ReaderMX.
GenAI新世界

8月7日 AI 头条｜苹果 Apple Intelligence 智能回复功能加入反幻觉指令

G大模型机动组约 7 分钟
Image
划重点:

  • 苹果 Apple Intelligence 智能回复功能加入反幻觉指令

  • 面壁智能宣布开源 MiniCPM-V 2.6 模型，端侧能力全面对标 GPT-4V

  • 新一代人形机器人Figure 02登场，内置定制大模型

  • 亚马逊音乐推出AI驱动的主题功能 用来推荐播客

  • 月之暗面 Kimi 上下文缓存 Cache 存储费用降价 50%

  • 阿里通义 App 推出“角色扮演”功能，可将视频人物换成“孙悟空”“机器人”

  • 腾讯元宝上线长文精读，助力专业阅读提效

  • Canva 可画发布一站式 AI 创作套件魔力工作室

资讯详情：
苹果 Apple Intelligence 智能回复功能加入反幻觉指令
据 9to5mac 报道，据一位 Reddit 用户表示，他在macOS 测试版中发现了内置的苹果智能提示，其中一条显示，苹果为智能回复功能增加了反幻觉指令。
该指令主要为智能回复功能提供，该功能可帮助用户利用AI 技术自动生成回复，帮助用户回复电子邮件和信息等。而根据泄露的指令来看，苹果为了不让回答出现幻觉问题，给该功能加了不少限制，比如仅提取邮件中明确提出的问题，并提供相应的回答选项。此外，如果邮件中没有问题，则输出空列表。只输出有效的 json 内容，不输出其他内容。
苹果目前尚未对此事发表回应。
Image
面壁智能宣布开源 MiniCPM-V 2.6 模型，端侧能力全面对标 GPT-4V
据面壁智能官方消息，面壁智能近日开源 MiniCPM-V 2.6 模型，该模型仅有8B参数，但端侧AI多模态能力全面对标 GPT-4V 水平。
据面壁智能表示，MiniCPM-V 2.6 模型将实时视频理解、多图联合理解、多图 ICL 等能力首次搬上端侧多模态模型，更接近充斥着复杂、模糊、连续实时视觉信息的多模态真实世界，更能充分发挥端侧 AI 传感器富集、贴近用户的优势。
目前该模型已经在 Github 以及 HuggingFace 上开源。
Image
新一代人形机器人Figure 02登场，内置定制大模型
机器人开发公司figure 今天凌晨正式发布其最新版的仿真人形机器人 Figure 02，这是 2023 年发布的 Figure 01 机器人的后续产品。
据Figure AI称，此次工程和设计团队“从零开始完成了硬件和软件的重新设计”，在人工智能、计算机视觉、电池、电子设备、传感器和执行器等关键技术上取得了重大突破。Figure 02 延续上一代，可以通过内置麦克风和扬声器与人类进行语音对话。这一核心功能依托于与OpenAI合作训练的定制AI模型，能够理解、处理并回应人类的语音输入。机器人以语音作为默认操作界面，意味着用户可以像跟人交谈一样自然地与Figure 02互动，而无需依赖传统的按钮或屏幕界面。
此外，Figure 02机载CPU / GPU的计算和AI推理能力是上一代产品的3倍。这一重大提升使其能够完全自主地执行现实世界中的AI任务，而无需依赖外部资源。
Image
亚马逊音乐推出AI驱动的主题功能 用来推荐播客
据 The Verge 报道，亚马逊音乐于当地时间星期二宣布推出一项由 AI 驱动的新功能 Topics，他可以为用户推荐合适的播客。
在分析播客转录和描述以确定关键主题后，人工智能会在人工审核员的帮助下生成一个 "话题 "标签按钮。在每集描述下方，点击任何标签都会生成与该主题相关的播客剧集列表。
目前，该功能只适用于使用 iOS 或 Android 上最新版亚马逊音乐手机应用程序的美国用户。
Image
月之暗面 Kimi 上下文缓存 Cache 存储费用降价 50%
月之暗面今日宣布，Kimi 开放平台的上下文缓存 Cache 存储费用降价 50%，Cache 存储费用由 10 元 / 1M tokens / min 降低至 5 元 / 1M tokens / min，即日起生效。
7 月 1 日，Kimi 开放平台上下文缓存（Context Caching）功能开启公测。官方表示，该技术在 API 价格不变的前提下，可为开发者降低最高 90% 的长文本旗舰大模型使用成本，并提升模型响应速度。
上下文缓存是一种数据管理技术，允许系统预先存储会被频繁请求的大量数据或信息。当用户请求相同信息时，系统可以直接从缓存中提供，无需重新计算或从原始数据源中检索。
Image
阿里通义 App 推出“角色扮演”功能，可将视频人物换成“孙悟空”“机器人”
