OpenAI 视频生成模型 Sora 正式上线 sora.com
OpenAI 的视频生成模型 Sora 上线,用户可在 sora.com 使用。支持生成最高 1080p、最长 20 秒的视频,可选宽屏、竖屏或方形画幅,还可导入自有素材进行延展、重混和融合,或直接从文本生成全新内容。
推荐理由:原文给出了分辨率、时长和素材混用等具体使用参数,读者可以直接据此了解 Sora 的开放入口和实际能力范围。
全球 AI 公司、研究机构和媒体的最新动态,自动挑出值得看的,全天自动更新。
更新于 11月22日 12:59 · 每小时自动更新
OpenAI 的视频生成模型 Sora 上线,用户可在 sora.com 使用。支持生成最高 1080p、最长 20 秒的视频,可选宽屏、竖屏或方形画幅,还可导入自有素材进行延展、重混和融合,或直接从文本生成全新内容。
推荐理由:原文给出了分辨率、时长和素材混用等具体使用参数,读者可以直接据此了解 Sora 的开放入口和实际能力范围。
OpenAI 发布 Sora 系统卡。Sora 是 OpenAI 的视频生成模型,可接收文本、图像和视频输入并生成新视频,基于 DALL-E 和 GPT 模型的经验构建,旨在为人们提供更丰富的叙事和创作表达工具。
Grok 推出图像生成功能,支持通过自然语言指令直接创建图片。该功能已向 X 平台用户开放,标志着这款 AI 助手从文本交互向多模态能力扩展,用户可在对话中直接生成并编辑视觉内容。
推荐理由:xAI发布Grok图像生成功能,拓展多模态应用场景
ARC Prize 官方公布 2024 年获奖者并发布技术报告,共 1,430 支队伍提交 17,789 个方案,ARC-AGI-1 SOTA 从 33% 升至 55.5%,但 100 万美元大奖无人认领。
推荐理由:官方技术报告给出完整获奖方案与三类新方法总结,读者可以据此了解 ARC-AGI 分数提升背后的具体技术路线。
OpenAI 官网宣布推出 ChatGPT Pro,目的是拓展前沿 AI 的使用范围。本次抓取的 feed 未提供完整正文,更多定价与功能细节以官网原文为准。
OpenAI 发布 o1 和 o1-mini 系统卡,报告发布前开展的安全工作,包括外部红队测试以及依据 Preparedness Framework 进行的前沿风险评估。
推荐理由:报告披露 o1 系列发布前的外部红队测试和 Preparedness Framework 前沿风险评估流程,读者可了解官方安全评估的实际做法。
英国 AI Safety Institute(AISI)提出 Long-Form Task(LFT)评估方法,作为人类提升研究(HUS)的可自动化替代,用于测量 LLM 在科学场景中提供分步指导的能力。
推荐理由:原文给出 LFT 评估方法的设计细节与案例结果,读者可了解自动评估科学助手能力如何平衡可解释性与可部署性。
🦃 感恩节假期结束时,我终于完成了关于 reward hacking 的文章。不好写啊,呼。
推荐理由:OpenAI研究员深度解析奖励作弊机制,揭示LLM自主化部署的关键安全障碍
Prime Intellect 发布 INTELLECT-1,称其为首个全球协作训练的 10B 参数语言模型,基于 Llama-3 架构在 1T token 上训练 42 天,跨五国三洲最多同时使用 112 张 H100。
推荐理由:原文给出分布式训练的关键数字和 PRIME 框架细节,读者可以了解跨洲协作训练 10B 模型的可行性与工程代价。
METR 发布 RE-Bench 基准,用 7 个 ML 研究工程环境衡量人类专家与前沿模型智能体的表现,并公开 71 次人类专家尝试及 Claude 3.5 Sonnet 和 o1-preview 的全部运行转录。
推荐理由:原文在同一环境公平对比人类专家与前沿模型智能体,并给出长短时间预算下得分反转的关键数据和完整开源转录。
DeepSeek 上线推理模型预览版,其推理性能与 OpenAI 的 o1-preview 相当,并公开了模型的完整思维链。
