近日，Oute AI 发布了一种新颖的文本转语音合成方法，称为 OuteTTS-0.1-350M。这种方法利用纯语言建模，无需外部适配器或复杂架构，提供了一种简化的 TTS 方法。OuteTTS-0.1-350M 基于 LLaMa 架构，使用 WavTokenizer 直接生成音频标记，使得流程更加高效。该模型具有零样本语音克隆功能，仅需几秒钟的参考音频即可复制新的声音。OuteTTS-0.1-350M 专为设备性能而设计，并与 llama.cpp 兼容，使其成为实时应用的理想选择。尽管该模型的参数规模相对较小（3.5亿个），但其性能可与更大、更复杂的 TTS 系统

近期，开源社区传来好消息:上海AI Lab团队发布了LLaMA版o1项目，旨在复刻OpenAI的奥数解题神器o1。该项目采用了多种先进技术，包括蒙特卡洛树搜索、Self-Play强化学习、PPO以及AlphaGo Zero的双重策略范式，引起了开发者社区的广泛关注。早在OpenAI的o1系列发布之前，上海AI Lab团队就开始探索利用蒙特卡洛树搜索来提升大模型的数学能力。o1发布后，团队进一步升级算法，专注于数学奥赛问题，并将其作为OpenAI草莓项目的开源版本进行开发。为了提升LLaMA模型在数学奥赛问题上的表现，团队采用了

Meta 公司近日宣布，将其 Llama 系列人工智能模型向美国政府机构及相关承包商开放，以支持国家安全应用。这一举措旨在消除外界对其 “开放” 人工智能可能助长外国对手的看法。Meta 在一篇博客文章中表示:“我们很高兴地确认，Llama 将向美国政府机构提供，包括那些专注于国防和国家安全的项目，以及支持这些工作的私营部门合作伙伴。”为推动这一项目，Meta 与多家知名公司达成了合作，包括埃森哲、亚逊网络服务、安迪尔、博思艾伦、Databricks、德勤、IBM、莱多斯、洛克希德・马丁

Hugging Face今天发布了SmolLM2，一组新的紧凑型语言模型，实现了令人印象深刻的性能，同时所需的计算资源比大型模型少得多。新模型采用Apache2.0许可发布，有三种大小——135M、360M和1.7B参数——适合部署在智能手机和其他处理能力和内存有限的边缘设备上。SmolLM2-1B模型在几个关键基准测试中优于Meta的Llama1B模型，尤其是在科学推理和常识任务中表现出色。该模型在大多数认知基准上的表现都优于大型竞争模型，使用了包括FineWeb-Edu和专门的数学和编码数据集在内的多样化数据集组合。SmolL

在刚刚结束的 Meta 第三季度财报电话会议上，首席执行官马克・扎克伯格透露，Meta 正在努力推动其 Llama 人工智能模型在美国政府的应用。这一消息引发了许多疑问:具体哪些政府部门会使用 Meta 的 AI?这些 AI 将用于什么目的?是否会有军事方面的应用?Meta 在这些合作中是否获得报酬?扎克伯格表示，Meta 已经与美国国务院达成合作，探讨如何利用 Llama 解决各种问题，例如扩大安全饮水和可靠电力的获取，支持小企业发展等。他还提到，Meta 正与教育部沟通，看看 Llama 如何能够让学生的助学金

最近，Meta 的首席 AI 科学家 Yann LeCun 表示，自机器智能（AMI）能够真正帮助人们的日常生活。Meta 正在努力提升其 Llama 模型的推理能力，希望能与 GPT-4o 等顶尖模型相媲美。Meta 的副总裁 Manohar Paluri 提到，他们正在探索让 Llama 模型不仅能够 “规划”，还可以实时评估决策并在条件变化时进行调整。这种迭代的方法结合了 “思维链” 的技术，旨在实现能够有效结合感知、推理和规划的自主机器智能。此外，Paluri 强调，在 “非可验证领域” 的 AI 推理中，模型需要将复杂任务分解成可管理的

