MusiConGen模型是在预训练的MusicGen-melody框架基础上进行微调的，主要用于生成各种风格的音乐片段。研究团队通过设置和弦和节奏的控制参数，展示了模型生成的音乐样本，涵盖了五种不同风格:休闲布鲁斯、平滑酸爵士、经典摇滚、高能放克以及重金属。

日本永旺超市利用AI系统"Smile-Kun"监控员工微笑，旨在通过量化员工的微笑及声音分析，提升服务技能。该系统要求员工通过特定方式打招呼，依据450个微表情点评分，满分为100分，并实时反馈，此外分析音量、流畅度和语气提供改进建议。员工反应显示微笑比例显著提升。然而，此举引发争议，部分网友批评做法过度量化员工个性情感，难以体现真诚服务。批评者认为基于上下级或同事评估更为合理。此做法虽旨在提高效率，但需考虑如何在追求效时兼顾员工感受与尊严，反思员工服务的真实性和人性化管理。

Elon Musk宣布xAI公司将于下月发布性能与GPT-4相当的AI模型Grok2，预计12月推出更强大的Grok3，该模型正在孟菲斯数据中心进行15000+GPU的大规模训练。虽仅部分特斯拉视频数据尚未应用于模型训练，但如ChatGPT对比显示Grok在某些方面仍见不足，밤收购语境下的追赶仍需时间。

小红书近日上线“科技薯”账号，启动全球首间AI便利店创业项目。通过与全网优质创作者和科技公司合作，提供AI前沿应用、干货、情感体验等内容，该便利店内售卖包括@赵纯想等人的创意AI产品，例如吃饭辅助、AI式泡面教程、AI颈椎病治疗、林亦LYi的祖传AI治疗、AI帮老妈完成未竟之事等。科技薯还开设活动，邀请笔记写手用 "#AI便利店" 发布AI相关笔记，可获得三万到五十万流量扶持、科技薯官方推荐和小米机器狗等惊喜奖励。此活动不仅整合AI内容，还通过激励机制催生更多AI创意内容。

微软研究院与北京航空航天大学团队合作推出了名为E5-V的高效多模态嵌入框架，旨在解决多模态大语言模型（MLMs）发展中存在的挑战。这一创新框架通过单模态训练简化多模态学习过程，并克服以往模型依赖独立编码器，导致输入整合效果不佳的问题。E5-V通过统一文本、图像信息，减少了训练成本，并在多个复杂任务中展现了卓越性能，如文本-图像检索、图像检索等，特别是在零样本图像检索任务上，相较于顶级模型CLIP ViT-L，性能大幅提升。该框架不仅提高了多模态数据处理的效率，更在复合图像检索任务中超越了当前先进方法，验证了其在提升模型表现上的有效性。E5-V框架代表了多模态学习领域的重要进步，未来有望在多模态研究中树立新标准并具有广泛的应用潜力。

英伟达公司（Nvidia）股价因新Blackwell芯片中国市场版确保美国出口管制合规而在周一早盘大幅上涨4%，股价达122.76美元。此举作为缓解半导体行业面临贸易限制与地缘政治风险的关键手段，标志着Nvidia与中国技术公司Inspur联合推出符合规定芯片的计划为市场注入了强心剂。Nvidia预报的B20黑威尔2代芯片预计于2025年第二季度发货，全面提振市场信心。整体而言，Nvidia在芯片困境下的灵活性与市场的强烈需求推动了股价在过去一年里螺旋上升超过一倍。此情此景提示了市场对Nvidia持续创新能力与未来市场前景的乐观期待。

近期，有着4050亿参数的开源大型语言模型LLama3.1因在Reddit上泄露，引发了广泛关注，被视为目前最接近GPT-4o的开源产品，甚至在某些性能上超越了GPT-4o。模型由Meta（原Facebook）推出，包括基础与70B版本的基准测试结果，在多项性能测试上均超出GPT-4o。LLama3.1在多语言支持能力与广泛训练数据集（逾15T tokens、直至2023年底）的基础上提供出色的多语言对话性能。研究团队注重模型安全，通过多方位数据收集策略，结合人工与合成数据，引入边界和对抗性提示以优化数据质量。此开源模型的泄露，不仅展示了强大性能，也成为表明开源社区对大型AI模型发展的积极贡献。

Stability AI近推出开源音频生成模型Stable Audio Open，能生成最长47秒，采样率44.1kHz，采用开放权重设计，允许用户查阅、修改和扩展，推动科研及开发者创新。使用Creative Commons许可音频训练确保数据合法和道德性。模型技术架构先进，支持高质量立体声生成，多样性和高保真度得到验证，与顶尖模型表现相当。这一工具对研究者、艺术家和开发者极具价值，标志着音频生成领域的重要进展。

