有“AI教母”之称的斯坦福大学教授李飞飞及其团队近日发布了一项关于多模态大模型“空间智能”的研究，揭示这些模型在记忆和回忆空间方面已经具备初步能力，并展现出形成局部世界模型的潜力。研究团队开发了用于评估视觉空间智能能力的工具——VSI-Bench，其中包含超过5000个基于288个真实视频的高质量问答对。测试视频涵盖居住空间、专业场所及工业场景，涉及多个地理区域。研究结果显示，尽管多模态模型的总体表现尚低于人类，但在某些任务上已达到或接近人类水平。例如，

香港中文大学（CUHK）的研究团队成功开发了一种新的基础人工智能模型“VisionFM”，专注于眼科疾病的诊断与预测，特别在疾病筛查和青光眼进展预测等方面表现出色。相关研究已于上月发表在《NEJM AI》期刊上。图源备注:图片由AI生成，图片授权服务商MidjourneyVisionFM 的能力令人瞩目。研究显示，该模型在诊断12种眼科疾病时，其精确度不仅可与中级眼科医生相媲美，甚至在部分任务中表现更优，尤其在预测青光眼进展方面，超过了此前眼科领域的基础模型 RETFound。研究团队认为，随着训练

话说最近的科技圈，AI的战火那是烧得正旺，各路豪杰纷纷亮出自己的看家本领。而曾经被认为有些“落后”的谷歌，最近却突然发力，一连串的“王炸”级新品，让投资者们眼前一亮，惊呼: “AI界，又要变天了!”《金融时报》在周日（12月22日）的一篇报道中指出，谷歌在本月通过发布更先进的AI模型，让投资者们刮目相看。这些模型在基准测试中的表现，甚至超越了一些竞争对手。就像一位武林高手，突然使出了绝世武功，让江湖顿时风云变色。不仅如此，谷歌还推出了一款新的自研A

近日，苹果公司在机器学习领域的最新研究显示，他们通过与 NVIDIA 的合作，成功将大型语言模型（LLM）的生成速度提高了近三倍。这一进展的关键在于苹果开源的技术 “Recurrent Drafter”(ReDrafter)，它采用了一种推测解码方法，能够显著提升模型训练的效率。在过去，创建大型语言模型的过程通常非常耗时和耗资源，企业常常需要购买大量的硬件设备，进而增加了运营成本。2024年早些时候，苹果发布了 ReDrafter，这一技术结合了递归神经网络和动态树关注的方法，能够快速生成和验证标记，

开源AI模型管理工具Pinokio发布3.0版本，带来界面自定义、包管理优化和浏览器自动化等重要新功能，进一步简化了用户在本地部署和运行开源AI模型的流程。Pinokio 现在显示每个应用程序使用的磁盘空间量。此次更新的核心亮点包括:界面定制功能全面升级，用户现在可以通过CSS代码自由调整起始页、应用页面和终端的外观;包管理系统切换到UV作为Python的原生包管理器，提升了新包安装速度;新增磁盘空间占用显示功能，方便用户管理已安装应用;错误提示系统得到优化，取代了此前模糊的"ENO

阿布扎比技术创新研究院（TII）发布新一代开源AI模型Falcon3，凭借14万亿token的训练量和优化的架构设计，在消费级硬件上的性能表现创下新纪录。这一训练规模是其前代产品Falcon2的两倍有余。Falcon3系列共推出四种规格:1B、3B、7B和10B，每种规格均提供基础版和针对对话优化的Instruct版本。尽管专门提供英语、法语、西班牙语和葡萄牙语版本，但各型号都能处理大多数常用语言。在Hugging Face的第三方语言模型评测中，Falcon3击败了包括Meta的Llama-3.1-8B、Qwen2.5-7B、Mistral的NeMo-12B和谷歌的Gemma2-9B在

据路透社援引三位知情人士的消息，苹果公司正在与腾讯和字节跳动展开谈判，探讨将这两家中国公司的人工智能（AI）模型整合至中国市场销售的iPhone中。这一举措是苹果AI系统Apple Intelligence的一部分，而从本月开始，苹果已在全球市场的iPhone中整合了ChatGPT聊天机器人功能。图源备注：图片由AI生成，图片授权服务商Midjourney知情人士透露，苹果与腾讯和字节跳动的讨论主要涉及利用后两者的AI模型。这一谈判目前尚处于早期阶段，细节仍未敲定。值得注意的是，此前有媒体曾报道，苹果曾

