英伟达研究团队近日在机器人控制领域取得重大突破。他们开发的神经网络系统HOVER，以极其精简的参数量实现了对人形机器人的高效控制，其性能甚至超越了专门设计的控制系统。这个仅需150万参数的HOVER系统，能够处理复杂的机器人动作控制。相比之下，常见的大语言模型往往需要数千亿参数。这一惊人的参数效率彰显了系统设计的精妙。HOVER的训练在英伟达的Isaac模拟环境中进行，该环境能将机器人动作加速1万倍。英伟达研究员Jim Fan透露，这意味着在虚拟空间中一年的训练量，仅需要

Google在东京举办的Gemma开发者日上发布重磅消息:全新日语版Gemma模型正式亮相。这款小巧精悍的AI模型以仅20亿参数的规模，却能同时驾驭日语和英语，展现出与GPT-3.5相媲美的性能。这一技术突破尤为令人瞩目。在AI领域，小型模型在学习新语言时常常面临"灾难性遗忘"的挑战——即在获取新知识的过程中丢失先前掌握的能力。而日语版Gemma却成功克服了这一难题，实现了双语能力的完美平衡。为推动全球开发者社区的参与，Google不仅通过Kaggle和Hugging Face平台开放了模型权重，还提供了完整的

近日，一款名为ComfyUI-Detail-Daemon的革命性插件正在AI绘画圈引起轰动。这款由Jonseed开发的工具，巧妙地将sd-webui-Detail-Daemon移植到ComfyUI平台，为创作者们带来了前所未有的细节优化体验。这款插件最引人注目的特点是其强大的细节增强能力。通过精确调控sigma参数，不仅能显著提升图像细节，还能智能去除多余的散景和背景模糊，特别是在处理Flux模型作品时表现出色。更值得一提的是，它还完美兼容SDXL和SD1.5等主流模型，显示出极强的适应性。该插件配备了四个功能各异的核心节点。其中

最近在东京举办的 Gemma 开发者日上，谷歌正式推出了新的日语版本 Gemma AI 模型。这款模型的表现可以与 GPT-3.5媲美，但它的参数量只有仅仅20亿，非常小巧，适合在移动设备上运行。这次发布的 Gemma 模型，在日语处理上表现出色，同时也保持了其在英语上的能力。对于小型模型来说，这一点特别重要，因为在进行新语言的微调时，它们可能会面临 “灾难性遗忘” 的问题，即新学到的知识会覆盖之前学到的信息。但是 Gemma 成功克服了这个难题，展现了强大的语言处理能力。更值得一提的是

AI 初创公司 Moondream 正式宣布完成450万美元的种子融资，并提出了一个颇具颠覆性的观点:在 AI 模型的世界里，小型模型可能更具优势。该公司得到了 Felicis Ventures、微软的 M12GitHub 基金和 Ascend 的支持，推出了一款仅有16亿参数的视觉语言模型，却能够与四倍于其规模的模型在性能上相媲美。Moondream 的开源模型已经引起了广泛关注，下载量超过200万次，GitHub 上的星标也达到了5100个。公司的首席执行官 Jay Allen 表示:“这个模型特别之处在于，它不仅小巧而且准确度高，运行起来也非常顺畅，

​在10月23日的荣耀MagicOS9.0发布会及开发者大会上，荣耀CEO赵明宣布了最新操作系统MagicOS9.0的正式推出。赵明在演讲中回顾了荣耀MagicOS的演进历程，自荣耀MagicOS问世以来，就以AI OS为定位，不断推动技术创新。

昨日晚间，Stability AI发布了其最强大的模型——Stable Diffusion3.5，这不仅是一个单一的模型，而是一个包含三个版本的全家桶，旨在满足从科研人员到业务爱好者、初创公司和企业的多样化需求。这三个版本分别是Stable Diffusion3.5Large、Stable Diffusion3.5Large Turbo和即将于10月29日发布的Stable Diffusion3.5Medium。

最近，科研团队联合推出了一款名为 Meissonic 的开源 AI 图像生成模型。惊喜的是，这款模型仅使用了十亿个参数，却能生成高质量的图像。这种紧凑的设计让 Meissonic 有潜力在移动设备上实现本地化的文本转图像应用。这项技术的背后，研发团队包括阿里巴巴、Skywork AI 以及多所大学的研究者。他们采用了一种独特的变换器架构和新颖的训练方法，使得 Meissonic 能够在普通游戏 PC 上运行，甚至未来可能在手机上使用。Meissonic 的训练方法采用了一种被称为 “遮蔽图像建模” 的技术，简单来说

近日，来自上海交通大学和哈佛大学的研究团队推出了一种全新的模型微调方法 ——LoRA-Dash。这个新方法声称比现有的 LoRA 方法更加高效，特别是在特定任务的微调中，它可以在参数量减少8到16倍的情况下，依然达到相同的效果。这无疑是对那些需要大量计算资源的微调任务的一次重大突破。在大规模语言模型快速发展的背景下，微调特定任务的需求日益增长。然而，微调往往需要消耗大量的计算资源。为了解决这一问题，研究团队引入了参数高效微调（PEFT）策略，LoRA 就是一个典型的例

​深圳元象信息科技有限公司近日宣布，公司已成功发布中国最大的Mixture of Experts（MoE）开源大模型——XVERSE-MoE-A36B。这款模型的发布标志着中国在AI领域的一大进步，将国产开源技术提升至国际领先水平。

