Im Bereich der künstlichen Intelligenz entwickeln sich große Sprachmodelle (LLMs) ständig weiter. Kürzlich haben Forscher der Carnegie Mellon University (CMU) und HuggingFace eine neue Methode namens "Meta-Verstärkungs-Feinabstimmung" (Meta Reinforcement Fine-Tuning, MRT) vorgestellt. Diese Methode zielt darauf ab, die Recheneffizienz großer Sprachmodelle während des Tests zu optimieren, insbesondere bei der Lösung komplexer Inferenzprobleme, wo sie besonders hervorragende Ergebnisse erzielt. Studien zeigen, dass bestehende große Sprachmodelle bei der Inferenz...

DeepSeek hat auf Zhihu ein offizielles Konto eröffnet und den technischen Artikel „DeepSeek-V3/R1 Inferenzsystem-Übersicht“ veröffentlicht. Zum ersten Mal werden detaillierte Informationen über die Optimierung des Modell-Inferenzsystems und die Kosten-Gewinn-Marge offengelegt, was das Ende der vielbeachteten DeepSeek Open Source Week markiert. Der Artikel beschreibt die beiden Hauptziele des DeepSeek-V3/R1 Inferenzsystems: höherer Durchsatz und geringere Latenz. Um diese Ziele zu erreichen, verwendet DeepSeek die groß angelegte EP-Technologie (Expert Parallelism über mehrere Knoten). Obwohl...

Alibaba gab heute die vollständige Open-Source-Veröffentlichung seines Video-Generierungsmodells Wanxiang 2.1 bekannt, mit Versionen von 14 Milliarden und 1,3 Milliarden Parametern. Die professionelle 14B-Version bietet höchste Leistung und branchenführende Qualität für anspruchsvolle Szenarien. Die Hochgeschwindigkeitsversion mit 1,3B Parametern eignet sich für Consumer-Grafikkarten und kann mit 8,2 GB VRAM Videos in 480P-Qualität generieren. Sie ist ideal für die Weiterentwicklung und akademische Forschung. Laut offiziellen Angaben verbessert Wanxiang 2.1 die Verarbeitung komplexer Bewegungen, die Wiedergabe realer physikalischer Gesetze und die Filmqualität.

Die Aufmerksamkeit der Entwickler weltweit richtet sich erneut auf China! Auf der vielbeachteten Global Developer Conference (GDC) gab die Alibaba Cloud ModelScope Community die Veröffentlichung von zwei neuen, quelloffenen multimodalen Modellen von Step-by-Step Stars bekannt: das weltweit größte quelloffene Video-Generierungsmodell Step-Video-T2V und das branchenweit erste quelloffene Sprachinteraktionsmodell in Produktqualität, Step-Audio. Diese Nachricht hat die globale Open-Source-AI-Community im Sturm erobert und unterstreicht einmal mehr die starke Innovationskraft Chinas im Bereich der künstlichen Intelligenz. Als Chinas größtes KI-

Eine aktuelle Studie von Microsoft und der Carnegie Mellon University deutet darauf hin, dass die übermäßige Abhängigkeit von KI-Tools die Fähigkeit zum kritischen Denken beeinträchtigen könnte. Das Forschungsteam befragte 319 Wissensarbeiter und sammelte 936 reale Anwendungsfälle von generativer KI in verschiedenen Branchen wie IT, Design, Verwaltung und Finanzen. Analysiert wurden sechs Dimensionen des kritischen Denkens: Wissen, Verstehen, Anwendung, Analyse, Synthese und Bewertung. Die Studie ergab, dass sich die Denkweise der Menschen bei der Problemlösung nach der Nutzung von KI-Tools in drei wesentlichen Punkten verändert hat.

Der Anbieter für kabelloses Laden, Sharge, hat innerhalb von nur fünf Tagen 1,53 Millionen US-Dollar für seine auf Kickstarter gestartete Loomos AI-Brille gesammelt. Die Loomos AI-Brille verfügt über einen 450-mAh-Akku mit einer branchenführenden Standby-Zeit von bis zu 40 Stunden. Sie ist außerdem mit einer Sony 16MP-Kamera für 4K-Fotos (4656x3496) ausgestattet, verfügt über immersive Open-Ear-Audio-Ohrhörer mit Dual-DSP-Verstärkern und bietet 5.1 virtuellen Surround-Sound für ein kristallklares Kinoerlebnis.

In der Entwicklung der Robotik ist die Diskrepanz zwischen simulierter und realer Welt eine grosse Herausforderung. Kürzlich haben das NVIDIA GEAR Labor und ein Forschungsteam der Carnegie Mellon University ein neues Framework namens ASAP (Aligning Simulation and Real Physics) entwickelt, um diese Lücke zu schliessen. Das System erzielt bemerkenswerte Fortschritte bei der Reduzierung von Fehlern zwischen simulierten und realen Bewegungen von Robotern und reduziert diese um etwa 53%. Dies stellt einen deutlichen Fortschritt gegenüber bestehenden Methoden dar.

