近日，华盛顿大学的研究团队发布了一个名为 SAMURAI 的新型视觉追踪模型。该模型基于沿的 Segment Anything Model2（SAM2），旨在解决在复杂场景中进行视觉对象追踪时所遇到的挑战，尤其是在处理快速移动和自遮挡物体时。SAM2在物体分割任务中表现出色，但在视觉追踪方面却存在一些限制。例如，在拥挤的场景中，固定窗口的记忆方式未能考虑到所选记忆的质量，这可能导致错误在视频序列中不断传播。为了解决这一问题，研究团队提出了 SAMURAI，通过引入时间运动线索以及运动感知记忆选择

近日，智谱AI宣布其开放平台bigmodel.cn将在国庆月期间推出重磅优惠活动，同时清言科技推出全新大会员体系，为用户提供更多实惠和选择。智谱AI的国庆特别活动力度空前。用户可以低至1折的优惠价格调用智谱的所有AI模型，极大地降低了企业和开发者使用高级AI服务的成本。不仅如此，活动期间每位用户还将获赠高达1亿tokens的免费额度，让更多人有机会体验和应用先进的AI技术。与此同时，清言科技推出的全新大会员体系同样引人注目。最低只需19元/月，用户就能享受到包括清影AI生视频

据最新消息，特斯拉计划在10月10日于洛杉矶华纳兄弟电影制片厂举办活动，届时将展示备受期待的Robotaxi无人驾驶出租车。马斯克表示，这一天对特斯拉来说意义重大，甚至可与Model3的发布相提并论。此前，有博主在社交平台推特上透露，挪威为了解决电动公交车在冬季供暖问题，正在尝试为这些车辆加装柴油发电机。这一措施的原因是去年冬季，一些电动公交车因电量耗尽导致乘客被困车内，造成了混乱局面。该博主强调，这一情况是真实发生的。对此，特斯拉CEO埃隆·马斯克在推特上

Rabbit R1CEO吕骋近日披露，过去六个月里，Rabbit R1经历了16次更新，包括错误修复、缩短响应时间以及添加小功能等。同时，吕骋宣布Rabbit R1即将在10月1日推出全新模型——Large Action Model。在过去的六个月中，R1经历了多次无线更新，目前仍只能与七种特定服务（如 Uber 和 Spotify）进行交易。Lyu 承认，早期的高期望可能过于乐观，但他强调新的 LAM将提供更广泛的功能，允许用户如购买音乐会门票、注册网站及在线游戏等任务。LAM 的工作原理架构为步骤，通过分析网页内容进行交互。Lyu 演示了

机器人初创公司1X Technologies 开发了一种新的生成模型，可以提高仿真中训练机器人系统的效率。该公司在一篇新的博客文章中宣布了该模型，解决了机器人技术的重要挑战之一，即学习“世界模型（1X World Model）”，该模型可以预测世界如何响应机器人的动作而变化。当机器人从相同的起始图像序列出发时，这个世界模型可以根据不同的动作提议，想象出多种未来场景。这种能力使其能够预测复杂的物体互动，比如刚体的运动、物体掉落的效果、以及与可变形物体（如窗帘、衣物）和关节

上海人工智能实验室的司南 OpenCompass 团队与魔搭 ModelScope 合作，推出了 Compass Multi-Modal Arena，这是一个大模型评测平台的新版块，专注于多模态大模型。用户可通过上传图像并输入问题，让两个匿名多模态大模型生成答案，然后基于生成内容的质量进行主观评估，选择表现更佳的模型。平台提供简单易用的界面和特色题库，题库侧重于主观视觉问答任务，如迷因理解、艺术品赏析和摄影作品赏析。此平台旨在评估多模态大模型在主观任务上的性能和用户体验，并已向公众开放。