最近，开放源代码倡议组织（OSI）发布了一项新定义，明确什么才算是真正的 “开源” 人工智能。这一新标准引起了科技巨头们的关注，尤其是 Meta 的 Llama 模型，因为它并不符合这些规则。OSI 一直是开放源代码软件的行业标准制定者，但在 AI 系统中，有一些传统许可证未能覆盖的元素，比如模型训练数据。根据 OSI 的新定义，任何被认为是真正开放源代码的 AI 系统必须提供三样东西:首先是有关训练 AI 所用数据的详细信息，以便他人能够理解并重现这些结果;其次是用于构建和运行 AI 的

谷歌最近在紧锣密鼓地准备推出他们的最新语言模型 Gemini2.0，预计将在12月份与大家见面。根据来自《The Verge》的消息来源，尽管 Gemini2.0可能不会带来我们期待的重大性能提升，但还是会推出一些有趣的新功能。与此同时，有消息称一些商业客户已经提前获得了这个新模型的使用权限。在 AI 领域，其他公司也在积极推进自的项目。比如，埃隆・马斯克的 xAI 利用在其孟菲斯超级计算中心的100，000个 Nvidia H100芯片来训练 Grok3，而 Meta 则在用更多的计算资源训练 Llama4。谷歌在其旗舰语言模型

Meta最近发布了一个名为NotebookLlama的项目，该项目可以生成播客式的摘要，类似于Google的NotebookLM。该项目使用Meta自己的Llama模型进行处理，可以根据上传的文本文件生成播客式的摘要。首先，NotebookLlama会根据文件（例如新闻文章或博客文章的PDF）创建文字记录。然后，它会添加“更多戏剧效果”和中断，然后将文字记录输入到打开的文本转语音模型。虽然结果听起来不如NotebookLM，但Meta的研究人员表示，可以通过更强大的模型来提高质量。他们在NotebookLlama的GitHub页面上写道:“文本转语音

最近，Meta 公司推出了一款名为 NotebookLlama 的新工具，它可以说是谷歌的 NotebookLM 中备受欢迎的生成播客功能的开源版。NotebookLlama 依托于 Meta 自家的 Llama 模型来处理文本，能够将用户上传的文件转化为互动式的播客风格摘要，听起来非常酷。具体来说，NotebookLlama 首先会把上传的文件，比如说 PDF 格式的新闻文章或博客帖子，转换成文本稿件。接下来，它会在文本中加入一些戏剧化的元素和对话的插入，然后再通过开放的文本转语音模型来进行朗读。虽然这个过程听上去很有趣，但根据我

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，Meta AI 推出了全新的量化 Llama3.2模型，包含1B 和3B 两个版本，这款模型可以在多种设备上进行微调、蒸馏和部署。过去，虽然像 Llama3这样的模型在自然语言理解和生成方面取得了显著成就，但其庞大的体量和高计算需求使得很多组织难以使用。训练时间长、能源消耗高以及对昂贵硬件的依赖，无疑加大了科技巨头与小型企业之间的鸿沟。Llama3.2的特点之一就是支持多语言文本和图像处理。1B 和3B 模型经过量化处理，平均可以缩小56% 的体积，并且在内存使用上减少了41%，并实现2-3倍的

法国AI初创公司Les Ministraux 推出两款全新轻量级模型Ministral3B和Ministral8B，专为边缘设备设计，参数分别为30亿和80亿。这两款模型在指令跟随基准测试中表现出色，Ministral3B超越了Llama38B和Mistral7B，Ministral8B则在除代码能力外其他方面均优于这两个模型。测试结果显示，Ministral3B和Ministral8B的性能可媲美Gemma2和Llama3.1等开源模型。 这两款模型都支持高达128k的上下文，并在知识、常识、推理、函数调用和效率方面为低于10B参数的模型树立了新的标杆。 Ministral8B还配备了滑动窗口注意机制，以实现

最近，Meta 公司因将其人工智能模型称为 “开源” 而遭到了猛烈的批评。这一指控来自于开源倡导组织 Open Source Initiative 的负责人 Stefano Maffulli，他认为 Meta 正在混淆用户的理解，并对 “开源” 这一术语造成了污染。Maffulli 指出，Meta 的 Llama 大型语言模型并未达到真正的开源标准，这在当今欧盟等机构正在努力支持真正开源技术的背景显得尤为有害。Meta 的 Llama 模型被下载次数已超过4亿次，成为了当前众多所谓 “开源” AI 模型中最受欢迎的一款。尽管如此，Meta 的模型并没有完全开放，

