歡迎來(lái)到【AI日?qǐng)?bào)】欄目!這里是你每天探索人工智能世界的指南，每天我們?yōu)槟愠尸F(xiàn)AI領(lǐng)域的熱點(diǎn)內(nèi)容，聚焦開(kāi)發(fā)者，助你洞悉技術(shù)趨勢(shì)、了解創(chuàng)新AI產(chǎn)品應(yīng)用。

新鮮AI產(chǎn)品點(diǎn)擊了解：https://top.aibase.com/

1、Anthropic宣布Claude 3 Haiku支持微調(diào)

Anthropic宣布用戶現(xiàn)在可以在Amazon Bedrock中微調(diào)最新模型Claude 3 Haiku，提高模型在特定任務(wù)上的效果。微調(diào)功能使用戶能根據(jù)業(yè)務(wù)需求定制模型知識(shí)和能力，帶來(lái)諸多好處。

【AiBase提要:】

??? 用戶可以通過(guò)高質(zhì)量的提示-完成對(duì)進(jìn)行微調(diào)，提升模型的專業(yè)能力。

? Claude 3 Haiku是最快和最具成本效益的模型，適合專門(mén)任務(wù)使用。

?? 客戶的專有訓(xùn)練數(shù)據(jù)保持在AWS環(huán)境內(nèi)，確保安全性和低風(fēng)險(xiǎn)。

詳情鏈接:https://aws.amazon.com/cn/bedrock/claude/

2、Heygen推對(duì)口型工具 上傳照片+音頻即可說(shuō)話、唱歌

最近，AI照片“復(fù)活術(shù)”在網(wǎng)絡(luò)上掀起波瀾，Heygen推出對(duì)口型工具，讓照片中人物根據(jù)音頻內(nèi)容說(shuō)話、唱歌，支持長(zhǎng)達(dá)20秒音頻，唇形與表情同步。Heygen融資5億美元，由Benchmark領(lǐng)投，發(fā)展勢(shì)頭強(qiáng)勁。中國(guó)區(qū)用戶受限制，令部分用戶失望。Heygen利用生成式AI技術(shù)制作影片，已籌集7400萬(wàn)美元。

【AiBase提要:】

?? Heygen推出對(duì)口型工具，讓照片中人物根據(jù)音頻內(nèi)容說(shuō)話、唱歌，支持長(zhǎng)達(dá)20秒音頻。

?? Heygen融資5億美元，由Benchmark領(lǐng)投，發(fā)展勢(shì)頭強(qiáng)勁。

?? 中國(guó)區(qū)用戶受限制，令部分用戶失望。Heygen利用生成式AI技術(shù)制作影片，已籌集7400萬(wàn)美元。

詳情鏈接:https://labs.heygen.com/guest/expressive-photo-avatar

3、百度飛槳PaddleOCR發(fā)布v2.8.0新版本

PaddleOCR v2.8.0作為飛槳深度學(xué)習(xí)開(kāi)源框架下的文字識(shí)別開(kāi)發(fā)套件，發(fā)布了里程碑式的更新。這個(gè)版本引入了前沿的OCR技術(shù)，包括PaddleOCR算法模型挑戰(zhàn)賽的冠軍方案，如場(chǎng)景文本識(shí)別算法SVTRv2和表格識(shí)別算法SLANet-LCNetV2，為OCR領(lǐng)域樹(shù)立了新的標(biāo)準(zhǔn)。項(xiàng)目結(jié)構(gòu)經(jīng)過(guò)深度優(yōu)化，非核心模塊被遷移至新倉(cāng)庫(kù)，使項(xiàng)目更專注于OCR核心技術(shù)。新版本解決了歷史疑難問(wèn)題，提升了用戶體驗(yàn)，增強(qiáng)了穩(wěn)定性、兼容性和性能。

