2016 年的《精灵宝可梦Go》曾被视为最纯真的游戏体验，鼓励玩家漫步社区、结识陌生人。而到了 2024 年，这款游戏却悄然变身为一个惊人的地理空间人工智能训练场。Niantic开发团队近期披露了一个惊人秘密：多年来，数百万玩家在玩游戏的同时，实际上一直在帮助训练一个庞大的地理空间人工智能系统。这个被称为视觉定位系统（VPS）的技术，正在通过玩家的日常游戏行为，帮助AI学习复杂的三维空间信息。最巧妙的是，这个过程几乎是无感知的。就像互联网文本训练ChatGPT一样，玩家在

英伟达近日宣布，其开源的BioNeMo™生物分子AI框架在制药领域获得广泛应用，吸引了大批制药公司、生物科技创新者和AI研究人员的关注。这一框架的推出，标志着AI辅助药物研发正式进入超算时代。作为一套专门面向生物分子研究的AI工具集，BioNeMo框架为制药行业带来了革命性突破。研究人员可以借助该框架大幅提升AI模型的运算规模，更高效地分析海量数据集，显著加快新药设计和开发进程。英伟达还推出了端到端的BioNeMo平台，将AI药物研发的全流程整合到一个统一的系统中。该平台包

虽然现在人工智能正在飞速发展中，图像处理技术也在不断升级。但背景去除一直都是图像处理任务中最具挑战性的难题之一。目前在抠图这块，真正做的比较好的还是remove.bg，抠的又快又好。而现在，终于有一个抠图能力和remove不相上下的开源软件了。Bria团队最近发布的RMBG2.0抠图效果惊人。相比前代产品RMBG1.4，新版本在多个核心领域都实现了显著提升。RMBG2.0整合了高级语义分割、改进的边缘检测技术，并在处理相似图像时保持了更强的一致性，特别是在应对复杂背景时表现出色。这款

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

北京智源人工智能研究院与中国人民大学高瓴人工智能学院联合发布了一款创新的人工智能模型框架——MemoRAG。该框架基于长期记忆，旨在推动检索增强生成（RAG）技术的发展，使其能够处理更复杂的任务，而不仅限于简单的问答。

阿里巴巴的“通义千问”团队发布了一款名为Qwen2Math Demo的数学模型，该模型在处理文字输入的数学问题、图片和截图中的公式方面表现出色，甚至在MATH数据集上的表现超越了GPT-4，提高了9.6%的分数。模型推出三个版本，其中72B版本尤其突出，不仅在数学难题上胜过GPT-4，还在GSM8K、MATH等经典测试集上超过了Llama-3.1。模型通过专门设计的数学语料库进行训练，包含高质量的数学文本、书籍、代码和题目。Qwen2-Math在中文数据集CMATH和高考试题上同样表现出色，各版本相对于同规模的基础模型均有所提升。此模型为数学问题提供了强大的解决方案，但使用时应注重自我学习和实践。

英伟达开源了两款新型大模型Nemotron-4-Minitron-4B和Nemotron-4-Minitron-8B，采用结构化剪枝和知识蒸馏高效训练方法，显著降低训练需求，减少数据和算力消耗。与传统方法相比，新模型的训练token数据减少40倍，算力成本节省1.8倍。通过优化Llama-3.18B，结构化剪枝简化模型结构，知识蒸馏提升性能，Minitron-4B和Minitron-8B在MMLU上的评分提升16%，性能媲美Mistral7B等知名模型。这一开源举措展示了英伟达在AI领域的领导地位，并为AI社区提供了宝贵资源，推动AI技术向更高效、更智能方向发展。

