ReaderMX.
GenAI新世界

3 月 29 日 AI 头条：英伟达 AI 芯片 H200 开始发货，性能大幅提升

G大模型机动组约 6 分钟
Image
划重点：
  • 英伟达 AI 芯片 H200 开始发货，性能大幅提升
  • xAI 正式推出 Grok-1.5 大模型，即将上线X
  • Meta 计划下月起为雷朋智能眼镜增加 AI 功能
  • 钉钉 AI 助理升级，上线多种新功能
  • ColorOS AI 功能上新：支持英语教学、面试培训和问答互动
  • 周鸿祎宣布将开源 360 智脑模型，支持 50 万字长文本输入
  • 中兴预计下月发布多款努比亚 AI 手机新品
资讯详情：
英伟达 AI 芯片 H200 开始发货，性能大幅提升
据 ytech 报道，英伟达宣布 H200 GPU 正式发布并发货，这是人工智能行业的一项重大进展。
H200 GPU通过在新推出的Hopper架构图形处理器上实施先进的推理解决方案TensorRT-LLM，英伟达展示了其高效处理GPT-J等复杂大型语言模型（LLM）的能力，而且速度和精度都非常出色。H200 GPU最近在MLPerf基准测试中首次亮相，以每秒生成高达31,000个令牌的速度展示了非凡的吞吐量。
Image
xAI 正式推出 Grok-1.5 大模型，即将上线X
据 xAI 在官方博客中宣布，正式推出 Grok-1.5 大语言模型。
Grok-1.5 具有改进的推理能力和 128k 的上下文长度，其中最显著的改进之一是其在编码和数学相关任务中的表现。Grok-1.5 将在未来几天内在 X 平台上向早期测试人员和现有的 Grok 用户推出。
Image
Meta 计划下月起为雷朋智能眼镜增加 AI 功能
据the Verge 报道，Meta表示从下月起将为其雷朋智能眼镜引入人工智能。
雷朋智能眼镜的多模态人工智能功能可以进行翻译，还可以识别物体、动物和古迹，从去年 12 月起就已经进入早期使用阶段。用户只需说出 "Hey Meta"，然后说出提示语或提出问题，就能激活眼镜的智能助手。然后，它就会通过镜框内置的扬声器作出回应。
Image
钉钉 AI 助理升级，上线多种新功能
钉钉宣布 AI 助理升级。升级后上线了图片理解、文档速读、工作流等产品能力，率先探索多模态、长文本与 RPA 技术在 AI 应用的落地。
基于阿里通义千问大模型，升级后的钉钉 AI 助理可以做到：进入 AI 助理对话框，发送长文件、在线文档、网页链接、视频内容，即可根据内容识人、识地点、分析、答题、翻译、摘要、提取文字，甚至可以通过多轮交互进一步做智能问答。能够准确描述和识别图片信息，并根据图片进行信息推理、扩展创作、文字提取、翻译等。可以快速阅读本地文件如 Word、PDF、PPT、Excel 等、钉钉文档、网页链接等多种格式文件，轻松解析各类学术论文、产品手册、使用教程、数据表格、新闻报道、多国语言的图书等。
Image
ColorOS AI 功能上新：支持英语教学、面试培训和问答互动
OPPO 官方今日宣布，ColorOS 全新 AI 功能上线，支持多项面对面 AI 功能。
更新之后，ColorOS新增小布英语老师，支持AI 模拟真人教学，提供一对一口语陪练。新增小布面试官，支持 AI 模拟面试，帮助用户掌握面试技巧。新增小布问答，该功能旨在帮助用户完成各类商品评论、社交平台文案，以及全套旅行规划等。
Image
周鸿祎宣布将开源 360 智脑模型，支持 50 万字长文本输入
360 创始人周鸿祎近日透露即将开源 360 智脑 7B（70 亿参数模型），支持 360k（50 万字）长文本输入。
周鸿祎表示，前段时间大模型行业卷文本长度，100 万字“很快将是标配”。“我们打算将这个能力开源，大家没必要重复造轮子，定为 360k 主要是为了讨个口彩。”周鸿祎还表示自己信奉开源的力量。
中兴预计下月发布多款努比亚 AI 手机新品
据财联社报道，中兴通讯近日召开2023业绩说明会，并在会上宣布，预计今年 4 月将发布多款努比亚 AI 手机新品，年中将发布首款 AI 旗舰手机。
据中兴表示，未来，公司将基于中兴星云 OS 系统，实现各类业务接入统一的 AI 平台，整合大模型、大数据和 3D 技术，在影像、性能、安全等方面进行全栈赋能。
今日重点论文：

中国科学技术大学：

《GaussianCube: Structuring Gaussian Splatting using Optimal Transport for 3D Generative Modeling》

本文旨在解决3D高斯喷射（GS）在生成建模方面的挑战，提出了一种新的结构化GS表示方法——GaussianCube，以提高生成建模的效率和质量。本文提出了一种修改后的密度约束GS拟合算法，将散布的高斯重新排列到预定义的体素网格中，形成结构化的表示方法。这种表示方法可以使用标准的3D U-Net作为骨干网络进行扩散生成建模，无需复杂的设计。
论文地址：
https://arxiv.org/abs/2403.19655v1
北京航空航天大学：
《RSMamba: Remote Sensing Image Classification with State Space Model》
论文旨在提出一种新的远程感知图像分类方法，以应对远程感知场景分类面临的挑战。论文提出了一种基于状态空间模型（SSM）和硬件感知设计Mamba的新架构RSMamba，以整体图像理解为基础，结合全局感受野和线性建模复杂性的优点，采用动态多路径激活机制来增强Mamba对非因果数据的建模能力。论文在多个远程感知图像分类数据集上展示了RSMamba的卓越性能，并提供了开源代码。该方法的成功表明RSMamba有望成为未来视觉基础模型的骨干。
论文地址：
https://arxiv.org/abs/2403.19654v1
Adobe：

《Detecting Image Attribution for Text-to-Image Diffusion Models in RGB and Beyond》

本文旨在探索如何检测和归因生成的虚假图像，并分析不同的推理超参数和图像修改对检测的影响。同时，研究了使用高频细节和中层表示的图像风格和结构来检测虚假图像的可行性。本文提出了一种新的方法来检测和归因生成的虚假图像，通过分析不同的参数和图像修改方法，揭示了虚假图像检测的细节和可行性。
论文地址：
https://arxiv.org/abs/2403.19653v1
Google：

《MagicLens: Self-Supervised Image Retrieval with Open-Ended Instructions》

MagicLens是一种支持开放式指令的自监督图像检索模型，通过合成指令来将同一网页上自然出现的图像对之间的隐含关系变得明确，利用大型多模型和大型语言模型进行训练。该技术旨在解决图像检索中难以仅通过图像度量捕捉多方面搜索意图的问题，并验证文本指令可以实现更丰富的搜索意图。
论文地址：

https://arxiv.org/abs/2403.19651v1

苏黎世联邦理工学院：

《GraspXL: Generating Grasping Motions for Diverse Objects at Scale》

本文介绍了一种名为GraspXL的策略学习框架，可以统一生成手－物体抓取动作，包括可抓取区域、接近时的朝向、手腕旋转和手的位置等多个动作目标，适用于不同形状的物体和不同手型。与其他方法不同的是，GraspXL不需要昂贵的三维手－物体交互数据，仅使用58个物体进行训练，可以成功地为超过500k个未见过的物体生成多样化的抓取动作，成功率达到82.2%。
论文地址：
https://arxiv.org/abs/2403.19649v1
Image

KEEP THE THREAD GOING

更多来源文章