【AiBase提要:】

?? PaddleOCR v2.8.0引入了前沿的OCR技術(shù)，包括SVTRv2和SLANet-LCNetV2，樹(shù)立了OCR領(lǐng)域新標(biāo)準(zhǔn)。

?? 項(xiàng)目結(jié)構(gòu)優(yōu)化，非核心模塊遷移至新倉(cāng)庫(kù)，專注于OCR核心技術(shù)。

?? 新版本解決歷史疑難問(wèn)題，提升用戶體驗(yàn)，增強(qiáng)穩(wěn)定性、兼容性和性能。

詳情鏈接:https://github.com/PaddlePaddle/PaddleOCR

4、百度稱蘿卜快跑安全水平接近C919飛機(jī)

蘿卜快跑公司推出第六代無(wú)人車(chē)，成功接入百度ApolloADFM大模型，安全性超過(guò)人類駕駛員10倍以上。百度對(duì)無(wú)人車(chē)安全性充滿信心，每輛車(chē)及乘客投保500萬(wàn)元保險(xiǎn)。運(yùn)行數(shù)據(jù)顯示出險(xiǎn)率僅為人類司機(jī)的1/14，安全性表現(xiàn)卓越。百度Apollo自動(dòng)駕駛技術(shù)已行駛超過(guò)1億公里，無(wú)重大傷亡事故，成功實(shí)現(xiàn)武漢全域、全時(shí)空自動(dòng)駕駛服務(wù)覆蓋。

【AiBase提要:】

?? 無(wú)人車(chē)安全性超過(guò)人類駕駛員10倍以上

?? 每輛車(chē)及乘客投保500萬(wàn)元保險(xiǎn)

??? 運(yùn)行數(shù)據(jù)顯示出險(xiǎn)率僅為人類司機(jī)的1/14

5、智譜AI宣布開(kāi)源視頻理解模型CogVLM2-Video

智譜AI最新開(kāi)源的CogVLM2-Video模型在視頻理解領(lǐng)域取得顯著進(jìn)展，通過(guò)解決時(shí)間信息丟失問(wèn)題，實(shí)現(xiàn)了優(yōu)異的性能表現(xiàn)。該模型不僅在視頻字幕生成和時(shí)間定位方面表現(xiàn)出色，還為視頻生成和摘要等任務(wù)提供了強(qiáng)大工具。通過(guò)自動(dòng)生成豐富的時(shí)間定位數(shù)據(jù)集，模型在公共視頻理解基準(zhǔn)上達(dá)到最新性能，展現(xiàn)出卓越的性能。

【AiBase提要:】

? CogVLM2-Video通過(guò)引入多幀視頻圖像和時(shí)間戳作為編碼器輸入，解決了現(xiàn)有視頻理解模型在處理時(shí)間信息丟失問(wèn)題上的局限。

?? 模型利用自動(dòng)化的時(shí)間定位數(shù)據(jù)構(gòu)建方法，生成了3萬(wàn)條與時(shí)間相關(guān)的視頻問(wèn)答數(shù)據(jù)，為訓(xùn)練提供豐富的時(shí)間定位數(shù)據(jù)。

?? CogVLM2-Video在多個(gè)公開(kāi)評(píng)測(cè)集上展現(xiàn)了卓越性能，包括在VideoChatGPT-Bench和Zero-shot QA以及MVBench等量化評(píng)估指標(biāo)上的優(yōu)異表現(xiàn)。

詳情鏈接:https://github.com/THUDM/CogVLM2

6、騰訊AI實(shí)驗(yàn)室的項(xiàng)目vta-ldm：輸入視頻生成對(duì)齊音頻

隨著文本到視頻生成技術(shù)的進(jìn)步，研究者們關(guān)注如何生成與視頻輸入在語(yǔ)義和時(shí)間上對(duì)齊的音頻內(nèi)容。騰訊AI實(shí)驗(yàn)室推出VTA-LDM模型，通過(guò)隱含對(duì)齊技術(shù)提供高效音頻生成解決方案，拓展視頻生成應(yīng)用場(chǎng)景。

