最近，西雅图的一家初创公司 Moondream 推出了名为 moondream2的紧凑型视觉语言模型。尽管体积小巧，但该模型在各项基准测试中表现出色，备受关注。作为一个开源模型，moondream2有望在智能手机上实现本地图像识别功能。moondream2于三月正式发布，该模型能够处理文本和图像输入，具备回答问题、文本提取（OCR）、物体计数和物品分类等能力。自发布以来，Moondream 团队持续更新该模型，不断提升其基准性能。7月份的版本在 OCR 和文档理解方面显示出显著进步，尤其是在对历史经济数据的分析

最近瑞士联邦理工学院（ETH Zurich）的研究团队发表了一项让人震惊的研究成果，他们竟然成功破解了 Google 的 reCAPTCHAv2系统，并且成功率达到了100%!这项研究引发了关于图像验证码未来的广泛讨论。研究团队使用了一种名为 YOLO 的高级图像识别算法，通过对图片进行分割和分类，他们的系统能够自动解决 reCAPTCHAv2中的所有三种任务。这包括在3x3的网格中对图像进行分类、对单一图像进行分割，以及处理那些会变化的动态分类任务。为此，他们还准备了一个包含大约14，000个标注图像的数据集

B站UP主“极客湾”自制的“白日梦”机器人迅速走红，仅四天播放量突破113万。这台机器人能自动完成作业，包括翻页、框题、做题和写字，涵盖多种学科。研发过程中，团队从改造写字机到自主研发，采用CoreXY结构和集成AI模型，显著提升了作业完成的准确性和效率。测试结果显示，英语作业准确率较高但有格式问题；语文作业文字书写有特点，部分题目有误；数学作业存在格式和逻辑理解问题。尽管不完美，但“白日梦”能够处理多种学科作业，展现B站DIY项目的创新和实力。

["Anthropic公司近期宣布计划为其聊天机器人Claude增加图像识别功能，从使其具备分析图像的能力。","该公司已获得Amazon和Google等大公司的支持，预计2024年收入将达到50亿美元。","Anthropic的决策将使Claude在图像处理方面不再落后于竞争对手，为用户提供更全面的体验。"]

["2024年1月18日凌晨，三星在举办了GalaxyAI全球新品发布会，宣告GalaxyS24系列的登场，应用了谷歌Gemininano大模型共同迎接“GalaxyAI时代”的到来。","新发布的GalaxyS24系列AI手机支持多项AI功能，如语言理解、图像识别等，其中有Circle to Search、AI实时翻译、AI笔记助手等新功能。","该手机还搭载了谷歌Imagen2模型，将文本到图像的能力植入手机，功能丰富。","此外，手机还具备超视觉夜景拍摄功能，AI P图和自动生成式填充等功能，体验优秀。"]

["Meta AI于10月18日推出新AI系统,可从MEG大脑扫描中实时解码大脑感知的图像。","该系统需要对个体大脑波进行预训练,目前还不能解码与训练无关的思维图像。","这是Meta持续努力揭示大脑奥秘、实现脑机接口的早期工作。","该技术有望成为帮助语言功能受损patient的非侵入式脑机接口的垫脚石。","新系统的推出引发了对大脑科技进展和应用前景的广泛讨论。"]

["研究人员发现所有当前的AI生成图像水印技术都可以轻松破解。","数字水印可以被删除,也可以在真实图像中添加造成误报。","水印技术目前并不能可靠地识别AI生成图像。","恶意行为者可以轻易绕过或操纵水印。","艺术家的作品可能因水印技术被错误标记为AI生成。"]