Forscher der Carnegie Mellon University haben einen Durchbruch erzielt und eine neue Technologie namens „Power-Over-Skin“ entwickelt. Diese Technologie ermöglicht es, Strom über die menschliche Haut zu leiten, um batteriebetriebene Geräte wie Blutzuckermessgeräte, Herzschrittmacher und sogar Consumer-Wearables wie Smart Glasses und Fitness-Tracker mit Strom zu versorgen. Bildquelle: Carnegie Mellon University. Diese Technologie könnte die Stromversorgung von Wearables revolutionieren und batterielose Geräte ermöglichen. Die Forscher weisen darauf hin, dass sich die Technologie noch in einem „frühen Stadium“ befindet. Derzeit wurde die Unterstützung von stromsparenden Geräten demonstriert.

Auf der Reuters NEXT Konferenz am 11. Dezember äußerte sich Robin Vince, CEO der Bank of New York Mellon (BNY), optimistisch über das erwartete Wirtschaftswachstum in den USA unter der Führung des neu gewählten Präsidenten Donald Trump. Vince betonte die Bedeutung des Wirtschaftswachstums für die USA und Trumps erklärten Glauben an das wirtschaftliche Potenzial. Vince unterstrich, dass die Bank of New York Mellon als 240 Jahre alte Finanzinstitution ihren Kunden ein breites Spektrum an Finanzdienstleistungen anbietet, darunter Depotbankdienstleistungen und...

Das Beijing Academy of Artificial Intelligence (BAAI) hat kürzlich die Einführung von See3D bekannt gegeben, einem innovativen 3D-Generierungsmodell, das aus großen Mengen unbeschrifteter Internetvideos lernen kann. Dieser technologische Durchbruch stellt einen wichtigen Schritt in Richtung des Konzepts "See Video, Get 3D" dar. See3D verzichtet auf herkömmliche Kameraparameter und verwendet stattdessen eine visuelle Konditionierungstechnik. Es generiert aus den visuellen Hinweisen im Video kamerasteuerbare und geometrisch konsistente Bilder aus mehreren Perspektiven. Dieses Verfahren vermeidet die Kosten für teure 3D- oder Kamerakalibrierungen.

In den USA verändert ein Technologieunternehmen namens RealPage still und heimlich die Regeln auf dem Mietmarkt. Durch seine fortschrittliche algorithmische Preissetzungssoftware wird das Unternehmen beschuldigt, die Mietpreise im ganzen Land zu manipulieren, was bei Aufsichtsbehörden und Verbrauchern große Besorgnis auslöst. Kalifornien steht an vorderster Front im Kampf gegen diesen Trend. Städte wie San Diego und San Francisco haben bereits Maßnahmen ergriffen, um die Verwendung solcher algorithmischen Preissetzungssoftware zu verbieten. Bundesstaatsanwälte haben sogar eine Kartellklage eingereicht und RealPage beschuldigt, durch das Sammeln und Analysieren nicht-öffentlicher Mietdaten im Wesentlichen bei der Erhöhung der Mieten zu helfen.

Das internationale KI-Team von Alibaba hat kürzlich ein neues Inferenzmodell namens Marco-o1 veröffentlicht, das sich auf die Lösung offener Fragen konzentriert und nicht auf standardisierte Antworten in Fachgebieten wie Programmierung und Mathematik beschränkt ist. Das Forschungsteam untersucht, ob sich solche Modelle effektiv auf Bereiche übertragen lassen, die schwer zu quantifizieren und ohne klare Belohnungsmechanismen sind.

Ein Forschungsteam hat kürzlich das Framework HelloMeme veröffentlicht, mit dem sich die Mimik einer Person in einem Bild auf die Mimik einer Person in einem anderen Bild mit hoher Genauigkeit übertragen lässt. Wie in der Abbildung unten gezeigt, kann durch die Angabe eines Gesichtsausdruckbildes (erste Zeile) die Mimik auf andere Personen in anderen Bildern übertragen werden. Der Kern von HelloMeme liegt in seiner einzigartigen Netzwerkstruktur. Das Framework kann Merkmale aus jeder Einzelbild eines Fahrvideos extrahieren und diese Merkmale an das HMControlModule weitergeben. Durch diese Verarbeitung kann...

