上周四,谷歌在YouTube官方账号发布了一个Gemini的交互演示视频,引发了大量网友的关注和讨论,然而热度和夸赞还没享受多久,谷歌转眼就陷入了造假风波。视频中看起来Gemini能够快速识别图像,并通过自己的理解直接做出反应。但实际上,这段演示视频并不是实时的,而是通过读取图片,再编写提示词,才让Gemini做出的回应。事后谷歌已经证实,视频确有剪辑。
“有意见”留言板
Ada:Gemini的“原生多模态”,区别于现有的“拼凑多模态”模型,即从一开始就使用多种模态(例如音频、视频和图像)训练而成。因此,Gemini可能会带来一些突破,但不要先把信任搞没了,毕竟谷歌在制作演示视频这方面有前科。
@辣腿堡不加酱:虽说谷歌视频演示的多模态能力,可能在一年内就能实现。但宣传过火,以至于让公众认为视频造假,不知是不是单纯为了博眼球,赚流量,但给公众的感受还是不太好的。
@媒体搬运工:大模型也玩大跃进?大家都不能免俗,踏实研究别浮躁,人工智能时代要务实一些!
好文章,需要你的鼓励
AI颠覆预计将在2026年持续,推动企业适应不断演进的技术并扩大规模。国际奥委会、Moderna和Sportradar的领导者在纽约路透社峰会上分享了他们的AI策略。讨论焦点包括自建AI与购买第三方资源的选择,AI在内部流程优化和外部产品开发中的应用,以及小型模型在日常应用中的潜力。专家建议,企业应将AI建设融入企业文化,以创新而非成本节约为驱动力。
字节跳动等机构联合发布GAR技术,让AI能同时理解图像的全局和局部信息,实现对多个区域间复杂关系的准确分析。该技术通过RoI对齐特征重放方法,在保持全局视野的同时提取精确细节,在多项测试中表现出色,甚至在某些指标上超越了体积更大的模型,为AI视觉理解能力带来重要突破。
Spotify在新西兰测试推出AI提示播放列表功能,用户可通过文字描述需求让AI根据指令和听歌历史生成个性化播放列表。该功能允许用户设置定期刷新,相当于创建可控制算法的每周发现播放列表。这是Spotify赋予用户更多控制权努力的一部分,此前其AI DJ功能也增加了语音提示选项,反映了各平台让用户更好控制算法推荐的趋势。
Inclusion AI团队推出首个开源万亿参数思维模型Ring-1T,通过IcePop、C3PO++和ASystem三项核心技术突破,解决了超大规模强化学习训练的稳定性和效率难题。该模型在AIME-2025获得93.4分,IMO-2025达到银牌水平,CodeForces获得2088分,展现出卓越的数学推理和编程能力,为AI推理能力发展树立了新的里程碑。