在3D数字人领域，南京大学、复旦大学与华为诺亚方舟实验室的研究团队提出了创新性解决方案，针对多视角一致性与情感表现力不足的问题。他们开发了EmoTalk3D数据集，包含了校准多视角视频、情感标注与逐帧3D几何信息。通过构建“从语音到几何再到外观”的映射框架，研究团队提出了一种新方法，能够合成具有可控情感的3D说话头像，显著提升了唇同步与渲染质量。数据集的构建与开放，为非商业研究提供了宝贵的资源。整体流程包括情感内容分解、语音到几何网络、高斯优化与完成、几何到外观网络及渲染模块，实现了在生成结果中捕捉动态面部细节与情感表达的精准呈现。

Reddit 成功收购认知处理技术初创公司 Memorable AI，这是其上市后的首次重大行动。Memorable AI 通过机器学习和生成式 AI 分析人类对广告的认知反应，优化广告定位和创意，提升广告效果。该公司的创始人加入 Reddit 领导团队，将带来认知科学和 AI 技术的深度整合。此次收购将使 Reddit 能够提供更个性化、有效的广告解决方案，通过人工智能进行创意优化和实时性能分析，提升用户体验并增强广告商的成功率。Memorable AI 的技术，尤其是其在认知科学和 AI 领域的专长，为 Reddit 在视频广告、广告投放优化等方面带来了显著的提升潜力。

腾讯混元携手香港科技大学和清华大学，共同研发出一款名为“Follow Your Emoji”的创新肖像动画生成框架。这项技术突破了传统界限，仅需一张静态照片，即可将其转化为栩栩如生的面部动画，捕捉并再现人物的微妙表情变化。

["三位作者起诉 Nvidia 未经许可使用版权图书训练 NeMo AI 平台。","起诉指称作者作品成为约 196，640 本书的数据集的一部分。","作者声称其作品在 NeMo 训练后被撤下。","Nvidia 未就此案发表正式回应，案件或成 AI 领域版权重要先例。"]

["阿里发布肖像视频生成框架 EMO","EMO（Emote Portrait Alive）能够生成具有丰富面部表情和头部姿势的声音肖像视频","EMO技术优于现有的先进方法，如DreamTalk、Wav2Lip和SadTalker","EMO模型可能被用作犯罪工具"]

["阿里的 EMO 和 OpenAI Sora 文生视频模型火起来","EMO 框架增强头部视频生成的真实度和自然度","EMO 可让角色生成动态、表情丰富的AI角色化身","EMO 方法可以支持不同语言的歌曲和口语音频生成","EMO 实现不同角色之间的联动"]

["阿里最新推出的基于音频驱动的肖像视频生成框架EMO","EMO可以根据输入音频生成任意持续时间的视频","EMO的团队来自阿里巴巴智能计算研究院"]

["印度初创公司 Ceremorphic 开设生命科学部门，利用 AI 芯片技术平台加速药物研发。","Ceremorphic 生命科学部门使用新技术平台 BioCompDiscoverX。","公司目标是从一开始就找到更好的候选分子，更快、更便宜地将新药带到市场。"]

["Nvidia NeMo项目展示了生成式AI在半导体芯片设计中的应用，通过内部数据训练大型语言模型，提高生产力。","研究突出了Nvidia NeMo在半导体领域提供定制化AI模型的潜力，为竞争带来优势。","Nvidia的定制大型语言模型ChipNeMo的应用范围包括聊天机器人、代码生成器和分析工具，为半导体设计提供全面提升。"]

["抖音博主曝光emo圈常听AI音色背后藏真人声源","女博主老公听多了其配音口头禅现避之不及","娱乐博主剪辑出这些声音分享小红书大获好评","AI音色其实采用真人声音作为声源后深度学习合成","“云希”声源来自微软Azure文本转语音服务"]

["字节大模型 BuboGPT 支持文本、图像、音频三种模态的细粒度多模态联合理解。","BuboGPT 通过引入视觉定位的方法，能够精确定位图中对象的位置。","研究人员使用多模态指令调整的训练方案，使 BuboGPT 在多模态任务上取得良好效果。"]