न्यू यॉर्क यूनिवर्सिटी, MIT और गूगल की शोध टीम ने हाल ही में एक अभिनव ढांचा पेश किया है, जिसका उद्देश्य डिफ्यूजन मॉडल में इनफरेंस टाइम के विस्तार से संबंधित瓶瓶要问题 को हल करना है। यह ब्रेकथ्रू अनुसंधान पारंपरिक तरीके से परे जाता है जिसमें सरलता से डेनोाइजिंग स्टेप्स की संख्या बढ़ाई जाती है, और इसके द्वारा जनरेटिव मॉडल की प्रदर्शन क्षमता को बढ़ाने का नया मार्ग प्रशस्त किया जाता है। यह ढांचा मुख्य रूप से दो आयामों में विकसित होता है: एक, वेलिडेटर द्वारा प्रतिक्रिया का उपयोग करना, और दो, बेहतर नॉइज उम्मीदवारों की खोज के लिए एल्गोरिदम को लागू करना। शोध टीम ने 256×256 रिज़ॉल्यूशन के पूर्व-प्रशिक्षित SiT-XL मॉडल के आधार पर, 250 निश्चित डेनोाइजिंग स्टेप्स को बनाए रखते हुए कार्य किया।

Recently, the Tsinghua University Institute for Intelligent Industry Research (AIR) released an AI model named AutoDroid-V2 on December 24, 2024, aimed at optimizing the automation control capabilities of mobile devices. This model significantly enhances user efficiency in operating through natural language by applying small language models. Unlike traditional methods relying on cloud-based large language models (LLM), AutoDroid-V2 employs a script-based approach. This innovation enables devices to efficiently execute user commands.

हाल ही में, अमेरिका के संघीय व्यापार आयोग (FTC) ने ऑनलाइन समीक्षा प्लेटफॉर्म Sitejabber के खिलाफ प्रवर्तन कार्रवाई की, कंपनी पर नए नियमों का उल्लंघन करने और उत्पाद समीक्षाओं को धोखा देने का आरोप लगाया। FTC के आरोपों के अनुसार, Sitejabber ने बिक्री बिंदु (POS) प्रश्नावली के माध्यम से एकत्रित फीडबैक का उपयोग करके व्यापारियों की समीक्षाओं की मात्रा को नकली रूप से बढ़ाया, जिससे उपभोक्ताओं को उत्पादों के वास्तविक मूल्यांकन के बारे में भ्रामक जानकारी मिली। FTC ने संकेत दिया कि Sitejabber का व्यवहार अत्यधिक "धोखाधड़ी" था, क्योंकि कंपनी ने ग्राहकों को कोई उत्पाद या सेवा वास्तविक रूप से अनुभव किए बिना ही समीक्षाएं प्रदान कीं。

एक अनुसंधान टीम ने एक अभिनव दृश्य स्थान पहचान तकनीक Revisit Anything का प्रदर्शन किया है, जिसमें केवल चित्र इनपुट करके उस चित्र में स्थित स्थान की पहचान की जा सकती है। चित्र स्रोत विवरण: चित्र AI द्वारा उत्पन्न किया गया, चित्र लाइसेंस सेवा प्रदाता Midjourney। यह तकनीक नवीनतम SAM (Segment Anything Model) और DINO (Self-Distillation with No Labels) का संयोजन करती है, जिसका उद्देश्य चित्र खंड की खोज में सुधार करना है।

हाल ही में, हार्वर्ड केनडी स्कूल के 'गलत सूचना जांच' अनुसंधान ने पाया है कि कृत्रिम बुद्धि द्वारा उत्पन्न फर्जी शोध पत्र गूगल स्कॉलर जैसे शैक्षणिक खोज इंजनों में प्रवाहित हो रहे हैं। इससे विज्ञान की खोजों पर जनता का भरोसा कमजोर हो सकता है और उच्च तकनीकी अनुसंधान पर निर्भर उद्योगों के उत्पाद विकास को बाधित कर सकता है।

प्रसिद्ध सहयोग उपकरण Notion ने हाल ही में नए Notion Sites सुविधा की घोषणा की है, जिससे उपयोगकर्ता Notion पृष्ठों को पूरे वेबसाइट में आसानी से बदल सकते हैं। यह कदम Notion के वेबसाइट निर्माण के क्षेत्र में प्रवेश का प्रतीक है, जो उपयोगकर्ताओं को एक तेज और सरल ऑनलाइन प्रकाशन समाधान प्रदान करता है।

Hal hi mein, Zhipu, Tsinghua Vishwavidyalaya aur Peking Vishwavidyalaya ne LVBench naamak lamba video samajhne ke maanak parikshan pariyojana ka prastav kiya. Maujooda bahu-aayami bade bhasha model chhote video samajhne mein kaafi pragati kar chuke hain, lekin ghanton tak ke lambi videos ko sambhalne mein unhein abhi bhi chunautiyon ka samna karna pad raha hai. Is kami ko door karne ke liye, LVBench ka vikas kiya gaya hai.

अच्छा शोध कभी नहीं बिसराया जाता, यह केवल समय के साथ नया होता है। पिछले एक हफ्ते से, OpenAI का वीडियो जनरेशन बड़ा मॉडल Sora लगातार ध्यान आकर्षित कर रहा है। टीम ने नए संस्करण SiT को पेश किया है, जो गुणवत्ता, गति और लचीलापन को और बेहतर बनाता है। नवीनतम पेपर "Scalable Diffusion Models with Transformers" ने ICCV2023 में मान्यता प्राप्त की है, जो तकनीकी विकास को आगे बढ़ाता है। SiT अंतर्ग्रहण के माध्यम से एक व्यापक डिजाइन स्पेस का अन्वेषण करता है, जो छवि जनरेशन क्षेत्र में नई संभावनाएं लाता है।

Zhejiang University alumni have collaborated with Microsoft Research to launch the multimodal model LLaVA, challenging GPT-4V. LLaVA has demonstrated outstanding performance on 11 test datasets, gaining over 6k stars. The model's comprehensive capabilities exceed 85% of GPT-4V's level. The open-source code, model, and training data for LLaVA are now available.