马斯克的公司 xAI 在田纳西州孟菲斯投资设立全球规模最大的AI训练集群，运用10万台液冷Nvidia H100 GPU，目标于2024年12月打造“万能AI”，以展现“显著优势”。此举吸引了公众高度关注，为xAI使AI领域的竞争更趋激烈。面临同行如OpenAI、谷歌、微软、Meta等加速研发强大语言模型的压力，xAI需研发具有产业化价值的新技术以保持竞争优势。值得关注的是，微软正与OpenAI联手研发成本高达1000亿美元的AI训练超级计算机“星门”。此计划可能改变全球AI竞赛格局，xAI的孟菲斯超级集群能否维持其在全球的地位将是个挑战。

想必这句话你绝对不想错过：知名大语言模型平台Cohere最近引起了极高的关注，获得了5.5亿美元的D轮融资，估值达到了55亿美元。作为一家在加拿大多伦多设立的初创公司，Cohere由曾在美国谷歌大脑和Cortex工作过的创始团队Aidan Gomez、Ivan Zhang和Nick Frosst共同创立。Aidan，Cohere的首席执行官，以其在多伦多大学与人工智能先驱Geoffrey Hinton的合作而闻名。Cohere提供一系列为企业定制的大语言模型服务，包括语义搜索、文本生成、汇总等多种功能，帮助企业显著提高生产效率并减少人力成本。其独特之处在于，与ChatGPT等相似产品相比，Cohere更专注于精细化的定制化服务，包括深度的模型定制、关键词丰富语义的深入理解，以及针对诸如电子邮件、产品描述、社交媒体等不同场景下的文本自动生成。对于寻求优化企业内部操作，提升响应速度，并保证内容准确性的企业来说，Cohere无疑是极具潜力的投资方向。

谷歌的Gemini AI技术作为首度亮相的智能解决方案，将于巴黎奥运会上与NBCUniversal和美国奥运委员会共建创新的合作模式。通过AI解说，谷歌将为赛事带来前所未有的个性定制体验。观众利用个性化每日赛事回顾和Al Michaels版AI叙述，在Peacock 应用中可按兴趣选择定制中意的运动视角。NBCUniversal则设置"理解奥运"栏目，辅以谷歌现代化服务如Lens、Circle to Search、地图功能等，融入沉浸式观影模式和3D场景视图。喜剧演员Leslie Jones也将引入新视角，通过AI学习体育项目知识，并与Gemini AI互动。而社交媒体策略的运用将推动对比赛内容的大众解读和全方位传播，预示着现代体育赛事如奥运的未来方向。

Arcee AI 最近发布了其最新的开源语言模型Arcee-Nova，该模型基于Qwen2-72B-Instruct，性能几乎达到GPT-4水准，展现出色的逻辑推理、创意写作、代码生成、语言理解和客户服务应用等多元功能。经过多样化的通用数据集调优和强化学习优化，Arcee-Nova具备跨领域适应性，在OpenLLM Leaderboard2.0中表现出领先地位。这款模型通过其全面的能力，在客户服务、内容创作、软件开发和个性化教育等领域展现出广泛的应用前景，显著提升行业效率和体验。

苹果公司开源DCLM-Baseline-7B全链路语言模型，推动AI领域发展。该模型包含预训练数据集、数据处理、训练到评估的全过程，为研究人员和开发者提供全面深入理解。在MMLU测试中，其性能与Mistral-7B-v0.3和Llama38B相当。基于Transformer架构，DCLM-Baseline-7B采用了先进设计并优化于PyTorch/OpenLM。模型训练细节，如AdamW优化器、学习率、批处理大小、序列长度、GPU训练等均展示了高度优化。使用方法涉及安装open_lm及通过代码和参数设置实现生成。在MMLU任务上，其零样本与少样本得分优异，为未来应用与研究提供参考。这不仅是苹果在AI技术的贡献，也为AI研究者提供了宝贵资源，预示未来更多创新在此基础上诞生。

微软研究人员提出了SpreadsheetLLM研究，旨在通过创新编码框架使大语言模型（LLM）能够解读电子表格，以解决在数据管理和分析效率方面的难题。这一研究有望通过使用户能以自然语言向AI提出问题，而不需掌握复杂公式与操作，从而提升电子表格处理的效率。主要贡献包括SheetCompressor与Chain of Spreadsheet两大核心技术，后者通过学习在压缩后的表格中定位信息并生成答案。 SpreadsheetLLM通过SheetCompressor设置，成功地对电子表格的复杂性进行了简化处理，将所需处理的令牌数量减少了96%，并在这个过程中实现12.3%的改进效果。此项技术对微软C o p i l o t在Excel中的应用能力进行了增强，使其能够处理更复杂的数据分析任务。 然而，研究当前仍面临的数据生成准确性与高计算资源消耗问题。未来的研究计划将包括对单元格背景色的编码及深化对单元格内容关联性的理解。综上所述，SpreadsheetLLM技术及其后续演化将大幅推动电子表格与复杂数据分析任务的智能化进程。

