近日，AWS 发布了一款全新的开发工具 Multi-Agent Orchestrator，旨在帮助开发人员轻松管理复杂的 AI 交互。该工具提供高效的请求路由机制，可将用户的请求精准分配至合适的 AI 代理，并实时跟踪对话进展，满足从简单聊天机器人到复杂 AI 系统的多种需求。开发人员可借助预构建组件快速上手，同时支持插入自定义代理，进一步提升灵活性。Multi-Agent Orchestrator 支持流式和非流式响应，且兼容 Python 和 TypeScript 两种编程语言，便于开发团队根据项目需求自由选择。此外，开发者可以选择在本地

近日，研究团队发布了一项新的图像超分辨率（SR）技术，该技术基于扩散反演(Diffusion Inversion)，旨在通过充分利用大型预训练扩散模型中的图像先验信息，提升图像的分辨率和清晰度。这项研究由来自不同学术机构的三位学者共同完成，他们的目标是为图像超分辨率领域带来新的突破。在这项技术中，研究者们设计了一种名为 “部分噪声预测”（Partial noise Prediction）的策略，该策略通过构建扩散模型的中间状态作为起始采样点。这一核心方法依赖于一个深度噪声预测器，该预测器能够为

近年来，随着人工智能和计算机视觉技术的迅猛发展，人与计算机之间的交互变得越来越生动和富有表现力。尤其是在动画制作领域，如何实现基于静态图像生成动态视频一直是研究的热点。近日，一项名为 “DisPose” 的新技术应运而生，它通过解耦姿态指导，实现了更加可控的人物图像动画效果。简单的说，DisPose实现了输入动作视频和参考人物，可以让参考人物实现视频里的动作。DisPose 技术的核心在于其对传统稀疏姿态信息的重构与利用。传统方法多依赖于稀疏的骨骼姿态指导，这在

科技公司 SandboxAQ 宣布完成超过3亿美元的融资，以加速其大型量化模型（L）及其他人工智能应用的开发。本轮融资由 Fred Alger Management、T. Rowe Price 和 Breyer Capital 等投资机构领投，使得公司在融资前的估值达到了53亿美元。与处理自然语言的大型语言模型(LLM)不同，LQM 专注于解决复杂的科学和商业问题，能够处理大量的数值和科学数据。图源备注：图片由AI生成，图片授权服务商MidjourneySandboxAQ 的首席执行官 Jack Hidary 表示:“大型量化模型是人工智能的下一个发展浪潮，它们为航空航天、生物

马斯克的人工智能公司 xAI 目前正在测试一款独立的 iOS 应用，名为 Grok。这款聊天机器人之前仅限于 X 平台的用户使用。现在，Grok 的应用已经在澳大利亚和其他一些国家进入测试阶段，用户可以通过这个应用获取实时数据，提供更为丰富的交互体验。Grok 不仅可以回答用户提出的问题，还具备生成图像的能力。根据应用的描述，Grok 的功能包括文本重写、长段落摘要、问答以及根据文本提示生成图像等。该应用力求在提供信息的同时，确保信息的真实性、实用性和好奇心。用户只需上传图

随着人工智能的不断进步，创新与可持续发展之间的平衡成为了一项重要挑战。最近，OpenAI 推出了其最新的 AI 模型 o3，这是迄今为止最强大的模型。然而，除了运行这些模型的成本外，其对环境的影响也引起了广泛关注。一项研究显示，每个 o3任务大约消耗1，785千瓦时的电能，这相当于一个美国普通家庭在两个月内的用电量。根据 Salesforce 的 AI 可持续发展负责人 Boris Gamazaychikov 的分析，这一电能消耗大约对应684千克的二氧化碳当量排放，这与五箱满油的汽油的碳排放量相当。o3的高计算

