藏状态对齐和权重转移及知识蒸馏——有效地从Transformer预训练模型中学习。实验结果显示，使用仅3B token进行蒸馏的Phi-Mamba模型，数据量仅为传统从头开始训练模型的1%，却达到了开源非Transformer架构中的新SOTA。此外，研究还发现，更好的隐藏状态对齐可以进一步提升性能。这项研究不仅推动了Mamba架构的发展，也为非Transformer架构的优化提供了新思路。来源：微信公众号【量子位】

康奈尔大学研究揭示AI幻觉问题，寻求事实与创造的平衡

康奈尔大学牵头的研究团队深入探讨了AI生成模型中的“幻觉”问题，发现即使是知名模型如GPT-4o也难以避免产生不准确的信息。研究指出，大型语言模型（LLM）虽然在信息分类、抽取、总结和阅读理解等方面表现出色，但在准确性方面存在明显缺陷。实验显示，没有一个模型能在所有主题上都有出色的表现，而幻觉最少的模型往往是因为它们选择拒绝回答可能出错的问题。研究合著者赵文婷博士生强调，目前最好的模型也只能在大约35%的时间里生成无幻觉的文本。研究还发现，模型的幻觉倾向与其接触的信息来源有关，且模型大小并不是决定幻觉频率的关键因素。这项研究提出了一个可能的解决方案，即编程让模型更频繁地拒绝回答，以减少幻觉的产生。同时，赵文婷建议模型公司应投入更多资源研究如何减少幻觉，并确保人类专家参与验证生成信息的过程。来源：微信公众号【AI异类弗兰克】

LumaLabs推出Dream Machine 1.5，树立AI视频创作新标准

LumaLabs最近发布了Dream Machine 1.5版本，这一更新在AI视频生成技术上取得了显著进步。虽然1.5版本的外观变化不大，但其底层模型的改进在现实感、运动跟踪和提示理解能力方面实现了质的飞跃。Dream Machine 1.5通过增强提示遵从性和运动效果，提高了文本到视频生成的精确度，同时提升了文字渲染能力，能够生成清晰的Logo屏幕和结束板。此外，新版本在生成速度上也有所提升，大约两分钟可以生成五秒钟的视频，这对内容创作者来说是一个巨大的效率提升。角色一致性和对物理规律的遵从性也得到了加强，简化了视频创作中的后期处理难度。LumaAI的这一进步不仅适用于娱乐和广告领域，还有望扩展到教育和企业培训等更多领域。同时，我们也应警惕AI技术带来的潜在风险，如创意同质化和伦理合法性问题，确保人类的创造力和判断力不被替代。来源：搜狐新闻

OpenAI GPT-4展现高精度建模基本蛋白质结构的潜力

罗格斯大学的最新研究显示，OpenAI的GPT-4语言模型在模拟简单的氨基酸和蛋白质结构方面表现出了高精度的潜力。该研究成果已发表在《Scientific Reports》上。GPT-4在建立20种标准氨基酸的三维结构模型时，能够准确预测原子组成、键长和角度，尽管在环状结构和立体化学构型模拟中存在一些错误。此外，GPT-4还成功模拟了α-螺旋结构，并分析了抗病毒药物Nirmatrelvir与SARS-CoV-2主要蛋白酶之间的结合，正确识别了参与结合的氨基酸和相互作用原子之间的距离。尽管GPT-4并非专为结构生物学任务开发，但其表现出的建模能力已经非常突出。研究人员认为，虽然GPT-4的建模方法尚不完全明确，且实际应用有限，但这项研究为使用生成式人工智能进行结构生物学建模提供了新的方向，并建议进一步探索AI在生命科学其他领域的应用潜力。来源：IT之家