【AiBase提要:】

?? 研究聚焦于生成與視頻輸入在語(yǔ)義和時(shí)間上對(duì)齊的音頻內(nèi)容。

?? 探討了視覺(jué)編碼器、輔助嵌入和數(shù)據(jù)增強(qiáng)技術(shù)的重要性。

?? 實(shí)驗(yàn)結(jié)果顯示模型在視頻到音頻生成領(lǐng)域達(dá)到先進(jìn)水平，推動(dòng)相關(guān)技術(shù)發(fā)展。

詳情鏈接:https://top.aibase.com/tool/vta-ldmVTA-LDM

7、GPT-4o和Sonnet-3.5在視力測(cè)試中敗北，VLM們竟是“盲人”？

這篇文章揭示了視覺(jué)語(yǔ)言模型（VLMs）在圖像處理能力上的局限性，通過(guò)BlindTest測(cè)試發(fā)現(xiàn)它們并非像人類一樣能準(zhǔn)確理解圖像細(xì)節(jié)。文章呼吁對(duì)VLMs的視覺(jué)理解能力持謹(jǐn)慎態(tài)度，警示AI并未達(dá)到完全替代人類的水平。

【AiBase提要:】

?? VLMs在BlindTest測(cè)試中表現(xiàn)不佳，平均準(zhǔn)確率僅56.20%

?? VLMs處理圖像時(shí)缺乏精確的空間信息，難以判斷圖形重疊或相交

?? VLMs在數(shù)數(shù)時(shí)存在偏好，對(duì)數(shù)字5特別熟悉，表現(xiàn)不穩(wěn)定

論文地址:https://arxiv.org/pdf/2407.06581

文章詳細(xì)內(nèi)容：http://vquan.org.cn/ainews/10186.shtml

8、商湯科技發(fā)布「東風(fēng)」泰語(yǔ)大模型

商湯科技與泰國(guó)DTGO集團(tuán)及Quinnnova聯(lián)合發(fā)布了名為「東風(fēng)」的泰語(yǔ)大模型（DTLM），這是全球首個(gè)能夠在泰文、中文、英文三種語(yǔ)言環(huán)境下高效工作的AI大語(yǔ)言模型。該模型結(jié)合了商湯的基模型和算力優(yōu)勢(shì)以及DTGO對(duì)泰國(guó)語(yǔ)言文化的深入了解，旨在提供本地化的生成式AI體驗(yàn)。

【AiBase提要:】

?? 「東風(fēng)」是全球首個(gè)能夠在泰文、中文、英文三種語(yǔ)言環(huán)境下高效工作的AI大語(yǔ)言模型。

?? 模型結(jié)合了商湯的基模型和算力優(yōu)勢(shì)以及DTGO對(duì)泰國(guó)語(yǔ)言文化的深入了解，旨在提供本地化的生成式AI體驗(yàn)。

?? 模型將服務(wù)于泰國(guó)的個(gè)人用戶和企業(yè)，滿足多語(yǔ)言需求，同時(shí)為當(dāng)?shù)仄髽I(yè)和政府客戶提供創(chuàng)新的AI解決方案，推動(dòng)泰國(guó)AI生態(tài)系統(tǒng)的發(fā)展。

9、三星 Galaxy AI 推出“數(shù)學(xué)輔導(dǎo)”新模式 告訴孩子解題技巧

三星在昨日的Unpacked活動(dòng)上宣布了Galaxy AI的重大進(jìn)展，推出了專為幫助兒童完成家庭作業(yè)而設(shè)計(jì)的AI助手。這一舉措展現(xiàn)了三星在人工智能領(lǐng)域的雄心壯志，為智能手機(jī)市場(chǎng)帶來(lái)新的競(jìng)爭(zhēng)維度，推動(dòng)整個(gè)行業(yè)向更智能、更有教育價(jià)值的方向發(fā)展。