近日，阿里巴巴推出了一款名为DS Assistant的AI数据科学助手，它能够自动化地完成从数据探索到模型评估的全流程，让数据科学工作变得更加简单、高效。

智谱AI在其OpenDay活动中推出了名为清影（Ying）的AI大模型，能够将任意文字生成视频。清影基于文本生成视频的能力，可以在30秒内生成1440x960清晰度的高精度视频，用户只需输入一段文字(即Prompt)，选择想要的风格，如卡通3D、黑白、油画、电影感等，即可生成视频。清影已上线清言App，面向所有用户开放。

东京初创公司Sakana AI推出了Evo-Ukiyoe和Evo-Nishikie两个AI模型，旨在生成浮世绘风格艺术作品。Evo-Ukiyoe通过文字提示生成图像，Evo-Nishikie则用于为图像添加浮世绘色彩或改变风格。这些模型分别基于自家的Evo-SDXL-JP模型优化而成，使用了24000多幅浮世绘艺术品作为训练数据。目前，这两个模型仅支持日语提示，旨在提高对传统日本美学的欣赏和教育，提供研究与开发工具，但尚不适用于商业用途。

Google DeepMind发布了一项引领性的研究，中心围绕其提出的百万级专家模型——Mixture，该模型采用了革新性架构在Transformer基础上跨出重要一步。Mixture通过让从十万多个微型专家中高效快速进行稀疏检索，实现了在保持计算效率的同时释放Transformer架构潜力的目标。核心亮点在于参数效益高的专家检索机制，通过乘积密钥技术分离计算成本与参数计数，PEER架构在语言模型任务中展现出卓越性能，优于密集式FFW，粗粒度MoE和PKM层。实证结果显示，通过调整专家数量与活跃专家数量，Mixture模型性能显著提升，特别是其在降低困惑度方面的出色表现。这项技术突破性地展示了个性化和智能化能力在提升转化率和用户满意度上的潜力，对于AIGC领域具有重要影响。

在2024年的世界人工智能大会上，商汤科技展示了其全新可控人物视频生成大模型——Vimi。该模型应用了商汤自主研发的先进大模型技术，通过一张照片即可生成与目标动作吻合的人物视频，具备精准的表情和肢体控制、多种驱动方式（包括视频、动画、声音和文字）以及高度一致、光影自然的视频输出。Vimi的突出稳定性使得它能够生成长达1分钟以上的人物视频，并且画面效果不会随时间劣化。模型还具备根据人物动作调整环境的能力，支持光影变化模拟，为视频创作者提供了丰富的创作自由度。此外，Vimi还以Vimi相机的形式推出了消费者版本，为用户提供了将不同角度的高清人物图片转化为数字分身和个性化风格视频的工具。用户可以通过关注并提交预约来体验Vimi相机的内测版本。

["创业公司Rabbit的口袋尺寸设备R1售价199美元，首日售出了1万台，首批售罄。","R1搭载了2.88英寸触摸屏，运行Rabbit自家操作系统。","用户仍可在Rabbit官网上预订R1，并预计在2024年4月至5月之间交付。"]

["魔搭社区发布开源版 GPTS “ModelScope Agents”，支持用户定制和二次开发。","ModelScope Agents 具有开源开放、支持多种 LLM Agent、支持 finetune 等特点。","用户可以通过 Colab 链接和 Notebook 链接来使用 ModelScope Agents，并通过 Python 环境进行安装和使用。","ModelScope Agents 还计划支持生产级别功能、有效的评估方式、在 ModelScope 创空间上使用等。","魔搭社区希望通过这个应用层中间件，促进应用生态的繁荣，并提供类似的应用构建体验给开源社区的用户。"]

["蚂蚁集团旗下CodeFuse代码大模型开源ModelCache大模型语义缓存","ModelCache架构包括adapter、embedding、similarity和data_manager模块","ModelCache可降低大型模型应用的推理成本，提升用户体验","命中缓存可将平均耗时降低10倍，提速率可达14.5%","ModelCache将继续优化性能和精度，提升召回时间和准确率"]