阿里巴巴达摩院的通义实验室近期宣布开源一项名为ClearerVoice-Studio的语音处理技术，旨在提升语音质量和可懂度。随着语音技术的广泛应用，语音质量受到越来越多人的关注，尤其是在环境噪声、混响和设备拾音等情况下，语音处理技术的需求日益迫切。

近日，厦门大学信息学院史晓东教授团队的“基于甲骨文多模态大模型的多元信息甲骨文辅助考释模型”入选“探元计划2024”创新探索型项目TOP10榜单，为甲骨文的现代化考释开辟了新路径。甲骨文作为世界四大古文字之一，已有三千多年的历史，是现代汉字的源头。然而，传统的甲骨文考释依赖专家的人工解读，工作繁琐且耗时。尽管采用字形分析和辞例研究等方法，解读过程依旧困难重重。近年来，人工智能特别是深度学习模型的崛起，为甲骨文的辅助考释提供了新思路。厦门大学团

根据《商业研究公司》的最新报告，生成式人工智能（AI）芯片市场正迎来前所未有的增长。预计到2028年，市场规模将达到862.4亿美元，年均增长率高达27.9%。这一增长趋势反映了对计算能力需求的激增、深度学习的蓬勃发展、AI 研究的投资不断上升，以及消费者对 AI 驱动设备的日益关注。图源备注:图片由AI生成，图片授权服务商Midjourney报告指出，2023年，生成式人工智能芯片市场的规模为251.9亿美元，预计在2024年将增至323亿美元，年增长率为27.8%。这种增长主要得益于大数据的爆炸式增长

近日，商业研究公司发布了2024年生成式人工智能市场报告，显示该市场在过去几年中迅速扩张。根据报告，生成式人工智能市场预计将从2023年的136.4亿美元增长到2024年的181亿美元，年均增长率（CAGR）达到32.7%。这一增长主要得益于计算能力的提升、数据的广泛可用性、研发的不断深入、行业应用的增加以及深度学习的突破。图源备注:图片由AI生成，图片授权服务商Midjourney在未来几年，生成式人工智能市场有望继续强劲增长，预计到2028年将达到579.6亿美元，年均增长率为.8%。报告指出，推

在人工智能领域，规模越大似乎就意味着能力越强。为了追求更强大的语言模型，各大科技公司都在疯狂堆叠模型参数和训练数据，结果却发现成本也随之水涨船高。难道就没有一种既经济又高效的方法来训练语言模型吗?来自哈佛大学和斯坦福大学的研究人员最近发表了一篇论文，他们发现，模型训练的精度（precision） 就像一把隐藏的钥匙，可以解锁语言模型训练的“成本密码”。什么是模型精度?简单来说，它指的是模型参数和计算过程中使用的数字位数。传统的深度学习模型通常使用

深度学习的快速发展离不开规模化的数据集、模型和计算量。在自然语言处理和计算机视觉领域，研究人员已经发现了模型性能与数据规模之间存在幂律关系。然而，机器人领域，特别是机器人操控领域，尚未建立起类似的规模化规律。清华大学的研究团队最近发表了一篇论文，探讨了机器人模仿学习中的数据规模化规律，并提出了一种高效的数据收集策略，仅用一个下午的时间就收集了足够的数据，使得策略能够在新环境和新物体上实现约90% 的成功率。研究人员将泛化能力分为环境泛化

近日，Suno 公司发布了其最新的 v4音乐生成模型的音频样本。这些演示音频展现了与之前版本相比，音质、音色多样性和一致性都有了显著提升。Suno 的 v4模型通过深度学习技术对大量音乐数据进行训练，旨在生成更自然、更丰富的音乐作品。与以往版本相比，v4模型在音频合成方面的表现更为出色，能产生更具表现力的乐曲，增强了音乐的情感表达。听众在试听样本时，能够明显感受到音质的细腻程度和旋律的流畅性，给人以耳目一新的体验。为了使这一新模型的功能更为全面，Suno 还对

Stability AI近日推出了其最新的深度学习文本到图像生成模型 ——Stable Diffusion3.5。这一版本包括三种改进的开源模型，旨在满足不同用户的需求，包括研究人员、企业客户和爱好者。其中，Stable Diffusion3.5Large 是整个系列中最强大的模型，参数高达81亿。该模型以其卓越的图像质量和对提示的高度响应能力，成为专业用户的理想选择，能够生成分辨率达到1兆像素的高质量图像。此外，Stable Diffusion3.5Large Turbo 是 Stable Diffusion3.5Large 的简化版。它在生成高质量图像的同时，极大地提升了速度，仅

近日，一个名为Ultralight-Digital-Human的开源项目在开发者社区引发广泛关注。这个项目成功解决了数字人技术在移动端的部署难题，让普通智能手机也能实时运行数字人应用，为相关技术的普及带来新的可能。这款超轻量级数字人模型采用了创新的深度学习技术，通过算法优化和模型压缩，成功将庞大的数字人系统"瘦身"到可以在移动设备上流畅运行的程度。系统支持实时处理视频和音频输入，并能快速合成数字人形象，响应及时，运行流畅。在技术实现上，该项目集成了Wenet和Hubert两种音频

在医学影像诊断领域，脑动脉瘤的检测一直是一个挑战。但最近，一项基于深度学习的模型开发成功，为放射科医生提供了强有力的辅助工具。这项技术不仅能提高脑动脉瘤的检测率，还能显著缩短影像解读和后期处理的时间。研究人员表示，这样的工具在提升临床工作流程和改善脑动脉瘤诊断方面具有巨大的潜力。脑动脉瘤的及时和准确诊断对于启动适当的管理策略、优化患者结果以及减轻这一病症对个人和医疗系统的影响至关重要。因此，高效诊断工具的开发显得尤为重要。图源备注