【AiBase提要:】

?? 三星發(fā)布Galaxy AI，覆蓋高達(dá)2億臺(tái)設(shè)備，展現(xiàn)雄心壯志。

?? 家庭作業(yè)助手基于Galaxy AI的“圓圈搜索”功能，引導(dǎo)孩子完成問(wèn)題解決過(guò)程。

?? 家庭作業(yè)助手提供數(shù)學(xué)問(wèn)題解決，培養(yǎng)孩子獨(dú)立思考能力。

10、三家歐洲汽車(chē)制造商將集成ChatGPT功能 提升駕駛體驗(yàn)

Stellantis旗下的法國(guó)標(biāo)致、德國(guó)歐寶和英國(guó)沃克斯豪爾將整合ChatGPT人工智能技術(shù)，通過(guò)SoundHound的ChatAI系統(tǒng)提供語(yǔ)音助手功能，改善駕駛體驗(yàn)。這一合作標(biāo)志著汽車(chē)科技的發(fā)展，將帶來(lái)更自然、流暢的駕駛交互體驗(yàn)。

【AiBase提要:】

?? Stellantis旗下Peugeot、Opel和Vauxhall將集成ChatGPT人工智能技術(shù)，提升汽車(chē)產(chǎn)品功能。

?? 跨越17個(gè)國(guó)家，支持12種語(yǔ)言的語(yǔ)音助手系統(tǒng)，為更多駕駛者提供便利。

?? SoundHound的ChatAI將帶來(lái)更自然的駕駛交互體驗(yàn)，推動(dòng)汽車(chē)科技發(fā)展。

11、谷歌正通過(guò)Gemini AI訓(xùn)練機(jī)器人，提高導(dǎo)航和任務(wù)完成能力

谷歌正在利用Gemini AI訓(xùn)練機(jī)器人，提高其導(dǎo)航和任務(wù)完成能力。通過(guò)Gemini1.5Pro，機(jī)器人可以執(zhí)行自然語(yǔ)言指令，計(jì)劃執(zhí)行超出導(dǎo)航范圍的任務(wù)。研究表明，Gemini讓機(jī)器人成功執(zhí)行用戶指令的成功率高達(dá)90%。盡管處理指令需要一定時(shí)間，但這些機(jī)器人有望幫助人們完成各種任務(wù)，如找到遺失物品。

【AiBase提要:】

?? Gemini AI訓(xùn)練機(jī)器人，提高導(dǎo)航和任務(wù)完成能力

?? Gemini1.5Pro讓機(jī)器人執(zhí)行自然語(yǔ)言指令

?? 研究發(fā)現(xiàn)Gemini讓機(jī)器人能夠計(jì)劃執(zhí)行超出導(dǎo)航范圍的指令

12、OpenAI首次披露AGI評(píng)估標(biāo)準(zhǔn)：ChatGPT僅為第一級(jí)

OpenAI公司公布了內(nèi)部量表，用于追蹤其大型語(yǔ)言模型在通用人工智能（AGI）方面的進(jìn)展，展示了其在AGI領(lǐng)域的雄心。該舉措為業(yè)界提供了衡量AI發(fā)展的新標(biāo)準(zhǔn)，引發(fā)了對(duì)AI安全和倫理的擔(dān)憂。

【AiBase提要:】

?? OpenAI創(chuàng)建AGI評(píng)估標(biāo)準(zhǔn)，展示雄心

?? 量表分為五級(jí)，包括能創(chuàng)造新創(chuàng)新的AI和執(zhí)行整個(gè)組織工作的AI

? 專家對(duì)AGI實(shí)現(xiàn)時(shí)間表存在分歧，OpenAI與洛斯阿拉莫斯國(guó)家實(shí)驗(yàn)室合作探索AI在生物科學(xué)研究中的應(yīng)用

（舉報(bào)）