[AI每日快讯·20241107]GPT-4o加钱居然能变快
发布时间:2024-11-07 11:28:45 · 责任编辑:字母汇 · 浏览量:127 次
一、 GPT-4o加钱居然能变快？新功能7秒完成原先23秒的任务
1; OpenAI推出“预测输出”功能，GPT-4o的响应速度提高5倍，减少任务完成时间；
2; “预测输出”通过跳过已知内容加速任务执行，适用于更新、重写和迭代现有内容；
3; 该功能仅支持GPT-4o和GPT-4o mini模型，并以API形式提供，但使用时会增加成本。
二、 英伟达发布视觉开发工具 AI Blueprint，能用AI总结各类场景
1; NVIDIA发布视觉AI Blueprint，助力各行业开发视频、图像分析AI Agent；
2; 该产品支持自然语言提示定制AI Agent，无需编程，降低部署门槛；
3; 可应用于智能城市、仓库监控、交通管理等场景，提高效率与安全性。
三、 CMU、Meta发布VQAScore优化文生图，Imagen3已采用
1; VQAScore是CMU和Meta联合推出的新评估指标，用于自动评估文本生成图像的质量，超越传统CLIPScore等方法；
2; GenAI-Bench是一个包含复杂提示词的基准集，助力提升文生图模型的性能并提供更细致的技能分析；
3; VQAScore和GenAI-Bench已被Imagen3等多个项目采用，用于优化生成式AI模型，提升图像与文本的匹配度。
四、 港科大、中科大等联手推出GameGen-X国产实时AI游戏
1. GameGen-X是由港科大、中科大等机构合作研发的AI模型，实现了开放世界游戏的实时生成与交互控制；
2. 该模型通过扩散Transformer，能够生成高质量角色、动态环境和复杂事件，并支持用户输入的多模态控制；
3. GameGen-X为游戏内容设计和开发带来了革命性变化，展示了生成模型在自动化游戏创作中的巨大潜力。
五、 Fish Agentv0.1-3b：集成 ASR 和 TTS 的端到端语音模型
1. Fish Agent是一个集成ASR和TTS功能的端到端语音处理模型，支持多语言语音到语音转换；
2. 该模型无需传统编解码器，能够直接进行语音输入到语音输出的转换，适用于多种音频处理场景；
3. Fish Agent经过多语言音频数据训练，能够精准捕捉并生成环境音频信息，提供自然的语音交互体验。
六、 亚马逊发布X-Ray Recaps C端应用：AI追剧把握精彩瞬间
1. 亚马逊Prime Video推出了基于生成式AI的X-Ray Recaps功能，能生成剧集、季度或场景的简洁总结；
2. 用户可以精准回顾错过的剧情，而无需回退播放或担心剧透；
3. X-Ray Recaps结合亚马逊Bedrock云服务，支持按需总结复杂故事情节，目前在Fire TV用户中测试，年底将扩展支持。
前沿科技
七、 普林斯顿提出蛋白水印方法，助力AI蛋白生成的版权保护
1. 普林斯顿大学团队提出FoldMark水印方法，通过两阶段训练嵌入水印，保护蛋白质生成模型的版权；
2. FoldMark能有效嵌入水印，且在不破坏蛋白质结构质量的前提下实现高准确率的水印恢复；
3. 该方法可用于版权保护和用户身份识别，并能抵抗后处理和自适应攻击，但仍需优化应对复杂结构变化的能力。
八、 小鹏 AI 机器人Iron 发布，何小鹏说没有500亿造不好AI机器人
1. 小鹏 AI 机器人Iron采用仿人设计，身高178cm、62个主动自由度，搭载图灵AI芯片；
2. 机器人配备鹰眼视觉系统和强化学习算法，具备类似驾驶的行走能力；
3. 何小鹏强调AI机器人比AI汽车更难，500亿投入是实现这一目标的最低标准。
报告观点
九、 别让大模型CoT「想」太多，OpenAI o1准确率竟下降36.3%
1. 研究发现思维链（CoT）在某些任务中会导致大模型性能下降，特别是在隐性统计学习和面部识别任务中；
2. 在隐性统计学习任务中，OpenAI o1模型准确率下降36.3%；
3. 研究启示CoT并非总能提升性能，未来优化LLM的提示策略需关注此类负面影响。
十、 AI可赋能编程，但基础编程知识及编程思维仍值得学习与培养
1. 生成式AI加速软件开发，提高开发效率，并帮助更多人进入软件工程领域；
2. 基础编程知识仍然至关重要，开发者需理解核心概念如缓存和并行化，以做出有效决策；
3. 计算机科学教育需要平衡传统编程基础与生成式AI工具的使用，确保学生具备良好的判断力和问题解决能力。
上一篇： AI生成的内容可以被区分出来么？
下一篇： AI 辅助诊断系统的准确性如何？