AI绘画定义AI绘画是一种革命性的图像生成技术，基于 深度学习算法 ，特别是 生成对抗网络（GAN） 和 扩散模型 。这种方法通过分析海量图像数据，学习并模拟人类绘画技巧，从而创造出全新的视觉作品。AI绘画不仅能准确捕捉和再现现实世界的复杂细节，还能融合不同的艺术风格，展现出令人惊叹的创造力和想象力。这一技术的核心在于将抽象的文字描述转化为具象的视觉表达，实现了从概念到可视化的自动化转变，极大地提升了图像生成的效率和多样性。AI绘画发展AI绘画技术的发展历

近日，中山大学与阿里云联合研究团队在国际顶级学术期刊《Cell》上发表的一项研究成果引起了科学界的广泛关注。这项突破性研究利用先进的云计算和人工智能技术，成功发现了超过16万种全新的RNA病毒，极大地拓展了我们对病毒世界的认知。研究团队开发的深度学习算法LucaProt堪称这次探索的"主角"。这个强大的AI工具对全球10487份RNA测序数据进行了深入分析，最终识别出超过51万条病毒基因组和161979个潜在病毒种类，甚至还发现了180个RNA病毒超群。其中，23个超群的序列无法通过传统的

2024年诺贝尔物理学奖颁发给约翰·J·霍普菲尔德和杰弗里·E·辛顿，表彰他们在使用人工神经网络进行机器学习的基础性发现和发明。他们的工作奠定了人工智能的基础，使得机器学习和深度学习成为可能。霍普菲尔德创建了一个联想内存，可以存储和重建数据中的图像和其他类型的模式。辛顿则发明了一种方法，可以自主查找数据中的属性，从而执行诸如识别图片中的特定元素等任务。诺贝尔物理学奖委员会主席艾伦·穆恩斯表示，虽然人工智能似乎不是诺贝尔物理学奖的有力竞争者，但

最近，瑞士洛桑联邦理工学院（EPFL）的一项研究在IEEE 鹿特丹机器人与自动化国际会议上首次亮相。这项研究旨在探索机器人手如何突破现有限制，抓取更多物体。研究团队指出，深度学习模型显著提高了多指手抓握的灵巧操作技术，但在杂乱环境中，接触信息引导的抓握仍未得到充分探索。为了解决这个问题，研究员们设计了一只受人启发的手，可以向后弯曲以拾起各种物体，并脱离自己爬到另一个物体上。这项研究的结果可能有点令人毛骨悚然，因为机器人手的外形和行为与传统的仿

近年来，无损成像技术在绘画研究和保护领域取得了飞速发展，宏观X射线荧光（MA-XRF）分析技术作为其中的佼佼者，能够帮助专家们识别颜料、分析绘画技法，为了解艺术家的创作过程提供宝贵信息。然而，MA-XRF技术会生成庞大而复杂的数据集，对传统的数据分析方法提出了挑战。最近，意大利的研究人员将深度学习算法应用于MA-XRF数据集的光谱分析，开发了一套全新的分析方法 。该方法使用蒙特卡洛模拟生成的50多万个合成光谱对深度学习算法进行训练，能够快速准确地分析MA-XRF数据集

新壹科技近期发布了其最新技术成果——新壹视频大模型2.0，标志着公司在AI视频创作领域的技术飞跃和对创作自由度的深度拓展。该技术集成了先进的AI算法和深度学习技术，能够实现从剧本构思到视频成片的全流程自动化创作，极大降低了视频创作的门槛和成本。

基于深度学习的软件安全检测系统，如同数字化时代的"安检员"，能高效识别软件漏洞。然而，一项名为EaTVul的研究揭示了这一领域的新挑战。EaTVul是一种创新的规避攻击策略，通过修改有漏洞的代码，让基于深度学习的检测系统误判，成功率高达83%至100%。其工作原理包括利用支持向量机找出关键样本、注意力机制识别关键特征、AI聊天机器人生成迷惑性数据，以及模糊遗传算法优化数据欺骗性。这项研究强调了当前软件漏洞检测系统的脆弱性，并呼吁开发更强大的防御机制以应对这类攻击，以保障软件安全。

SuperAnimal是一种革命性的深度学习模型，能够自动识别和跟踪超过45种动物的关键点运动，而无需人工注释。这一基础模型将彻底改变动物保护、生物医学和神经科学研究。

["Magika 采用定制的 Keras 模型，在毫秒内精准识别文件类型。","工具在 100 多种内容类型的 100 万多个文件上实现了 99% 以上的精准度。","支持批处理，推理时间几乎与文件大小无关，展现卓越效率。","Magika 是一款开源的文件类型检测工具，为用户信息保护提供重要支持。"]

["图像匹配是计算机视觉的基础任务","近年来基于深度学习的匹配模型逐渐流行","厦门大学、Intel、大疆提出了GIM: Learning Generalizable Image Matcher from Internet Videos","GIM可以让匹配模型从互联网视频中学习到强泛化能力","GIM框架适用于所有匹配模型，包括DKM、LoFTR和SuperGlue","作者提出了第一个Zero-shot Evaluation Benchmark(ZEB)","GIM提升了匹配模型的泛化性能"]