还在为模糊不清的照片烦恼吗?一款名为InvSR的全新图像超分辨率工具横空出世，它能以极简的处理步骤，让图像瞬间变得清晰锐利。这款工具的强大之处在于，它利用了大型预训练扩散模型中蕴藏的丰富图像先验知识，实现了高效且高质量的图像分辨率提升。InvSR的核心技术在于其创新的部分噪声预测策略。它巧妙地构建了扩散模型的中间状态，作为采样过程的起始点，并利用一个深度噪声预测器来估计正向扩散过程中的最佳噪声图。经过训练，这个噪声预测器能够精准地在扩散轨迹上初

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

OpenAI最新推出的Realtime Embedded SDK在业界掀起波澜，这款面向微控制器的开发工具包让人工智能与微型硬件的结合迈入新阶段。该SDK专门针对ESP32等微控制器设计，通过WiFi连接即可实现设备与云端AI模型的实时交互，大大降低了智能硬件开发的技术门槛。这一消息迅速引发市场连锁反应。ESP32相关硬件价格应声上涨，包括模组、芯片和配套的音频放大器、麦克风等设备均出现不同程度的涨价。其中音频解码芯片的价格从原来的2元飙升至9元以上，多款ESP32开发板更是出现全网断货。作为ESP32芯片

OpenAI在经过12天的技术分享直播活动后，于最后一天发布了其下一代推理模型o3，这是继早前发布的o1推理模型之后的升级版本。o3模型系列包括o3和o3-mini两个版本，其中o3-mini是针对特定任务进行微调的更小的精简版模型。OpenAI表示，o3模型在某些条件下可以接近实现通用人工智能（AGI），即能完成人类所能完成的任何任务的人工智能。

据第一财经报道，DeepSeek 开源大模型 DeepSeek-V2的关键开发者罗福莉将加入小米，担任小米 AI 实验室的领导，并负责大模型团队的建设。这一消息引起了广泛关注，尤其是在小米计划加强其在大模型领域的布局之际。图源备注:图片由AI生成，图片授权服务商Midjourney据知情人士透露，小米创始人雷军对公司在 AI 大模型领域的起步较晚表示担忧，因此决定高薪挖角罗福莉。罗福莉的背景相当亮眼，她拥有北京大学计算语言学研究所的硕士学位，并在自然语言处理领域的顶级会议 ACL2019上发表了

据智能涌现消息，中国大模型独角兽阶跃星辰近日完成数亿美元B轮融资，核心投资方包括上海国有资本投资有限公司及旗下基金，腾讯投资、五源资本、启明创投等战略和财务投资人也参与其中。这笔资金将主要用于基础模型研发，进一步提升多模态和复杂推理能力，并拓展C端应用场景。作为国内大模型“六小虎”之一，阶跃星辰以技术扎实和高效产出著称。其自研的Step系列模型涵盖语言、图像、视频及语音等多种模态，并在多个权威榜单上名列前茅。例如，在LiveBench和LMSYS Chatbot Arena的

2024年，全球AI热潮持续高涨，泰国也毫不例外，正站在一场人工智能（AI）大爆发的前夜。 想象一下，你正在曼谷的街头漫步，周围的一切都在悄然发生着改变，餐厅的智能点餐系统能一口流利泰语与你对话，医院的AI诊断系统能够精准地分析你的身体状况，就连路边的共享单车都配备了智能导航，这绝不是天方夜谭，而是正在泰国发生的AI变革。图源备注：图片由AI生成，图片授权服务商Midjourney这股浪潮有多猛烈呢? 数据机构 Statista 预测，泰国生成式AI（GenAI）市场将在2024年达到8000万美元

最近，Answer.AI 和 LightOn 联合发布了开源语言模型 ModernBERT，这是对谷歌 BERT 的重大升级。根据开发者的介绍，ModernBERT 在处理速度、效率和质量上都有了显著提升。该模型可以比其前身快四倍，同时使用更少的内存。ModernBERT 的设计允许它处理长达8192个标记的文本，这比现有编码模型的典型512标记限制提高了16倍。此外，ModernBERT 还是首个经过广泛训练的编程代码编码模型，它在 StackOverflow 问答数据集上的得分超过80，创造了编码模型的新纪录。在通用语言理解评估（GLUE）中，ModernBERT-Large

