3月24日

零样本6D物体姿态估计框架SAM-6D，向具身智能更进一步

来自跨维智能、香港中文大学（深圳）、华南理工大学的研究人员提出了一个新颖的零样本 6D 物体姿态估计框架。该论文目前已被 CVPR 2024 接受。SAM-6D 通过两个步骤来实现零样本 6D 物体姿态估计，包括实例分割和姿态估计。相应地，给定任意目标物体，SAM-6D 利用两个专用子网络，即实例分割模型（ISM）和姿态估计模型（PEM），来从 RGB-D 场景图像中实现目标；其中，ISM 将 SAM 作为一个优秀的起点，结合精心设计的物体匹配分数来实现对任意物体的实例分割，PEM 通过局部到局部的两阶段点集匹配过程来解决物体姿态问题。来源：微信公众号【机器之心】

32K上下文，Mistral 7B v0.2 基模型突然开源了

刚刚，Mistral AI 的模型又更新了。这次开源一如既往地「突然」，是在一个叫做 Cerebral Valley 的黑客松活动上公布的。这次开源的 Mistral 7B v0.2 Base Model ，是 Mistral-7B-Instruct-v0.2 背后的原始预训练模型，后者属于该公司的「Mistral Tiny」系列。此次更新主要包括三个方面：将 8K 上下文提到了 32K；Rope Theta = 1e6；取消滑动窗口。Mistral AI 的第一个 7B 模型发布于 2023 年 9 月，在多个基准测试中实现了优于 Llama 2 13B 的好成绩，让 Mistral AI 一下子就打出了知名度。这也导致目前很多开源大模型都已不再对标 Llama 2，而是将 Mistral AI 旗下的各系列模型作为直接竞争对手。而 Mistral 7B v0.2 Base Model 对应的指令调优版本 Mistral-7B-Instruct-v0.2 在 2023 年 12 月就已开放测试，据官方博客介绍，该模型仅适用于英语，在 MT-Bench 上能够获得 7.6 分的成绩，逊于 GPT-3.5。来源：微信公众号【机器之心】

苹果或推AI手机？论文显示其正研究放弃“嘿Siri”，转而使用AI大模型

近日发表的一篇论文显示，苹果公司的研究人员正在探索是否有可能使用人工智能来检测用户何时对 iPhone 等设备说话，从而消除对 Siri 等触发词的技术需求。在一篇未经同行评审的预印本中，研究人员训练了一个大型语言模型，训练所使用的声学数据，来自智能手机所捕获的语音和背景噪声，借此试图从中寻找用户通过语音唤醒设备的规律。该模型中的一部分是用 OpenAI 的 GPT-2 构建的，“因为它相对较小，有可能在智能手机等设备上运行”。训练模型所用的数据包括超过 129 小时的声音数据，以及额外的文本数据，但没有给出这些数据来自哪里。该论文称，研究结果很有希望。与纯音频或纯文本模型相比，模型能够做出更准确的预测，并且其性能会随着模型尺寸的增大而提升。除了探索这个研究问题，目前还不清楚苹果是否打算取消“嘿 Siri”这个经典的语音助手触发短语。来源：微信公众号【DeepTech深科技】

Notion CEO：为什么RAG会彻底改变知识型工作？

Notion 是生产力工具领域 AI 策略最为激进的一家公司：在 ChatGPT 推出 2 个月后，Notion 就宣布推出Notion AI，将 GenAI 的体验直接融入到产品，并根据不同需求和场景预设了 prompt，用户只需要空格或“/”即可调用 GPT。Notion AI 上线 1 个月后，就有消息称 Notion AI 为 Notion 带来了 1000 万美元的 ARR，上线 2 个月后，Notion AI 用户突破 400 万。除了不断提升问答交互的体验，Notion 还推出了 Notion Project、Notion Q&A 和 Notion Calendar 等新功能、产品。在访谈中，Ivan 分享了 Notion 在 AI 实践中的思考：团队all-in AI 的决策是如何做出的、为什么说 RAG、workflow agent 被外界低估了，以及 language model 一定程度上会将 SaaS 世界带入到新一轮 bundling 周期中。Notion 的愿景是通过构建出各种各样的“积木块”让用户在平台上搭建出更具个性化、符合实际需求的定制化应用，从而实现“人人都能制作自己的软件”这件事，Ivan 认为，language model 的出现一定会加速这一过程，更进一步，RAG 还会彻底革命知识型工作和团队沟通的形态，Notion Project、Notion Q&A 和 Notion Calendar 等新功能、产品正是服务于此。来源：微信公众号【海外独角兽 】