生成高质量、时间连续的视频需要大量的计算资源，尤其是对于较长的时间跨度而言。最新的扩散Transformer 模型（DiTs）虽然在视频生成方面取得了显著进展，但由于其依赖于更大的模型和更复杂的注意力机制，导致推理速度较慢，反而加剧了这一挑战。为了解决这个问题，Meta AI 的研究人员提出了一种名为 AdaCache 的免训练方法来加速视频 DiTs。AdaCache 的核心思想是基于“并非所有视频都相同”这一事实，这意味着某些视频比其他视频需要更少的去噪步骤即可达到合理的质量。 基于此，该方

Meta Platforms今日发布其Llama模型的全新精简版本，包括Llama3.21B和3B两款产品，首次实现了大规模语言模型在普通智能手机和平板电脑上的稳定运行。通过创新性地整合量化训练技术与优化算法，新版本在保持原有处理质量的同时，将文件体积缩减56%，运行内存需求降低41%，处理速度更是提升至原版4倍，单次可连续处理8，000字符文本。在 Android 手机上进行测试时，Meta 的压缩 AI 模型（SpinQuant 和 QLoRA）与标准版本相比，速度和效率都有显著提升。较小的模型运行速度提高了四倍，而内存占用却

最近，一项由挪威科技大学和 Mizani、Idiap 研究所的研究人员进行的研究显示，GPT-4竟然具备了面部识别、性别判断和年龄估算的能力，并且准确率居然可以与专门的面部识别算法相媲美。令人惊讶的是，GPT-4并没有经过专门的训练来执行这些任务。图源备注:图片由AI生成，图片授权服务商Midjourney在这项研究中，研究人员对 GPT-4的生物识别功能进行了测试。在性别识别的测试中，GPT-4在一个包含5400张平衡图像的数据集中，竟然达到了100% 的完美准确率，甚至超过了专门为此设计的 DeepFace 模型

最近，BitEnergy AI 的研究团队开发出一种名为 “线性复杂度乘法”（L-Mul）的新算法，这个新方法可以显著降低人工智能系统的能耗。具体来说，这种算法通过将复杂的浮点乘法替换为更简单的整数加法，预计能在多个领域内实现高达95% 的能耗削减。这项研究的标题为 “只需加法即可实现节能的语言模型”，显示了 L-Mul 在节能方面的巨大潜力。图源备注:图片由AI生成，图片授权服务商Midjourney研究团队在多种任务上进行了测试，包括语言理解、结构推理、数学计算和常识问答等，结果表明

近年来，无损成像技术在绘画研究和保护领域取得了飞速发展，宏观X射线荧光（MA-XRF）分析技术作为其中的佼佼者，能够帮助专家们识别颜料、分析绘画技法，为了解艺术家的创作过程提供宝贵信息。然而，MA-XRF技术会生成庞大而复杂的数据集，对传统的数据分析方法提出了挑战。最近，意大利的研究人员将深度学习算法应用于MA-XRF数据集的光谱分析，开发了一套全新的分析方法 。该方法使用蒙特卡洛模拟生成的50多万个合成光谱对深度学习算法进行训练，能够快速准确地分析MA-XRF数据集

​腾讯云与小米合作，推出了新款智能门锁M30Pro，该产品采用了腾讯的“刷掌技术”，利用掌纹和掌静脉的AI识别能力，为用户提供了一种全新的安全便捷开锁方式。这项技术基于腾讯自研的“掌纹+掌静脉”识别算法，通过近红外光照射穿透皮肤，捕捉手掌皮下静脉血管图像信息，实现高精度的身份识别。由于每个人的掌静脉具有唯一性，这项技术不仅提高了开锁的便捷性，也极大增强了安全性。

据36氪消息，小米汽车智能驾驶团队近期完成了新一轮组织架构调整，这标志着小米汽车智能驾驶业务进入了新一轮加速期。原有的“感知”和“规控”两个二级部门合并为“端到端算法与功能部”，负责量产方案开发。这一变化意味着小米汽车智能驾驶将从传统模块化开发转向端到端大模型的技术路线。小米汽车智能驾驶业务的重组和技术路线的转变，是为了抓住用户心智、维持高销量。市场上新车层出不穷，角逐城区智驾的品牌不在少数。小米汽车想要在这一领域占据领先地位，因此

近日，AI助手心流正式发布2.0版本，新增的「首页精选内容」和「发现」版块为用户提供了更加智能化、个性化的高质量内容服务。这些功能的推出彰显了人工智能平台在生活与工作中的实用价值，尤其是在解决用户困惑与需求方面的强大能力。随着大模型技术的不断成熟，心流通过AI原生内容（AINative）为用户提供了更加丰富多样的图文和问答形式的信息。新版本的「首页精选内容」涵盖了效率工具、饮食休闲、旅游兴趣、运动保健及家居健康等多个领域，旨在通过智能推荐算法，使得用

随着生成式AI的普及，提示词交易市场正在迅速扩大。然而，当前以PromptBase为代表的交易平台仍以卖方主导定价，缺乏客观的价格衡量标准。面对这一挑战，复旦大学多媒体与智能安全团队提出了一种创新的提示词交易模式，旨在更好地适应未来的买方市场。这种新型交易模式主要包括两个阶段:提示词类别选取和定价策略制定。在第一阶段，平台使用基于贪婪搜索的多臂老虎机算法，根据质量评估选择待售提示词类别。第二阶段采用级联Stackelberg博弈方法，将买家、平台和卖家分别视为一