最近，Zyphra 正式推出了 Zamba2-7B，这是一款具有前所未有性能的小型语言模型，参数数量达到7B。这款模型号称在质量和速度上超越了目前的竞争对手，包括 Mistral-7B、谷歌的 Gemma-7B 以及 Meta 的 Llama3-8B。Zamba2-7B 的设计目标是满足那些需要强大语言处理能力但又受限于硬件条件的环境，比如在设备上处理或使用消费级 GPU。通过提高效率而不牺牲质量，Zyphra 希望能让更广泛的用户，无论是企业还是个人开发者，都能享受到先进 AI 的便利。Zamba2-7B 在架构上做了很多创新，提升了模型的效率和表

在自然语言处理领域，大型语言模型（LLMs）的发展迅速，已经在多个领域取得了显著的进展。不过，随着模型的复杂性增加，如何准确评估它们的输出就变得至关重要。传统上，我们依赖人类来进行评估，但这种方式既耗时又难以规模化，无法跟上模型快速发展的步伐。为了改变这种现状，Salesforce AI 研究团队推出了 SFR-Judge，这是一个由三个大型语言模型组成的评估家族。这些模型分别拥有80亿、120亿和700亿个参数，基于 Meta Llama3和 Mistral NeMO 构建。SFR-Judge 能够执行多种评估任务，包括成

近日，人工智能平台 Hugging Face 宣布，其公开可用的 AI 模型数量已超过一百万个。这一里程碑不仅标志着 Hugging Face 在 AI 领域的快速发展，也反映出专业化 AI 解决方案越来越受到重视。图源备注：图片由AI生成，图片授权服务商MidjourneyHugging Face 的联合创始人克莱门特・德朗格（Clément Delangue）表示，Hugging Face 的100万个公共模型包括 Llama、Gemma、Phi、Flux、Mistral 和 Stable Diffusion 等知名示例，以及“999，984个其他模型。这一多样性意味着为特定应用、领域、语言和硬件优化的模型，往往能够超

最近，西班牙瓦伦西亚理工大学的科学家进行了一项研究，揭示了大型语言模型如GPT、LLaMA和BLOOM在处理问题时可能更倾向于撒谎而非承认无知的现象。研究发现，随着AI模型复杂性的增加，它们在面对复杂问题时的准确性下降，且更可能编造答案。研究人员发现，人类志愿者在测试中也很难识别这些错误答案，这暗示了AI谎言可能对人类构成的潜在风险。科学家建议，为了提升AI的可靠性，需要在简单问题上提高AI的性能，并鼓励AI在面对难题时选择不回答，以便用户能更准确地评估AI的可信

最近一周，AI 行业真是热闹非凡，谷歌和 Meta 都在推出新版本的 AI 模型，吸引了不少关注。首先，谷歌在周二宣布了其 Gemini 系列的新更新，推出了两个新的生产就绪模型 ——Gemini-1.5-Pro-002和 Gemini-1.5-Flash-002。这次更新大幅提升了模型的整体质量，尤其在数学、长上下文处理和视觉任务上都有显著进步。谷歌声称，在 MMLU-Pro 基准测试上，性能提升了7%，而数学相关任务的表现更是提高了20%。如果你关注 AI，应该知道基准测试的意义有限，但这次的数据还是很令人兴奋的。除了模型的性能提

随着人工智能聊天机器人的不断进化，它们不仅变得更强大，回答问题的能力也越来越出色，但令人担忧的是，这些 “聪明” 的 AI 似乎更容易撒谎，而不是拒绝回答自己无法处理的问题。图源备注:图片由AI生成，图片授权服务商Midjourney一项最新的研究揭示了这一现象，研究发表于《自然》杂志，分析了几款当前市场上领先的语言模型，包括 OpenAI 的 GPT 和 Meta 的 LLaMA，还有开源模型 BLOOM。研究显示，虽然这些 AI 的回答在许多情况下变得更为准确，但它们的可靠性却整体下降，错误答案的