近日，阿里巴巴达摩院的研究团队发布了一项重要研究成果，名为 “SHMT:自监督层次化妆转移”，该论文已被国际顶级学术会议 NeurIPS2024接收。这项研究展示了一种新的化妆效果转移技术，利用潜在扩散模型（Latent Diffusion Models）来实现化妆图像的精准生成，为化妆应用和图像处理领域注入了新活力。简单的说，SHMT是一项妆容迁移技术，只要一个化妆的参考图，和一张目标角色照片，就可以把妆容效果迁移到该目标脸上。团队在项目中采用了开源的方式，发布了训练代码、测试代码以及预

据雅虎财经报道，中国人工智能（AI）初创公司智谱(Zhipu)周二宣布完成最新一轮融资，该公司去年曾获得阿里巴巴和腾讯等互联网巨头的投资。据声明显示，智谱今年的商业收入已增长了一倍以上。智谱是中国少数几家估值达到数十亿美元、并获得本土科技巨头大量投资的AI初创公司之一。今年5月，沙特阿美风险投资部门参与了智谱4亿美元的融资，使其估值达到约30亿美元。AI开发已迅速演变成一场资本密集型的“军备竞赛”。Meta 和微软等公司每年花费数百亿美元购买英伟达最先进的硬件

阿里巴巴通义实验室语音团队宣布，其开源的语音生成大模型CosyVoice已升级至2.0版本，这一升级标志着语音生成技术在准确性、稳定性和自然体验方面的显著进步。CosyVoice2.0通过采用离线和流式一体化建模的语音生成大模型技术，实现了双向流式语音合成，首包合成延迟可达到150ms，显著提升了语音合成的响应速度。

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

近日，上海 AI 实验室宣布推出书生·万象InternVL2.5模型。这款开源多模态大型语言模型以其卓越的性能，成为首个在多模态理解基准(MMMU)上超过70%准确率的开源模型，与商业模型如GPT-4o和Claude-3.5-Sonnet等的性能相媲美。

据广州日报消息，12月6日，关于“字节跳动以八位数年薪挖走阿里大模型人才”的消息迅速引发社交平台热议。据报道，阿里巴巴原“通义千问”大模型技术负责人周畅（花名:钟煌）于今年7月18日宣布离职创业，但仅两个月后，便有消息称周畅已低调加入字节跳动。这一消息得到字节跳动相关人士的证实。据悉，周畅的跳槽并非单人行动，他的团队也有十多人随他一同加盟字节跳动。根据第一财经的报道，字节为周畅提供了一份几乎无法拒绝的合同:职位为4-2职级，年薪达到八位数（按阿

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，阿里巴巴最新推出的推理人工智能模型QwQ-32B-Preview已经引起了业界的广泛关注。这款模型由阿里巴巴的Qwen团队开发，包含325亿个参数，能够处理长度达32，000个单词的提示，并在多个基准测试中超越了OpenAI的o1系列。QwQ-32B-Preview的开创性在于，它是少数几个能够与OpenAI的推理模型相媲美的模型之一，并且是首个可以在宽松许可下下载的推理模型。根据阿里巴巴的测试，QwQ-32B-Preview在AIME和MATH测试中均超过了OpenAI的o1模型，其中AIME使用其他AI模型评估性能，而MATH则是由一系列文字问题组

近日，阿里巴巴宣布开源其最新研发的图像生成模型 Qwen2vl-Flux，该模型不仅具备编辑、融合和混合等多种功能，还能够在用户输入图像或文本的情况下，生成具有高度相似性的全新图像。Qwen2vl-Flux 提供了强大的图像变化功能。用户只需输入一张图像，无需任何文本提示，模型便能根据原图生成多幅相似的图像。例如，用户上传一张人物照片，模型便可以生成多个角度下的人物表现，展现出不同的视角与情感。模型还支持文本引导图像混合。当用户输入一张图片并附加相关文本提示时，Qwe

在2024年世界互联网大会乌镇峰会期间，阿里巴巴集团首席执行官吴泳铭于11月21日在互联网企业家论坛上发表了主题演讲，强调了人工智能（AI）对互联网行业的深远影响。他指出，今年互联网行业最大的变化依然是 AI 技术的迅速发展。吴泳铭表示，AI最大的价值绝不仅仅是在手机上做出一两个超级App，而是推动各行各业的生产力变革。发展AI需要建设繁荣的技术、产品和市场生态。目前，已有超过30万家企业接入阿里巴巴的通义大模型，利用 AI 技术重塑代码开发、药物研发、生产制造等多

在2024年世界互联网大会乌镇峰会的主论坛上，阿里巴巴集团CEO吴泳铭发表了关于公司在人工智能时代战略的演讲。吴泳铭指出，阿里巴巴致力于做好两件事:首先，不断完善人工智能基础设施和相关支撑体系;其次，坚持开源开放，与生态伙伴合作，将AI能力转化为各行各业的生产力。