推荐理由:虽然已是旧闻,但 DeepSeek 首次公开推理模型完整思维链,对理解 o1 类模型的内部机制是个重要线索,做推理模型研究的值得回看。
Suno 发布音乐生成模型 v4,带来更干净的音频、更犀利的歌词和更有动感的歌曲结构,现以 beta 形式向 Pro 和 Premier 订阅用户开放,可在 suno.com 和 iOS 使用。v4 新增 Remaster 功能可将旧模型生成的音轨升级到 v4 音质,并提供新歌词辅助模型 ReMi;Covers 和 Personas 也已升级至 v4 支持。
推荐理由:官方说明 v4 在音质、歌词和歌曲结构上的改进,并列出 Remaster 等新功能与开放范围,方便判断是否升级使用。
Mistral AI 发布基于 Mistral Large 2 的 124B 开源权重多模态模型 Pixtral Large,在 MathVista 达到 69.4%,在 ChartQA、DocVQA 上超过 GPT-4o 和 Gemini-1.5 Pro。
推荐理由:官方发布了多模态模型的基准成绩与开放下载渠道,也说明了许可证类型,适合想对比前沿多模态能力或自部署的读者参考。
Mistral AI 宣布对其免费生成式 AI 助手 le Chat 进行大版本更新,新增带引用的网页搜索、Canvas 协作编辑界面、图像生成和可发布的 Agent 工作流,全部以免费 beta 提供。
推荐理由:官方一次性列出 le Chat 六项新能力和免费 beta 政策,可对照竞品表格判断它在工作流上提供了哪些替代选择。
Hugging Face 发布 Argilla 2.4,用户可从 Hub 任一公开数据集无代码导入,通过 Argilla UI 定义问题并收集人工反馈,用于构建微调和评估数据集。Hub 现有 230k 数据集可作为起点,部署在 Spaces 上默认启用 Hugging Face OAuth,允许任何 Hub 用户参与标注,也可配置为仅限协作者;后续仍可用 Python SDK 做进一步自定义。
推荐理由:官方介绍了从 Hub 数据集无代码导入并收集人工反馈的完整流程,熟悉数据标注协作场景的读者可据此评估是否迁移现有工作流。
xAI 启动 Grok API 公测,发布新模型 grok-beta,支持 128k 上下文、函数调用及系统提示,视觉版本下周上线。开发者每月可获 $25 免费额度至年底,已购预付额度可叠加。API 兼容 OpenAI 与 Anthropic 格式,修改 base_url 即可迁移。
推荐理由:xAI开放Grok API公测,每月送$25额度且兼容OpenAI接口,开发者可立即体验
OpenAI 推出 ChatGPT search,为 ChatGPT 增加搜索功能,可提供快速、及时的答案,并附上相关网页来源链接。
推荐理由:原文信息过少,无法给出具体阅读价值。
ARC Prize 团队于 2024 年 10 月 24 日举办线上活动,说明为何单靠深度学习难以攻克 ARC-AGI,并提出结合深度学习与程序合成的技术路线。
推荐理由:Chollet 和 Knoop 系统论述 LLM 局限于记忆技能、需结合程序合成才能胜出 ARC-AGI 的技术路径,为理解智能与抽象层次提供了可迁移的分析框架。
本文介绍了一种新型的稀疏交叉编码器,它能够同时读取和写入神经网络多个层的激活值,从而提取跨层的共享特征。其主要应用包括:解决跨层叠加问题,追踪残差流中的持久特征;通过消除“重复特征”和跨越无意义的连接来简化电路分析;以及为不同训练阶段或不同架构的模型生成共享特征集,以实现模型差异比较。初步实验验证了其在处理跨层叠加和模型比较方面的潜力。
推荐理由:Anthropic 提出跨层可解释性新方法,有望大幅简化大模型内部电路分析
Mistral AI 发布面向端侧和边缘场景的两款模型 Ministral 3B 与 Ministral 8B,称其在 10B 以下级别创下知识、常识、推理、function-calling 和效率的新前沿。
推荐理由:官方发布明确了两款端侧小模型的上下文长度、API 定价和许可证范围,读者可直接评估其本地部署与 Agent 调用场景的适用性。