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

在2024年12月19日的发布会上，智源研究院与腾讯宣布推出LongBench v2，这是一个专为评估大语言模型（LLMs）在真实世界长文本多任务中的深度理解与推理能力而设计的基准测试。该平台旨在推动长文本模型在理解和推理方面的进步，回应了当前长文本大语言模型在应用中的挑战。

微信平台推出了一项新功能——“作者朗读音色”，允许公众号作者通过个性化语音为文章配音。这一功能意味着读者可以通过点击“🎧听全文”来聆听作者用自己的声音朗读的文章，增强了阅读体验的互动性和个性化。

Waymo，Alphabet 公司的自动驾驶部门，宣布计划于2025年初在东京启动其自动驾驶汽车技术的测试，这是该公司自动驾驶出租车首次在美国以外的公共道路上行驶。此次进军日本是Waymo的“公路之旅”项目的一部分，旨在将其技术推广至多个城市并进行实地测试，每个城市都面临不同的挑战。在东京，Waymo的自动驾驶出租车将面临与美国不同的交通环境，包括左侧驾驶和更加复杂的城市街道。该公司表示，东京的密集交通和独特的道路布局将为其自动驾驶技术提供新的考验。过去，Waymo的公路测

近日，阿里巴巴 Qwen 团队的研究人员推出了一个名为 “PROCESSBENCH” 的新基准测试，旨在衡量语言模型在数学推理中识别过程错误的能力。随着语言模型在复杂推理任务中取得显著进展，这一领域的研究者们发现，尽管模型表现出色，但在处理某些困难问题时依然面临挑战。因此，开发一种有效的监督方法显得尤为重要。当前，针对语言模型的评估基准存在一些不足之处。一方面，一些问题集对于高级模型而言变得过于简单，另一方面，现有的评估方法往往只提供二元的正确性评估，而缺

阿里巴巴达摩院联合魔搭社区ModelScope近期宣布开源一项新的多语言基准测试集P-MMEval，旨在全面评估大型语言模型（LLM）的多语言能力，并进行跨语言迁移能力的比较分析。这一测试集覆盖了基础和专项能力的高效数据集，确保了所有挑选的数据集中多语言覆盖的一致性，并提供了跨多种语言的并行样本，最高支持来自8个不同语族的10种语言，包括英语、中文、阿拉伯语、西班牙语、日语、韩语、泰语、法语、葡萄牙语和越南语。

人工智能领域的一个重要基准，ARC-AGI，即“通用人工智能抽象和推理语料库”，即将取得突破性进展。然而，测试的创始人弗朗索瓦·肖莱（Francois Chollet）警告，尽管成绩提高，但这并不意味着我们接近实现通用人工智能(AGI)。他指出，这项测试本身存在设计缺陷，且其所能揭示的并非真正的研究突破。自2019年肖莱推出ARC-AGI以来，AI系统在测试中始终表现不佳，迄今为止，表现最好的系统仅能解决不到三分之一的任务。肖莱表示，这主要归咎于目前人工智能研究过于依赖大型语言模型（L

Meta近日宣布，推出其Llama系列的最新成员——Llama3.370B。Meta的生成式AI副总裁Ahmad Al-Dahle在X平台上发布了这一消息，并指出，Llama3.370B在性能上相较于Meta之前最大的Llama模型Llama3.1405B取得了显著进步，同时成本大幅降低。Al-Dahle表示，通过利用训练后的最新技术，Llama3.370B不仅提升了性能，而且降低了运营成本。根据Meta发布的基准测试结果，Llama3.370B在多个领域超过了谷歌的Gemini1.5Pro、OpenAI的GPT-4和亚马逊新发布的Nova Pro，尤其在评估模型理解语言能力的MMLU测试中表现优异。该模型现已可以从

最近，发表在《Scientific Reports》上的一项研究显示，某些先进的 AI 聊天机器人在评估复杂社交情境方面的表现优于人类。研究人员利用一种被广泛使用的心理学工具 —— 情境判断测试，发现三个聊天机器人 ——Claude、Microsoft Co pilot 和 you.com 的智能助手，在选择最有效的行为反应方面，超过了人类参与者的表现。图源备注:图片由AI生成，图片授权服务商Midjourney随着社会交往日益重要，AI 在社交互动中的潜力不断显现，包括在客户服务和心理健康支持等领域的应用。大型语言模型（如本次

微软近日发布开源库TinyTroupe，这是一个突破性的人工智能系统，能在虚拟环境中模拟人类行为，为企业提供创新的产品测试和市场研究解决方案。TinyTroupe利用GPT-4o等大型语言模型，创建具有独特个性、兴趣和目标的AI代理"TinyPersons"。这些虚拟代理可在"TinyWorlds"环境中相互交互，模拟真实用户场景。与传统游戏模拟不同，TinyTroupe专注于商业和生产力应用。企业可以在投入实际广告预算前，通过模拟受众测试数字广告效果，或评估搜索引擎和聊天机器人的用户体验。目前，该系统提供了几个

昆仑万维科技股份有限公司宣布，其旗下的「天工大模型4.0」o1版（Skywork o1）正式启动邀请测试。这一消息标志着公司在通用人工智能领域迈出了重要一步，旨在通过技术创新实现更高层次的人工智能应用。