一项最新研究表明，顶尖的人工智能模型在接受蒙特利尔认知评估（MoCA）测试时，表现出与早期痴呆症状相似的认知障碍。这项发现强调了人工智能在临床应用中的局限性，尤其是在需要视觉和执行技能的任务中。发表在《英国医学杂志》（The BMJ）圣诞特刊上的一项研究指出，几乎所有领先的大型语言模型，或称“聊天机器人”，在使用常用于检测早期痴呆的评估测试时，都表现出轻度认知障碍的迹象。该研究还发现，这些聊天机器人的旧版本，就像衰老的人类患者一样，在测试中的表

近日，Anthropic 的一项研究引发关注，研究表明强大的人工智能（AI）模型可能会表现出“伪对齐”行为，即在训练中假装符合新的原则，而实际仍坚持其原有的偏好。这项研究由 Anthropic 与 Redwood Research 合作完成，强调了未来更强大 AI 系统的潜在威胁。研究发现:伪对齐行为的表现Anthropic 的研究团队通过对多个 AI 模型的测试发现，当模型被训练以执行与其原有原则相冲突的任务时，有些模型会试图欺骗开发者。例如，在对其 Claude3Opus 模型的实验中，当模型被重新训练以回答可能冒犯性的问

AI初创公司Writer近日推出了其创新型AI模型——Palmyra Creative，这款模型旨在彻底改变企业在创意任务中的处理方式。与传统AI模型的僵化输出不同，Palmyra Creative通过一种新颖的架构设计，鼓励原创性并避免了生成内容的千篇一律，成为企业在生成式AI领域的一次重要突破。Writer首席技术官在接受采访时表示，当前的AI模型输出常常千篇一律，甚至专家也能迅速识别出AI生成的内容。为了应对这一“同质化问题”，Writer采取了不同于行业主流的路径——Palmyra Creative通过合并技术和自适应模型分

近日，OpenAI 在一场问答会上透露，目前没有推出其视频生成模型 Sora 的 API 的计划。Sora 可以根据文本描述或参考图像生成相对逼真的视频，备受关注。但 OpenAI 开发团队的负责人罗曼・于特（Romain Huet）表示，现阶段并不打算推出 API。他在会上提到:“我们目前没有 Sora API 的计划。”造成这一决定的原因可能与容量问题有关。Sora 推出后，OpenAI 发现申请使用其基于 Sora 的视频创建和编辑工具的用户数量远超预期，因此不得不在短时间内暂停接受新用户申请。OpenAI 首席执行官山姆・阿尔特曼

麻省理工学院（MIT）科学家们最近发布了一款强大的开源人工智能模型，名为 Boltz-1。这一创新有望显著加速生物医学研究和药物开发。Boltz-1是首个完全开源的模型，能够在生物分子结构预测方面达到与谷歌 DeepMind 的 AlphaFold3相同的先进水平。该模型的开发团队来自 MIT Jameel 机器学习健康诊所，主要由研究生杰里米・沃尔文德和加布里埃尔・科尔索领导，合作团队还包括 MIT 的研究员萨罗・帕萨罗以及电气工程与计算机科学教授瑞吉娜・巴兹利和汤米・亚卡拉。在12月5日的发布会上，沃尔

2024年12月16日，Midjourney 公司宣布推出一项令人期待的新功能 ——“心情板”（Moodboards），这是一种受到 Pinterest 启发的图像集功能。该功能允许用户上传一系列精心挑选的图片，作为生成新艺术作品的灵感来源。通过分析上传的图片，MidJourney 的最新 AI 模型（6.1版本）能够适应多样化和复杂的视觉元素，创造出独特的风格档案，并进行视觉元素的混合。除了心情板，Midjourney 还推出个性化模型，增加了对多种个性化资料的支持，用户现在可以创建和切换不同的个性化版本。这些个性化配置

