4 月 25 日 AI 头条｜Meta 今天发布2024年第一季度财报，该季度营收 364.55 亿美元，同比增长 27%。

划重点：

• 移动版谷歌 Gemini 将迎诸多新特性：分析 PDF 文件内容等

• 日本横须贺市尝试由“AI 市长”发布英语信息，将用于观光导览

• 腾讯发布汽车行业大模型“全域智能”方案，与文远知行合作打造智驾

• 商汤发布日日新 5.0 大模型：推理上下文窗口 200K，号称对标 GPT-4 Turbo

• 苹果发布 OpenELM，基于开源训练和推理框架的高效语言模型
  

• 微信发布桌面效率AI工具小微助手 支持类ChatGPT在线聊天功能

• 华为开发者大会定档 将发布盘古大模型5.0

• 人民日报媒体技术公司与华为达成鸿蒙合作 助力超千家党媒单位融入鸿蒙生态
  

资讯详情：

Meta 一季度净利润 123.69 亿美元，同比暴涨 117%

Meta 今天发布2024年第一季度财报。财报显示，Meta 该季度营收 364.55 亿美元，同比增长 27%。

财报显示，Meta 第一季度净利润为 123.69 亿美元，较去年同期的 57.09 亿美元增长 117%；摊薄后每股收益为 4.71 美元，较去年同期的 2.2 美元增长 114%，超过分析师平均预期的 4.32 美元。应用家族日活跃用户数达32.4亿人，同比增长7%。

按照业务划分，Meta 第一季度广告收入达356.35亿美元，包括Facebook、Instagram等应用在内的应用家族服务收入达360亿美元，显示实验室营收达4.4亿美元，同比增长51%。其他业务收入达3.8亿美元。

总成本和费用为 226.37 亿美元，较去年同期的 214.2 亿美元增长 6%。其中营收成本为 66.4 亿美元，高于上年同期的 61.08 亿美元；研发开支为 99.78 亿美元，超过上年同期的 93.81 亿美元；营销和销售开支为 25.64 亿美元，低于上年同期的 30.44 亿美元；总务与管理支出为 34.55 亿美元，高于上年同期的 28.85 亿美元。截至 2024 年 3 月 31 日，Meta 持有的现金、现金等价物及有价证券总额为 581.2 亿美元，自由现金流为 125.3 亿美元。

移动版谷歌 Gemini 将迎诸多新特性：分析 PDF 文件内容等

消息源 AssembleDebug 近日挖掘安卓版 Gemini 应用程序，发现隐藏了诸多新功能 / 新特性，包括上传 PDF 等文件，引入 Live Prompts、Select text 功能等。

上传并分析 PDF 格式文件：安卓版 Gemini 现阶段仅支持上传图片，而在最新版中相关代码已经出现了上传 PDF 等文件描述，可以分析文档中的内容，只是该功能目前尚未生效。

Select text：安卓版 Gemini 此前提供的回答只能全文复制，用户需要复制粘贴到其它地方再进行优化。而在最新选项中新增了“Select text”功能，用户可以直接抓取想要的部分。

Live Prompts：用户可以安排早上 7:00 进行一系列提示，并让人工智能执行一系列操作，例如总结热门新闻报道、打开智能灯以及搜索股市更新。

日本横须贺市尝试由“AI 市长”发布英语信息，将用于观光导览

据日本共同社报道，日本神奈川县横须贺市于当地时间 23 日宣布，将尝试使用生成式 AI 创建该市市长上地克明的虚拟分身，让其用流利的英语介绍例行记者会概要，发布信息。

上地克明在记者会上表示：“我不会说英语，但通过 AI 就能传达想法。如果能像我本人在说话那样发布信息，将成为很棒的观光导览。”

据悉，这个“虚拟市长”首先需要借助生成式 AI 学习市长真人的表情、音色、动作等，目标是创建与本人“一模一样”的虚拟分身。输出内容方面，将由外籍职员来校对 ChatGPT 概括、翻译的市长记者会内容。在完成文本的输入之后，需要 10 分钟左右时长来生成约 2 分钟视频。

创建该“虚拟市长”分身使用了美国洛杉矶视频生成 AI 新兴企业“HeyGen”提供的工具。在开完记者会约 10 天后，官方将陆续启动上传、发布视频等后续工作。根据规划，今后还将探讨通过“AI 市长”面向海外发布灾害、观光信息以及和平讯息等内容。