Nvidia研究团队利用模型剪枝和蒸馏技术，成功推出Llama-3.1-Minitron4B，这是Llama3模型的压缩版本，旨在实现设备上的人工智能。该模型通过深度剪枝和宽度剪枝技术，减少了原始8B模型的参数量，同时保持了与更大模型相近的性能。在训练数据量大幅减少（40倍）的情况下，该模型在MMLU基准测试中的性能提升了16%。该成果通过NVIDIA的NeMo-Aligner进行微调，适用于指令跟随、角色扮演、检索增强生成（RAG）和函数调用等任务。宽度剪枝版本已发布于Hugging Face平台，支持商业使用，为用户和开发者提供高效、性能卓越的模型选择。

LG AI 研究部门推出韩国首个开源 AI 模型 Exaone3.0，拥有78亿个参数，旨在加速 AI 研究并构建强大的 AI 生态系统。此模型在韩语和英语任务中表现出色，通过开源策略，LG 展示了技术实力，可能为云计算和 AI 服务开辟新的收入来源。面对全球 AI 竞争，LG 与阿里巴巴等公司相似，通过开源 AI 模型推动云业务增长。Exaone3.0在性能上表现出色，包括减少推理时间、降低内存使用和运营成本，经过专业数据训练，计划进一步扩展数据量。此模型的成功有望改变 AI 市场格局，为 LG 带来多元化的 AI 和云服务收入，并促进全球 AI 技术普及。

​上海人工智能实验室在2024年7月4日的WAIC科学前沿主论坛上推出了书生·浦语系列模型的新版本InternLM2.5。这个版本在复杂场景下的推理能力得到了全面增强，支持1M超长上下文，并能自主进行互联网搜索及整合上百个网页的信息。

近日，由国家超级计算成都中心、中国地震局地球物理研究所和清华大学联合开发的"谛听"地震波大模型在四川成都正式发布。该模型是国内首个达到亿级参数量的地震波大模型，标志着我国地震学研究和人工智能技术融合的重要突破。

CatVTON是一款专为时尚爱好者设计的轻量级AI虚拟换衣模型，总参数为899.06M，训练时只需49.57M可训练参数。推理时显存需求低于8G，支持1024x768高分辨率，适合个人电脑操作。该模型具备在ComfyUI和Gradio应用上快速部署的能力，支持VITON-HD和DressCode数据集的推理，并提供多种精度选项，以适应不同硬件条件。CatVTON利用基于Stable Diffusion v1.5的图像修复技术，结合SCHP和DensePose，能自动生成面具，提升试妆体验。

​值得买科技与大模型公司MiniMax宣布建立官方合作伙伴关系，MiniMax的大模型产品海螺AI已经整合进值得买的"消费大模型增强工具集"。通过海螺AI的"悬浮球"功能，用户现在能够快速进行比价和购买操作。这次合作不仅丰富了值得买科技的AI生态系统，也推动了与大模型行业伙伴的共建共赢。

北京智源人工智能研究院与中国电信人工智能研究院合作，推出Tele-FLM系列大模型升级版，包括52B指令模型FLM-2-52B-Instruct与万亿参数模型Tele-FLM-1T。FLM-2-52B-Instruct通过指令微调，专注于提升中文对话能力，达到GPT-4水平的90%，基于Tele-FLM-52B基座模型，使用特定数据集和参数优化。Tele-FLM-1T作为全球首个万亿参数稠密模型，采用生长式预训练策略，优化结构与参数设置，包括加入特定组件与改进预训练策略，显著提升模型效率与效果。所有模型与技术报告均已开源，提供给学术界与产业界进行研究与应用。

Mistral AI在今日推出了旗舰模型Mistral Large2，该模型参数规模达1230亿，拥有128k上下文窗口，支持包括法语、德语、西班牙语等在内的多种语言及编程语言。Mistral Large2设计为单节点推理，适用于长上下文应用，且在性能上表现优异，在MMLU基准测试中准确率高达84.0%。此外，Mistral Large2具备多语言处理能力，已在多语言MMLU基准上进行过评估。用户可通过La Plateforme访问该模型，Mistral AI还与多家云服务提供商合作，实现全球范围内的应用。

Meta AI发布的Llama3.1模型在性能上与顶级闭源模型并驾齐驱，标志着开源AI重大突破。这是新一代大型语言模型，经过优化的训练栈和大规模GPU计算资源支持，实现多项技术亮点。包括上下文长度扩展至128K，支持8种语言，以及在多个测试领域展现卓越能力。通过迭代的post-training流程，模型不断提高性能，特别是在遵循指令、一致性、多语言翻译上表现出色。Llama3.1在15万亿token上进行的训练是业界首次，采用标准仅解码器的Transformer架构并进行了改进。Meta强调开源AI的开放性、可修改性和成本效率，它将推动AI技术的普及和发展。与多家公司合作发展生态系统，Llama3.1的发布预示开源AI可能成为行业标准，为AI的广泛应用辟新径。

Meta公司首席执行官马克·扎克伯格近日宣布了Llama3.1的正式发布，并表示这可能是开源AI领域的一个重要里程碑。Meta此次推出了三个不同规模的Llama3.1模型，其中最引人注目的是拥有4050亿参数的大型模型。扎克伯格称这是"目前最先进的开源模型"，在某些领域甚至可以与领先的闭源模型相媲美。