Im Zeitalter des rasanten Fortschritts in der künstlichen Intelligenz verändert ein multimodales großes Sprachmodell namens ORYX unser Verständnis der Fähigkeit von KI, die visuelle Welt zu verstehen. Dieses von Forschern der Tsinghua-Universität, Tencent und der Nanyang Technological University gemeinsam entwickelte KI-System ist ein wahrer „Transformer“ im Bereich der Bildverarbeitung. ORYX, die Abkürzung für Oryx Multi-Modal Large Language Models, ist ein KI-Modell, das speziell für die Verarbeitung von Bildern, Videos und dem Verständnis der Raumzeit in 3D-Szenen entwickelt wurde. Es

Am 2. September gab Tongyi Qianwen die Open-Source-Veröffentlichung seines zweiten visuell-sprachlichen Modells Qwen2-VL bekannt und stellte auf der Alibaba Cloud Bailian-Plattform APIs für zwei Größen (2B und 7B) und deren quantisierten Versionen bereit, die von Nutzern direkt aufgerufen werden können. Das Qwen2-VL-Modell erzielt in mehreren Bereichen eine umfassende Leistungssteigerung. Es versteht Bilder unterschiedlicher Auflösung und verschiedener Seitenverhältnisse und erzielt in Benchmarks wie DocVQA, RealWorldQA und MTVQA weltweit führende Ergebnisse.

DiPIR ist eine innovative Technologie, die das Problem der nahtlosen Integration virtueller Objekte in reale Szenen löst. Durch die Kombination eines groß angelegten Diffusionsmodells mit einem physikalisch basierten inversen Rendering-Prozess rekonstruiert es präzise die Szenenbeleuchtung aus einem einzigen Bild und ermöglicht eine natürliche Fusion des virtuellen Objekts mit der Umgebung. Der DiPIR-Workflow umfasst den Aufbau einer virtuellen 3D-Szene, die Simulation der Interaktion zwischen Objekt und Umgebung und die Optimierung der Beleuchtung durch ein Diffusionsmodell, um sicherzustellen, dass das generierte Bild der realen Szene entspricht. Sein Vorteil liegt in seiner breiten Anwendbarkeit, da es für Szenen mit unterschiedlichen Beleuchtungsbedingungen geeignet ist und realistische Bilder erzeugt.

Das quelloffene chinesische Videogenerierungsmodell CogVideoX-5B wurde offiziell in der ModelScope-Community veröffentlicht und verbessert die Qualität und die visuellen Effekte der Videogenerierung deutlich. Basierend auf dem großskaligen DiT-Modell verwendet dieses Modell einen 3D-kausalen Variationsautoencoder und Experten-Transformer-Technologie. Durch die 3D-RoPE-Positionscodierung und den 3D-vollen Aufmerksamkeitsmechanismus wird eine gemeinsame räumlich-zeitliche Modellierung erreicht. Der Einsatz der progressiven Trainingstechnik ermöglicht es dem Modell, lange Videos mit deutlichen Bewegungsmerkmalen, kohärent und in hoher Qualität zu generieren.

OpenAI hat Prof. Zico Kolter, einen Experten für maschinelles Lernen an der Carnegie Mellon University, in seinen Vorstand berufen. Dieser Schritt soll die Expertise des Unternehmens in Bezug auf sichere Entscheidungsfindung und Projektsicherheit stärken. Als führender Experte auf dem Gebiet des maschinellen Lernens wird Professor Kolter den Sicherheits- und Sicherheitsausschuss von OpenAI entscheidend unterstützen und die Sicherheit und den verantwortungsvollen Betrieb von KI-Systemen gewährleisten. Seine Ernennung unterstreicht nicht nur OpenAIs Engagement für die Sicherheit der Technologie, sondern deutet auch darauf hin, dass OpenAI unter der Leitung von Professor Kolter im Bereich...

Apple veröffentlicht das quelloffene, umfassende Sprachmodell DCLM-Baseline-7B, das die Entwicklung im Bereich KI vorantreibt. Das Modell beinhaltet den gesamten Prozess, von den Vor Trainingsdaten und deren Aufbereitung über das Training bis hin zur Evaluierung, und bietet Forschern und Entwicklern ein umfassendes Verständnis. In MMLU-Tests erreicht es eine vergleichbare Leistung wie Mistral-7B-v0.3 und Llama-38B. Basierend auf der Transformer-Architektur wurde DCLM-Baseline-7B mit fortschrittlichen Designs und Optimierungen für PyTorch/OpenL entwickelt.

Apple und seine Partner haben ein quelloffenes großes Sprachmodell namens DCLM mit 700 Millionen Parametern vorgestellt. Es wurde mit 2,5 Billionen Datentokens trainiert und verbessert die Fähigkeiten zum Verstehen und Generieren von Sprache deutlich. Der Kern von DCLM ist ein standardisiertes Werkzeug zur Datenoptimierung, mit dem Forscher auf der Hugging Face-Plattform experimentieren können, um die Qualität verschiedener Datensätze und Verbesserungsmethoden zu bewerten. Studien zeigen, dass mit DCLM erstellte Benchmark-Datensätze Modelle hervorbringen, die in wichtigen Tests, insbesondere bei M… , hervorragende Leistungen erbringen.