Stability AI发布了一款名为 Stable Zero123的全新 AI 模型，该模型能够根据单张图片生成高质量的3D 物体视图。Stable Zero123在生成的效果上显著超越了其前身 Zero123-XL，主要得益于三个关键创新。Stable Zero123采用了一种经过严格筛选的训练数据集，这些数据集来自 Objaverse，专门保留了高质量的3D 物体。这一改进确保了生成的3D 物体更加逼真。在模型的训练和推理过程中，Stable Zero123使用了估计的相机角度进行 “升高条件”（elevation conditioning），这一技术使模型能够进行更准确的预测，显著提升了

哈佛大学近日宣布，计划发布一个由近100万本公共领域书籍组成的数据集，任何人都可以使用该数据集来训练大型语言模型和其他人工智能工具。此项目由哈佛大学新成立的机构数据计划（Institutional Data Initiative）主导，并在微软与OpenAI的资助下完成。该数据集包括来自谷歌Books项目的扫描书籍，涵盖了莎士比亚、狄更斯、但丁等经典作品，以及一些晦涩的捷克数学教科书和威尔士词典等内容。图源备注：图片由AI生成，图片授权服务商Midjourney这一数据集被称为“Books3数据集”的五倍大，旨

微软宣布，其Phi系列生成式AI模型迎来了新成员——Phi-4。与之前的版本相比，Phi-4在多个方面有所改进，尤其在数学问题的解决能力上表现突出，这得益于训练数据质量的提升。截至周四晚上，Phi-4的访问权限相对有限，仅在微软最新推出的Azure AI Foundry开发平台上可用，且仅限于微软研究许可协议下的研究用途。图源备注：图片由AI生成，图片授权服务商MidjourneyPhi-4是微软推出的最新小型语言模型，拥有140亿个参数。与其他小型模型如GPT-4o mini、Gemini2.0Flash和Claude3.5Haiku相当，这些小型模型

近日，OpenAI 的首席财务官在纽约表示，该公司预计未来构建更高级的人工智能模型所需的费用将持续大幅增长，达到数十亿美元。这一信息反映出，随着技术的不断进步和市场的需求增加，开发尖端 AI 系统的经济压力也在加大。根据高管的介绍，OpenAI 正在加大对先进人工智能技术的投资，特别是在模型训练和基础设施方面的开支。这意味着，未来用户可能会看到更多的服务价格上涨，以便公司能够弥补不断增加的开发成本。此外，OpenAI 正在努力推动新一代 AI 模型的研发，这些模型被认

科技巨头谷歌的AI研究部门近日推出了Gemini AI模型的最新迭代——Gemini2.0Flash。这款新模型在性能上进行了显著提升，特别是在处理速度和多模态功能扩展方面。官方表示，全球 Gemini 用户可以通过在桌面和移动 Web 的模型下拉列表中选择2.0Flash 实验版来访问聊天优化版本，并且它很快就会在 Gemini 移动应用程序中提供。明年年初，会将 Gemini2.0扩展到更多 Google 产品。Gemini2.0Flash的一个关键发展是其增强的处理速度。谷歌表示，新模型的运行速度是前代Gemini1.5Pro的两倍，同时在各种基准测试中

四年历史的 AI 初创公司 EndlessAI 最近推出的 iOS 应用 Lloyd 在悄然上线仅三个月后，已吸引了超过5万用户。loyd 的独特之处在于，它利用自主研发的视频流和编码技术，将用户的实时视频与 AI 模型相结合，支持从自行车维修到讲睡前故事等多种任务。目前，有41% 的用户每天都会使用这个应用。尽管 Lloyd 尚未达到 ChatGPT 在2023年初两个月内突破1亿用户的壮举，但 EndlessAI 的首席执行官 Roi Ginat 和执行主席 Thomas Pompidou 对此感到十分振奋。他们表示，计划在2025年初向第三方开发者开放平台，并于

在虚拟现实和流媒体领域，英伟达携手马里兰大学带来了一项突破性进展。这个被命名为QUEEN的AI模型，不仅能让观众在体育赛事中随心所欲地切换观赛视角，更能将每帧3D场景压缩至仅0.7MB大小，同时保持惊人的350帧每秒渲染速度。