强化学习在近年来取得了许多成功，但其样本效率低下，限制了其在现实世界中的应用。世界模型作为一种环境生成模型，为解决这一问题提供了希望。它可以作为模拟环境，以更高的样本效率训练强化学习智能体。目前，大多数世界模型通过离散潜变量序列来模拟环境动态。然而，这种压缩成紧凑离散表示的方法可能会忽略对强化学习至关重要的视觉细节。与此同时，扩散模型已经成为图像生成领域的主导方法，挑战了传统的离散潜变量建模方法。受此启发，研究人员提出了一种名为DI

ESPN 正在为其周六大学橄榄球节目 SEC Nation 开发一款由人工智能生成的虚拟形象，名为 FACTS。该虚拟形象将利用 ESPN Analytics 的信息，包括足球实力指数 （FPI）、球员和球队统计数据以及比赛日程安排等数据，来促进体育分析方面的教育和乐趣。图片:ESPNFACTS 被描述为 ESPN 第一位统计学家 Howie Schwab 的机器人版本，后者曾是2000年代中期游戏节目 Stump the Schwab 的明星。然而，ESPN 强调 FACTS 并非旨在取代记者或其他人才，而是为了测试创新并为 ESPN Analytics 的数据创造一个渠道，让粉丝能够以引人

昆仑万维科技股份有限公司宣布，其最新研发的天工大模型4.0O1版（英文名:Skywork O1）将于2024年11月27日启动邀请测试。天工大模型4.0O1版是国内首款具有中文逻辑推理能力的o1模型，它不仅在模型输出上内生了思考、计划、反思等能力，而且在标准评测集上，其推理能力相较于基座模型有了大幅上升，实现了模型推理能力的本质提升。

OpenAI 发布了两项重要更新，旨在提升 ChatGPT 在 Windows 和 Mac 系统上的实用性。这些更新包括 Windows 桌面应用的正式全面上线，以及一款针对 macOS 的测试版本，该版本能够与 VS Code、Xcode 和终端等热门编码应用进行深度集成。这些改进意味着，ChatGPT 不仅限于聊天互动，而是变身为一个实时助手，能够与用户的桌面工作流程直接互动，特别是对开发者来说，这无疑是个重大利好。对于 Windows 用户，ChatGPT 桌面应用现已全面推出。在早期发布后，OpenAI 根据用户反馈对应用进行了多项优化，其中

微软近期开源了一款创新型商业验证工具TinyTroupe，这款基于多代理虚拟人物模拟的项目，正在为企业提供一种全新的低成本市场验证方案。通过构建虚拟用户群体，企业可以在产品正式推出前快速获取用户反馈，大幅降低市场试错成本。TinyTroupe的核心优势在于其采用GPT-4等大型语言模型作为驱动引擎。通过设定虚拟用户的性格特征、兴趣爱好和行为模式，系统能够模拟出接近真实的用户互动场景。无论是APP测试还是广告方案评估，这些"虚拟用户"都能提供有价值的反馈意见。作为一款全能

近期，《华尔街日报》正在进行一项新实验，推出基于人工智能生成的文章摘要，这些摘要以 “关键点” 的形式出现在新闻报道的顶部。该功能的首次测试出现在一篇关于特朗普教育部计划的报道中。为了验证这项新功能的有效性，《华尔街日报》向读者开放了反馈渠道，以了解用户的实际需求。这些 “关键点” 摘要的内容由人工智能工具生成，并在发布前经过编辑审核。摘要框中清晰地标明了这一信息，确保读者知道摘要的来源以及经过的审核过程。此外，摘要框还提供了链接，介绍

在2024年11月12日举行的百度世界大会上，百度宣布了一项重要的AI创作领域创新——“自由画布”，这是由百度文库和百度网盘联合推出的新功能。百度创始人、董事长兼首席执行官李彦宏强调，“自由画布”是一个由文心多模态大模型支持的万能白板，旨在激发人们的无限灵感和创造力，让每个人都能成为故事的主角，成为漫画家或短视频导演。他指出，“自由画布”不是期货，而是立即可用的现货，是真正服务于创造的新质生产力。目前，“自由画布”已正式向公众开放测试预约。

字节跳动于11月11日推出了其最新图像编辑模型 SeedEdit，成为国内首个产品化的通用图像编辑工具。用户只需输入一句简单的自然语言指令，即可实现对图片的背景更换、风格转换以及元素的增删替换，无需繁琐的描边和涂抹。SeedEdit 在识别指令方面表现出色，能够精准理解中文和英文提示，包括成语及专有名词。例如，用户只需输入 “把西瓜换成葡萄”，SeedEdit 便能快速完成上个与水果替换。此外，模型在处理细节时也保持了原图的完整性，例如移除玻璃裂纹或改变图像中的特定元素。

据Tech星球报道，阿里巴巴正测试了一款名为 “Animode” 的 AI 视频创作工具，这是一款专业的3D 软件，旨在帮助用户创建真实感十足的二次元角色和高质量的视频效果。资料显示，该工具的官方网站为 animode.com.cn，备案主体为杭州连凡信息技术有限公司，后者同时也是阿里 AI 电商工具 “绘蛙” 的开发者。 据了解，使用Animode时，用户只需上传图片或视频等素材，便可以通过该工具将现实世界的视频转换为二次元风格的视频。这一转化过程不仅简单易用，还使得人物动作和招式流畅自然，带