搜索
多模态技术是 AI 多样化场景应用的重要基础，多模态大模型（MLLM）展现出了优秀的多模态信息理解和推理能力，正成为人工智能研究的前沿热点。上周，谷歌发布 AI 大模型 Gemini，据称其性能在多模态任务上已全面超越 OpenAI 的 GPT-4V，再次引发行业的广泛关注和热议。
软件开发人员对代码生成 AI 已经不陌生，它们已经成为提高生产力的利器。本文中，伊利诺伊大学香槟分校（UIUC）张令明老师团队带来了代码生成 AI 领域的又一力作 ——Magicoder，在短短一周之内狂揽 1200 多颗 GitHub Star，登上 GitHub Trending 日榜，并获推特大佬 AK（@_akhaliq）发推力荐。
大语言模型作为操作系统级的技术革新，在 2023 年涌现出强大的理解和推理能力。在大模型走向日臻完善的过程中，相信 AGI 的先行者已经率先把新一代技术底座融入进产品，来增强个体的人生。
文生视频可以精细到什么程度？最近，阿里巴巴的一项研究给出了答案：1280×720 分辨率没有压力，而且生成效果非常连贯。
离圣诞节还有一周了，GPT-4.5是发还是不发？OpenAI还没动作，网上已经是各种爆料漫天飞。各位大V煞有介事，Altman则是急着辟谣。按以往的规律看，这次爆料的真实性倒是不小。
本文讨论了巨头AI受困于巨头垄断的问题，指出在线模型受商业壁垒限制，无法满足用户的个性化需求。文章以旅行计划为例，说明了通过本地部署的通用AI可以更好地满足用户需求。
甲方说的话太模糊，让你全靠想象？最新模型Creative Agents帮你实现创造式任务！
Gemini Pro API今天上线即免费，开发者可以通过Vertex AI定制自己的Gemini。同时，Gemini也将支持谷歌的AI代码助手——Duet AI。
今年10月，《时代》杂志发布了一份「2023最佳发明」榜单，为了呼应AI浪潮，《时代》从去年开始就特别设置了「AI单元」。在今年入选的十几个应用中，排在老牌软件巨头Adobe和屠龙少年OpenAI之后的就是大火的文生视频应用——Runway Gen-2。
上个月，微软 CEO 纳德拉在 Ignite 大会上宣布自研小尺寸模型 Phi-2 将完全开源，在常识推理、语言理解和逻辑推理方面的性能显著改进。