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
南洋理工大学研究团队开发了WorldMem框架,首次让AI拥有真正的长期记忆能力,解决了虚拟世界模拟中的一致性问题。该系统通过记忆银行存储历史场景,并使用智能检索机制,让AI能准确重现之前的场景和事件,即使间隔很长时间。实验显示在Minecraft和真实场景中都表现出色,为游戏、自动驾驶、机器人等领域带来广阔应用前景。
AWS通过升级SageMaker机器学习平台来扩展市场地位,新增观测能力、连接式编码环境和GPU集群性能管理功能。面对谷歌和微软的激烈竞争,AWS专注于为企业提供AI基础设施支撑。SageMaker新功能包括深入洞察模型性能下降原因、为开发者提供更多计算资源控制权,以及支持本地IDE连接部署。这些更新主要源于客户需求,旨在解决AI模型开发中的实际问题。
MTS AI研究团队提出RewardRanker系统,通过重排序模型和迭代自训练显著提升AI代码生成质量。该方法让13.4B参数模型超越33B大模型,在多种编程语言上表现优异,甚至在C++上超越GPT-4。通过引入困难负样本和PPO优化,系统能从多个代码候选中选出最优方案,为AI编程助手的实用化奠定基础。