在人类大脑复杂的神经网络中，数十亿个神经元不断产生电活动，编码着我们的每一个想法、动作和感觉。这种神经交响乐的复杂性长期以来一直是脑机接口（BCI）研究的一大挑战。然而，南加州大学(USC)的研究人员最近取得了重大突破，开发出一种名为DPAD(分离优先动态分析)的新型人工智能算法，有望彻底改变我们解读大脑活动的方式。图源备注：图片由AI生成，图片授权服务商MidjourneyDPAD算法的核心创新DPAD算法的核心在于其独特的训练策略。该算法首先识别与特定行为相关的大脑模式，

在“All-In Summit2024”峰会上，谷歌联合创始人兼前Alphabet总裁谢尔盖・布林表示几乎每天都在谷歌工作，对AI的最新进展感到兴奋。布林公开确认去年回归谷歌总部，参与AI项目，强调AI领域快速发展的价值。他指出，算法改进可能已超越对计算能力的需求提升，对AI持乐观态度，认为未来AI模型训练不需大幅增加计算能力。布林的回归对谷歌的未来发展和AI技术进步具有重要影响，有望推动更多创新与前沿技术的探索。

浙江大学与美国德克萨斯大学合作研发了一种人工智能算法，能在中国试验中准确预测地震，提前一周预测300多公里范围内的14次地震，准确率高达70%，并能计算地震强度。该成果为地震预警与灾害应对带来新希望。虽然算法的全球应用尚不确定，但科学家对提高预测准确性和缩小预测范围持乐观态度。下一步将在常发生轻微至中等级别地震的德克萨斯州进行测试。这一研究在人工智能用于自然灾害预警方面具有重大意义。

Melodisco是一款开源AI音乐播放器，主打个性化音乐体验。它收录了30万首AI歌曲，具备AI音乐生成、智能推荐、多样播放列表管理等功能。用户可探索发现榜、流行榜、新歌榜，使用随机漫游发现新歌。支持歌曲收藏、最近播放记录、导入和分享。在播放器组件设计上，提供顺序、随机、单曲循环模式，支持进度和音量控制。集成Stripe支付系统，支持Vercel和Docker部署，也支持本地开发。但AI音乐版权和音质控制是其面临的关键议题，且在竞争激烈的音乐市场中，如何吸引和保持用户也值得关注。

商汤医疗开发的医疗大模型“大医”已成功通过国家互联网信息办公室的算法备案，这一备案标志着对“大医”合规性和安全性的权威认可，也显示了其技术落地应用上的关键进展。该模型基于具有千亿参数规模的大语言模型“日日新·商量”

第二届MER24挑战赛聚焦AI在真实人机交互场景中的情感识别应用，吸引了国际知名学者参与。Soul App的语音技术团队在难度极高的Semi赛道中脱颖而出，荣获第一名。该团队的成功得益于其在多模态数据理解、情感识别算法、模型优化和高效协作等方面的创新。面对数据稀缺挑战，Soul团队采用改进的半监督学习技术、预训练模型和有效的特征融合方法，提高了情感识别准确率，区分了易混淆情感。Soul通过自研AI技术在社交领域实现情感化交互，从“任务执行者”转变为“情感陪伴者”，并在AI社交方向上取得显著成果。未来，Soul等企业将继续推动AI与用户情感化互动体验的创新，形成繁荣内容生态，实现商业价值。

PaddleOCR v2.8.0发布，集前沿技术、优化项目结构、解决历史问题与增强性能于一体，树立OCR领域新标准。版本亮点包括冠军算法SVTRv2与SLANet-LCNetV2，优化算法及更新，修复关键问题，引入符合PEP518规范的教程站点。感谢社区支持，PM成员与贡献者功不可没。开发者可通过访问项目地址【https://github.com/PaddlePaddle/PaddleOCR】获取更多资源与信息。

一项新研究开发出AI工具，旨在帮助人们更容易地识别谎言。不同于传统的测谎仪通过测量生理反应判断真实性，这款工具基于谷歌的大型语言模型BERT进行训练，能以67%的成功率识别谎言，显著优于人类平均50%的正确率。然而，仅三分之一的志愿者愿意使用该工具进行实战检测。实验显示，使用此工具的人往往指责更多的声明为谎言，指控率高达58%，显著高于未使用工具者抽取的19%。这一发现警示在算法拟人化和自动决策日益普遍的背景下，人类的直觉评估愈发显得不足，尽管该技术自身仍存局限性。此工具的重要性体现在面对网络上越来越泛滥的虚假信息和AI系统本身的谎言欺骗手段时，人类防御的重要性。尽管有瑕疵和风险，但这样的工具有望成为对抗日益复杂的信息战的重要手段。

商汤科技正式推出了其首个具有里程碑意义的“Vimi”可控人物视频生成大模型。Vimi作为商汤科技基于其强大的日日新大模型能力研发的产物，实现了前所未有的视频生成灵活性。

近日，昆仑万维携手新加坡南洋理工大学成功开发了名为 Q * 的算法，能够显著提升现有大模型的推理能力。Q * 在不同数据集上帮助小模型达到参数量比其大数十倍甚至上百倍模型的推理能力，使得模型性能大幅提升，同时显著降低了计算资源的需求，为人工智能的广泛应用带来全新可能，开创了高效智能的新纪元。

虽然像 ChatGPT、Claude 和 Gemini 这样的大型语言模型令人印象深刻，但它们都有一个共同的大问题:经常会产生幻觉。这是人工智能领域的一个严重问题，甚至苹果也对未来苹果智能（Apple Intelligence）如何处理幻觉表示担忧。幸运的是，一组研究人员现在开发出了一种 AI 幻觉检测器，可以判断 AI 是否虚构内容。