近日，Adobe Research 与西北大学合作开发了一款名为 Sketch2Sound 的人工智能系统，这一工具有望彻底改变声音设计师的工作方式。Sketch2Sound 能够让用户通过哼唱、模仿声音以及用简单的文本描述来创建专业的音效和氛围音。这个系统分析了用户声带输入的三个关键要素:音量、音色（决定声音的明亮或阴暗）和音高。随后，它将这些特征与用户的文本描述相结合，从而生成所需的声音。例如，用户在输入 “森林氛围” 并发出短促的声响时，系统会自动将这些声响识别为鸟鸣，而无需具体的指

近日，美国前总统唐纳德・特朗普确认，Sriram Krishnan 将担任白宫科技政策办公室的人工智能（AI）高级政策顾问。Krishnan 曾是著名风险投资公司 Andreessen Horowitz 的合伙人，他将在政府内协调并制定 AI 相关政策。特朗普在声明中提到，Krishnan 的工作将与总统科学和技术顾问委员会紧密合作。Krishnan 在社交媒体平台 X 上表示，他将与前 PayPal 首席运营官 David Sacks 密切合作，后者最近被任命为特朗普的加密货币和 AI “沙皇”。Krishnan 表达了对这一机会的感激，表示希望为美国在人工智能领域的

自动驾驶卡车公司 TuSimple 宣布完成转型，正式更名为 CreateAI，并将业务重心转向生成式人工智能领域，涵盖动画和游戏开发。这次品牌重塑标志着 TuSimple 放弃了自动驾驶卡车业务，迈入全新赛道。TuSimple 的转型正值公司风波不断之际。此前，公司于2024年1月退出股市，并关闭美国自动驾驶卡车业务，将剩余资产转移至中国以资助新业务。尽管股东反对，公司董事会于11月批准了一笔价值2500万美元的交易，与联合创始人陈莫关联的两家游戏开发公司合作，计划开发角色扮演游戏《金庸群侠传

在近日的 AWS re:Invent 大会上，Stable Diffusion3.5 Large（SD3.5Large）宣布正式在亚马逊 Bedrock 平台上可用。作为 AWS 的完全托管平台，Bedrock 旨在为开发者提供构建和扩展生成式人工智能应用的基础模型。通过将 SD3.5Large 引入亚马逊 Bedrock，Stability AI 希望满足开发者在可信的 AWS 环境中进行工作和部署的需求，从而使初创企业和大型企业能够安全、便捷地使用这一先进模型，而无需担心额外的基础设施问题。Stable Diffusion3.5 Large在文本到图像生成方面表现卓越，具有多种关键能力。首先，它支持多样

ElevenLabs 于近日正式推出其最新的人声合成模型 Flash，声称这是迄今为止最快的文本转语音（TTS）解决方案，生成语音的延迟仅为75毫秒(加上应用和网络延迟)。Flash 特别适合低延迟的对话式语音助手，用户可以在 ElevenLabs 的对话 AI 平台上立即体验这一新功能。Flash 模型分为两个版本，其中 Flash v2仅支持英语，而 Flash v2.5则支持32种语言。使用这两种模型时，用户每生成两个字符将消耗1个积分点。尽管 Flash 模型在音质和情感深度上稍逊于 Turbo 模型，但其低延迟性能使其在盲测中超越了其他

沙特阿拉伯本土的人工智能基础设施技术提供商 OmniOps 近日宣布，已获得来自 GMS Capital Ventures 的3000万沙特里亚尔（约合800万美元）融资。这笔资金将支持 OmniOps 的使命，即优化和扩展人工智能工作负载，同时推动全国范围内的可持续和节能基础设施建设。OmniOps 由企业家穆罕默德・阿尔塔萨于2024年创立，致力于与沙特阿拉伯的 “2030愿景” 以及国家数据和人工智能战略相结合，推动人工智能的发展。这些国家战略强调数据主权、本地内容和隐私保护，尤其是在政府、能源、航空和医疗等