搜索
多模态大模型在听觉上，居然也出现了「9.11>9.8」的现象，音量大小这种简单问题都识别不了！港中文、斯坦福等大学联合发布的AV-Odyssey基准测试，包含26个视听任务，覆盖了7种声音属性，跨越了10个不同领域，确保测试的深度和广度。
实现智能、类似人类的端到端语音聊天。
据 TechCrunch 报道，Speak 正在宣布一项里程碑式的融资，这进一步增强了它的进展：一轮 7800 万美元的 C 轮融资，使其估值跃升至 10 亿美元。
随着手术量的增长，越来越多的 AI 驱动产品进入市场，聚焦于手术室管理和数据优化。老牌科技公司如 Intuitive Surgical 和 Medtronic 正在加速推动手术机器人和医疗设备的整合，而诸如 Kronos Health 等初创公司则集中开发手术数据管理工具，进一步提升手术室效率和安全性。
本期我们有幸邀请到生数科技工程副总裁（VP）陈鑫与百度智能云AI计算部副总经理兰宇，深度解析Vidu这款视频大模型从发布到在行业内爆火的背后故事。
LLM 作为推理引擎，coding 是最好的应用场景：代码的逻辑比自然语言更清晰，执行的结果能由 AI 自动化验证。因此我们看到从 Sonnet 3.5 到 o1 pro，每一次模型能力的提升都会反映在 coding 能力的提升上，这一领域的应用进步就尤其显著。
引用超85000次的经典论文GAN获NeurIPS2024时间检验奖后，它的起源和背后故事也被抛了出来。 要从Yoshua Bengio实验室的一次头脑风暴说起。
在与Suno对垒这条道路上，国内在AI音乐领域积累已久的公司，已经纷纷在自己的优势之上推出了相应的模型及应用，正与全球顶级产品展开了一场你追我赶的精彩对决。
OpenAI宣布将原本仅限付费用户使用的“Canvas功能”对所有用户开放，包括免费用户。
我曾开发过一款用户量达191万的GIF制作工具小程序。最近，我借助AI编程工具Cursor，推出了我的第一款全新力作「芝士相机」，「芝士相机」是一款革新性的智能拍照助手，它能通过先进的图像算法，自动识别参照图片并生成精准的姿势模板轮廓。