腾讯发布汽车行业大模型“全域智能”方案，与文远知行合作打造智驾

据汽车之家报道，腾讯云昨日官宣发布汽车行业大模型“全域智能”方案，并升级“云、图”底座。

官方表示，在汽车产业全面拥抱“智能化”的新阶段，云计算、AI、地图等核心技术，已经成为智能汽车的重要基础设施，推动汽车产业实现“全域智能”。目前，腾讯云已经和长安、一汽丰田、东风岚图、易车等十多家汽车相关企业，开启了汽车行业大模型在汽车研发、生产、营销、服务、企业协同等核心场景的合作。

据介绍，腾讯云基于混元大模型，用汽车行业专业数据做精调，深入五大场景，为用户提供服务。

商汤发布日日新 5.0 大模型：推理上下文窗口 200K，号称对标 GPT-4 Turbo

据SenseTime报道，前日，商汤科技发布了日日新 5.0 大模型。据介绍，该模型采用 MOE 混合专家架构，在知识、数学、推理和代码能力方面大幅提升。

该模型基于超过 10TB tokens 训练，具备 200K 推理上下文窗口，推理时上下文窗口达到 200K 左右，更号称“全面对标 GPT-4 Turbo”。其提供自然语言处理、图片生成、自动化数据标注、自定义模型训练等多种大模型及能力。

文科能力方面，其在创意写作、推理总结等方面能力均有提升，可为教育、内容产业等垂直应用场景提供辅助；理科能力方面，其数理、代码及推理等方面能力也进行了增强，官方表示可为金融、数据分析等场景落地提供基础。

目前，日日新 5.0 大模型已经正式面向全网用户开放。商汤方面表示，在小米汽车 SU7 的智能座舱内也应用了商汤大模型技术，小爱同学采用了基于商汤端云大模型的解决方案，可为车主提供智能化交互体验。

苹果发布 OpenELM，基于开源训练和推理框架的高效语言模型

据Readhub报道，在 WWDC24 之前，苹果在 Hugging Face 平台上发布了一个“具有开源训练和推理框架的高效语言模型”，名为 OpenELM。

这是一项开源语言模型，其源码及预训练的模型权重和训练配方可在苹果 Github 库中获取。

OpenELM 使用分层缩放策略，可以有效地分配 Transformer 模型每一层的参数，从而提高准确率。例如，在参数量约为 10 亿的情况下，OpenELM 与 OLMo 相比准确率提升了 2.36%，同时所需的预训练 tokens 数量仅有原来的 50%。

微信发布桌面效率AI工具小微助手 支持类ChatGPT在线聊天功能

微信近日宣布，推出桌面AI效率工具小微助手，旨在通过自然语言处理技术，提升用户在电脑上的工作效率。

小微助手内置了多种工具，以增强其作为日常助手的功能，包括微信翻译:支持自动识别语言并翻译选中文本；剪贴板管理:自动记录并管理剪贴板内容，支持内容的长期保存和分类；JSON魔方:提供JSON数据的即时解析和编辑功能；闪念胶囊:快速记录灵感和信息的图文方式；其他工具:包括时间戳转换、进制转换、Base64编码和密码生成等。

此外，小微助手还支持AI搜索、在线聊天问答、指尖助手、圈子、对话服务等多项功能。

华为开发者大会定档 将发布盘古大模型5.0

华为开发者大会定于6月21日至23日在东莞松山湖盛大举行，届时将见证盘古大模型5.0与HarmonyOSNEXT鸿蒙星河版的首次同台展示。

盘古大模型系列，作为华为精心打造的一系列预训练大模型，涵盖了自然语言处理（NLP）、计算机视觉(CV)以及科学计算等多个领域。这些模型通过大规模数据的训练，展现出了卓越的语言理解和生成能力，可广泛应用于文本生成、问答系统、机器翻译等自然语言处理任务中。

在之前的华为分析师大会上，华为副董事长、轮值董事长徐直军坦诚地表示，鸿蒙的生态建设面临着巨大的挑战。他强调，构建鸿蒙的原生应用生态将成为华为在2024年最为关键的任务。

4月25日，人民日报媒体技术股份有限公司（简称“人民日报媒体技术公司”）与华为正式签署鸿蒙合作协议，将共同打造适应全媒体时代需求的融媒体应用，为广大用户带来更加智能、便捷的信息服务。这标志着双方在科技创新和内容传播领域的深度合作进入新阶段。

人民日报媒体技术公司是人民日报社社属一级企业，以建设人民日报全媒体新闻平台、全国党媒信息公共平台和打造各类媒体融合发展平台为核心业务。其中，全国党媒信息公共平台集内容聚合与智能分发、“融合号”内容生态、短视频直播等核心功能于一体，为全国超过1000家各级党媒、企事业单位提供“内容+技术+渠道”全方位支持。