据晚点LatePost消息，近日，阿里巴巴集团宣布在海外推出对话式AI搜索引擎Accio，面向全球商家开放。据了解，Accio是全球第一个B2B领域的AI搜索引擎，旨在帮助商家更快速、更准确地找到所需的商品和供应商。Accio的部分能力已在阿里国际站的“找工厂"模块中灰度上线，试运行中，用户搜索到采购的转化率有了20%-30%的提升。截至上线当天，Accio覆盖的商品量已扩展到亿级。目前，Accio的PC和WAP端（电脑和手机的网页版）产品已上线，覆盖英语、德语、法语、西班牙语和葡萄牙语5种语言。移动

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

今日，阿里巴巴达摩院在北京举行了决策智能产品发布会，正式推出了八观气象大模型。这一模型在全球气象模型的基础上，结合了区域多源数据，能够实现时空精度最高达到1公里 ×1公里和1小时。这一创新的气象预测工具大幅提升了对温度、辐照、风速等关键气象指标的预测性能，成功落地于新能源占比高的新型电力系统，显著提高了新能源发电功率和电力负荷的预测准确率，分别达到了96% 和98% 以上。达摩院的决策智能实验室利用多年的技术积累，基于自研的全球气象大模型，构建了

阿里巴巴达摩院最近开源了一款名为CoI-Agent的AI工具，可以帮助科研人员自动生成科研idea。这个工具可以根据输入的论文主题，快速生成相关的科研idea，帮助科研人员节省时间和提高效率。CoI-Agent可以被视为一个AI研究助手，可以帮助科研人员头脑风暴、发散思维，找到新的研究方向和idea。这个工具可以根据输入的主题，快速生成相关的关键词、研究问题、研究方法等，帮助科研人员快速找到研究方向。阿里巴巴达摩院开源CoI-Agent的目的是希望能够帮助科研人员提高研究效率，找到新的研

最近，阿里巴巴的 AI 研究团队在文档理解领域取得了令人瞩目的进展，他们推出了 mPLUG-DocOwl1.5，这是一款在无OCR（光学字符识别）文档理解任务上表现卓越的尖端模型。过去，处理文档理解任务时，我们通常依赖 OCR 技术来从图像中提取文本，但这往往会受到复杂布局和视觉噪声的困扰。而 mPLUG-DocOwl1.5则通过一种全新的统一结构学习框架，直接从图像中学习理解文档，巧妙地避开了这一瓶颈。该模型通过分析文档在不同领域的布局和组织能力，涵盖了普通文档、表格、图表、网页和自然

阿里巴巴达摩院与中国人民大学近日联合开源了一款名为 mPLUG-DocOwl1.5的文档处理模型，该模型主打无需 OCR 识别即可理解文档内容，并在多个视觉文档理解基准测试中取得了领先的性能。结构信息对于理解富文本图像（例如文档、表格和图表）的语义至关重要。 现有的多模态大型语言模型 (MLLM) 虽然具备文本识别能力，但缺乏对富文本文档图像的通用结构理解能力。为了解决这一问题，mPLUG-DocOwl1.5强调结构信息在视觉文档理解中的重要性，并提出了 “统一结构学习” 来提升 MLLM 的性能。

最近，科研团队联合推出了一款名为 Meissonic 的开源 AI 图像生成模型。惊喜的是，这款模型仅使用了十亿个参数，却能生成高质量的图像。这种紧凑的设计让 Meissonic 有潜力在移动设备上实现本地化的文本转图像应用。这项技术的背后，研发团队包括阿里巴巴、Skywork AI 以及多所大学的研究者。他们采用了一种独特的变换器架构和新颖的训练方法，使得 Meissonic 能够在普通游戏 PC 上运行，甚至未来可能在手机上使用。Meissonic 的训练方法采用了一种被称为 “遮蔽图像建模” 的技术，简单来说

在科技浪潮席卷全球之际，生成式AI无疑成为了焦点。然而，阿里巴巴的吴泳铭却提出了一个更为深远的洞见:生成式AI的真正价值并非仅限于创造炫目的应用，而是在于彻底改变我们与物理世界的互动方式。吴泳铭敏锐地指出，人们在面对新技术革命时往往陷入"高估短期，低估长期"的思维误区。在当前生成式AI的热潮中，这种现象尤为明显。大众普遍关注短期内AI能带来哪些立竿见影的效果，却容易忽视技术在长远未来可能产生的深刻影响。图源备注：图片由AI生成，图片授权服务商Midjour

阿里巴巴集团旗下的通义宣布，其最新研发的AI视频生成大模型——通义万相AI生视频，已正式上线。该技术凭借其强大的画面视觉动态生成能力，能够根据文本提示词快速生成具有多种艺术风格和影视级质感的视频内容。