谷歌将在8月13日举行活动，提前开售Pixel9旗舰产品，比苹果的iPhone16提早登场。谷歌对活动解释未做说明。事前公布产品引起关注度转移，如的是于刺激消费市场的低迷期。活动将展示新款Pixel9Pro及Pixel9Fold手机，配以生成式AI功能。与Google I/O聚焦于AI开发者的活动不同，此活动旨在面向消费者，主打AI驱动科技。整体验示强调AI在新设备及功能中的核心角色。 Android操作系统最新版本“香草冰淇淋”则包含一些核心升级和更改，如改进的多任务能力和电池续航以获得鲜为人知的优点。Google Assistant打破操作系统的未来角色，预示采取更强大人工智能的策略。 可穿戴设备如Pixel Watch3和Pixel Buds Pro2也会于活动中亮相，突出新功能的引入。 总体来说，谷歌正通过此举大力推广AI在智能设备中的应用，并针对消费者市场进行创新。

日本连锁超市AEON引入AI微笑监测系统“Mr Smile”，通过分析面部表情、语音特点等450多种因素评估员工服务态度，计划标准化微笑提升顾客满意度，系统显示显著效果，但引起对员工隐私及顾客骚扰的争议。此技术类似以往的一元微笑理念，与日本麦当劳强调自然微笑的做法形成对比。福冈县超市设慢速结账通道的措施则得到了好评并推动销量增长，反映了员工福祉与顾客体验之间的平衡。

在OpenAI最新推出的GPT-4o Mini中，CEO山姆·奥特曼承认了命名上的挑战，面对批评表示需要考虑重新命名。GPT-4o Mini因其成本效益和对聊天机器人开发的适配性受到关注，但复杂命名引发广泛关注。近日，奥特曼在回应批评时坦诚了本性组合命名方式的困惑，并表示未来会考虑改名。尽管在其他项目上，如Sora和DALL-E等命名展现出创新思路，但GPT系列的命名仍然保守。奥特曼澄清由于ChatGPT和其基础LLM的巨大影响力，短期内OpenAI可能不会对命名进行大规模调整。对此，观察者和业界对OpenAI的命名策略持续关注，期待未来可能的创新改进。

Neo4j LLM知识图谱构建器的推出旨在解决复杂数据处理难题，通过利用强大机器学习模型如OpenAI、Gemini等，迅速将非结构化数据转化为结构化知识图谱，实现高效数据分析。此工具具备灵活的数据提取功能，允许用户根据需求自定模式，并提供数据清理选项保障数据质量。其通过多种检索增强生成技术实现智能数据查询，图形化的知识图谱与文本嵌入词汇图的结合更利于理解与应用。具备良好兼容性，能在Google Cloud Run上运行或本地Docker Compose部署，集成的llm-graph-transformer模块以及与LangChain框架的融合增强了数据处理能力。为数据科学领域提供了最为智能化的数据管理解决方案，成为高效数据处理的重要工具。

BlazeBVD是一种新型去闪算法，通过自动化的方式在未知退化情况下快速消除视频闪烁效果，同时保全视频内容的完整性与色彩真实度，显著提升视频质量。关键通过尺度-时间均衡（STE）方法处理视频帧直方图，智能捕捉闪烁与局部曝光变化，实现了高效、快速的闪烁消除。其工作原理包括直方图辅助、STE滤波、全局和局部去闪模块，以及自适应时间一致性处理。BlazeBVD能够有针对性地修复光照变化和局部曝光问题，并通过网络优化保持视频质量与连贯性。相比现有技术，BlazeBVD在推理速度上提升10倍，显示出其卓越性能与广泛应用潜力。这项技术对视频后期制作领域具有革命性影响，适用于视频编辑、电影后期制作和视频内容生成等多个场景。

苹果公司及其合作伙伴推出了一款名为DCLM的开源大型语言模型，拥有7亿参数，通过使用2.5万亿个数据令牌进行训练，显著提升理解与生成语言的能力。DCLM的核心是一个标准化的数据集优化工具，供研究人员在Hugging Face平台上进行实验，旨在评估不同数据集质量与改进方法。研究表明，利用DCLM建立的基准数据集能够训练出在关键测试中表现出色的模型，尤其是在MMLU基准测试中，5-shot准确率得到了显著提升（达64%），并且在资源消耗上较其他领先模型减少了40%。这一成就表明DCLM不仅为自然语言处理领域提供了重要资源，也展示了优化策略如何在模型性能提升与资源效率之间实现平衡。