通义 App 上线新功能“角色扮演”，用户只需要上传一段视频即可完成“现实与虚拟”的跨界，实现诸如机器人带娃、孙悟空跳舞、二次元女生职场搬砖的效果。
据悉，用户准备一段不超过 15 秒的视频，通过“通义 App > 频道 > 角色扮演 > 开始创作”的顺序进入功能入口，用户也可以在官方提供的视频模板中选择视频，最多可替换视频中的3 个角色。可选角色方面，官方提供了孙悟空、机器人及两款不同风格的女性角色供用户选择。
角色扮演功能背后的核心技术是通义实验室研发的 AI 模型 Motionshop。其支持在不改变周边场景的情况下，利用视频处理、角色跟踪 / 分割、姿态估计、路径追踪渲染等多种技术，使动态视频中的主角“跨越现实与虚拟的界限”。
Image
腾讯元宝上线长文精读，助力专业阅读提效
腾讯元宝官方今天宣布，正式上线长文精度模式。
当用户上传论文、财报、研报等专业内容的 URL 链接或文件，除获得文字概括总结外，还可进入深度阅读模式，对长文进行精读。该模式可提供核心内容概览及模块化解析，生成总结性图表，辅助用户快速理解关键信息。
腾讯元宝的深度阅读模式可原生支持最长近50万字的输入，能够在理解专业内容的基础上，生成图文并茂的内容，不仅可以引用输入内容的原图，还能通过代码绘制高阶的分析图。
Image
Canva 可画发布一站式 AI 创作套件魔力工作室
据新华网报道，在线视觉传播和协作平台Canva可画宣布其一站式AI创作套件魔力工作室在中国正式上线。
该套件号称“人人可用的一站式 AI 创作套件”，功能包括基于 AIGC 的文案生成、图片生成、花字特效生成、图片编辑、转场动画设计生成等。用户仅需输入简单的文字描述，即可快速生成图片插画、花字特效和演示文稿等等。此外，该套件内置“魔力橡皮擦”“魔力抓取”，用户可去除图片中的指定元素或提取、移动图片主体。
据可画官网显示，该套件中的多项功能需要高级会员才可解锁，不过用户可以免费试用一定次数。
Image
今日重点论文：
岛根大学：
《Transformers are Universal In-context Learners》
本文旨在研究深度transformer架构处理任意数量上下文标记的能力。同时，考虑到这些映射是基于表示上下文的概率分布的，作者试图通过数学方法来统一地描述这些架构的表达能力。本文证明了深度transformer是通用的，可以在任意精度下均匀地逼近连续的上下文映射，而且对于固定精度，单个transformer可以处理任意数量的标记，且标记嵌入维度和头数是固定的。
论文地址：
https://arxiv.org/abs/2408.01367v1
麻省理工学院：
《Foundations of Reinforcement Learning and Interactive Decision Making》
本篇论文探讨强化学习和交互式决策制定的统计学基础，旨在解决探索-利用困境。论文提出了一种统一的框架，使用频率学派和贝叶斯方法来解决探索-利用困境，强调了监督学习/估计和决策制定之间的联系和相似之处。特别关注函数逼近和灵活的模型类，如神经网络。论文涵盖了多臂和上下文臂、结构臂以及具有高维反馈的强化学习等主题。实验设计充分，使用了多个数据集，并提供了开源代码。值得进一步研究的工作包括如何在更复杂的环境中应用这种框架以及如何处理更大规模的数据集。
论文地址：
https://arxiv.org/abs/2312.16730v1
伦敦国王学院：
《From pixels to planning: scale-free active inference》
论文旨在提出一种离散状态空间模型及其方法，用于生成建模，该模型将部分观察到的马尔可夫决策过程推广到包括路径作为潜在变量，适用于动态环境中的主动推理和学习。论文提出了一种基于重整化群的深度或分层形式的离散状态空间模型，称为重整化生成模型（RGM），能够学习时间和空间上的组合性，生成路径或轨道的模型。
论文地址：
https://arxiv.org/abs/2407.20292v1
香港理工大学：
《A Survey of Mamba》
本论文旨在介绍一种名为Mamba的新型神经网络架构，以解决Transformer模型中注意力计算的二次计算复杂度问题，并探索Mamba在不同领域的应用潜力。Mamba模型基于经典状态空间模型的灵感，通过引入状态变量和转移函数来代替Transformer中的注意力机制，从而实现近线性可扩展性和与Transformer相当的建模能力。
论文地址：
https://arxiv.org/abs/2408.01129v1
Image

KEEP THE THREAD GOING

更多来源文章