在本次合作中，人民日报媒体技术公司将以承建的各类融媒体平台为载体，整合优质资源，推动媒体深度融合发展；华为则基于鸿蒙系统的技术优势，提供强大的技术支持和生态保障。

人民日报媒体技术公司此前已完成HarmonyOS开发服务商认证，本次将加速其开发的300多个客户端鸿蒙原生应用的开发进度，借助HarmonyOS NEXT鸿蒙星河版原生智能、原生互联、原生流畅等特性，为用户在手机、平板、车机、智慧屏等多终端提供更加流畅、高效、安全的新闻资讯服务与体验。另一方面，全国党媒信息公共平台则基于HarmonyOS NEXT 全场景分布式架构、原生智能、原生安全等技术优势，面向覆盖的1000余家党媒单位，实现更高效的内容分发和更优质的用户体验，也为鸿蒙生态提供更多权威、优质内容。

双方还将在未来进一步加强合作，探索更多基于鸿蒙系统的创新应用场景，共同推动媒体融合发展和数字化转型。目前，已有超4000家应用加入鸿蒙生态，其中北京已有超500款应用加入。随着更多伙伴的加入，鸿蒙将携手千行百业共建万物互联新生态。

今日重点论文：

中国科学技术大学：

《ID-Animator: Zero-Shot Identity-Preserving Human Video Generation 》

该论文的亮点包括ID-Animator的ID-oriented数据集构建流程和随机脸部参考训练方法，可以精确地从参考图像中捕获与身份相关的嵌入，从而提高了模型的保真度和泛化能力。实验表明，ID-Animator在生成个性化人类视频方面优于以前的模型。此外，该方法与流行的预训练T2V模型（如animatediff）和各种社区骨干模型高度兼容，显示出在需要高度保留身份的视频生成的实际应用中的高扩展性。

论文地址：

https://arxiv.org/abs/2404.15275v1

莱斯大学：

《Metric-guided Image Reconstruction Bounds via Conformal Prediction》

论文使用了稀疏视图CT数据集进行实验，并且开源了代码。实验结果表明，使用度量引导的上下界具有有效的下游指标覆盖率，而传统的基于像素的界限则没有。使用基于度量的界限而不是传统的基于像素的界限，以获得更准确的下游指标覆盖率，并且可以显示出度量引导和像素导向方法之间的解剖差异。

论文地址：

https://arxiv.org/abs/2404.15274v1

阿里巴巴：

《CT-GLIP: 3D Grounded Language-Image Pretraining with CT Scans and Radiology Reports for Full-Body Scenarios》

本文提出了一种名为CT-GLIP的新方法，通过构建器官级图像-文本对来增强多模态对比学习，将基于地面的视觉特征与精确的诊断文本对齐，以识别自然语言中的器官和异常，其性能优于标准的CLIP框架。本文使用44,011个器官级视觉-文本对来训练模型，并开发了一个异常词典来增强对比学习。实验结果表明，该模型在使用自然语言进行零样本学习时具有优越的性能。此外，本文还在1,130个患者的测试集上验证了模型的性能，证明了其在零样本和微调场景下的优越性能。

论文地址：

https://arxiv.org/abs/2404.15272v1

伊利诺伊大学厄巴纳-香槟分校：

《X FT: Unlocking the Power of Code Instruction Tuning by Simply Merging Upcycled Mixture-of-Experts》

论文在1.3B模型上应用了XFT，创造出了新的最先进的小型代码LLM，其HumanEval和HumanEval+的pass@1分别为67.1和64.6。在相同的数据和模型架构下，XFT在HumanEval+上提高了13%的监督微调（SFT），并在MBPP+，MultiPL-E和DS-1000等方面持续提高2%至13%，证明了其通用性。此外，XFT与现有技术如Evol-Instruct和OSS-Instruct完全正交，为提高代码指令调整开辟了新的维度。

论文地址：

https://arxiv.org/abs/2404.15247v1

华为诺亚方舟实验室：

《Multi-view Content-aware Indexing for Long Document Retrieval》

论文提出多视角内容感知索引（MC-indexing）方法，将长文档分成内容块，并用原始文本、关键词和摘要视角表示每个内容块，从而提高检索效果。MC-indexing方法无需训练或微调，可与任何检索器无缝集成；论文提出了包括文档结构和答案范围在内的长文档问答数据集；实验结果表明，MC-indexing方法相比现有的分块方案，在top k=1.5、3、5和10的情况下，召回率分别提高了42.8％、30.0％、23.9％和16.3％。

论文地址：

https://arxiv.org/abs/2404.15103v1