ReaderMX.
GenAI新世界

8月26日 AI 头条｜Cursor 宣布完成6000万美元 A轮融资，估值达4亿美元

G大模型机动组约 8 分钟
Image
划重点:
  • Cursor 宣布完成6000万美元 A轮融资，估值达4亿美元
  • xAI Grok-2挤进聊天机器人排行榜第二名，紧追GPT-4o
  • 亚马逊 CEO 发文，称AI 助手 Amazon Q 可节省约 4500 个开发人员一年工作量
  • 英伟达将公布Blackwell架构细节
  • Meta推出视觉分析模型Sapien
  • 摩尔线程开源音频理解大模型MooER摩耳
  • 华为Mate60等三款机型升级支持AI消除功能了
  • 端到端语音大模型新秀:心辰Lingo开放内测预约
  • OpenAI任命前Meta高管Irina Kofman为战略规划负责人
  • 三星电子将为 AI 家电产品引入语音助手 Bixby
资讯详情：
Cursor 宣布完成6000万美元 A轮融资，估值达4亿美元
AI 编程助手 Cursor 近日宣布，已完成价值6000万美元的 A 轮融资，此次融资使得该公司的估值达到4亿美元。
据悉， Cursor 的A 轮融资由 Andreessen Horowitz、Jeff Dean、John Schulman、Noam Brown 以及 Stripe 和 Github 的创始人参与。Cursor 是获得业内一致认可的 AI 编程助手，它由一组定制和前沿模型、令人愉悦的编辑和 PB 级基础设施提供支持。
该公司的目标是将当今工程师编写的 95% 的代码自动化，让他们专注于每个项目的目标，而不是如何编写代码。
Image
xAI Grok-2挤进聊天机器人排行榜第二名，紧追GPT-4o
据大模型排行榜 lmsys 官方消息，xAI 的聊天机器人Grok-2现已挤进聊天机器人排行榜第二名，仅次于 ChatGPT 4o。
据悉，根据6000份社区投票，Grok-2 夺得了第二名，超越了 GPT-4o（5 月），与最新的 Gemini 并列！Grok-2-mini 也以令人印象深刻的成绩排名第五。
Grok-2 在数学方面表现出色（排名第一），在各方面（硬提示、编码、遵循指令）均排名第二。
Image
亚马逊 CEO 发文，称AI 助手 Amazon Q 可节省约 4500 个开发人员一年工作量
亚马逊 CEO Andy Jassy 近日在领英上发文，称亚马逊已经将生成式 AI 开发助手Amazon Q集成到内部系统，并节省了大量的工作量。
据 Jassy 表示，利用新的代码转换功能，Amazon Q 将应用程序升级到 Java 17 的平均时间从开发人员的 50 天左右缩短到了几个小时，估计节省了约 4500 个开发人员一年的工作量。
Amazon Q 是一项新型生成式 AI 辅助服务，可以帮助员工快速利用公司的数据和专业知识获得问题答案、解决问题、生成内容等，可以根据企业客户的业务进行定制化。
Image
英伟达将公布Blackwell架构细节
英伟达宣布将会在太平洋时间8月26日的一场“Hot Chips 2024”讲座上公布Blackwell的架构细节，并演示如何在Blackwell上运行生成式AI模型。
英伟达称，Blackwell 架构是通用计算全栈矩阵的终极解决方案，由多个英伟达芯片组成，包括 Blackwell GPU、Grace CPU、BlueField 数据处理单元、ConnectX 网络接口卡、NVLink 交换机、Spectrum 以太网交换机和 Quantum InfiniBand 交换机。
此外，英伟达 还将会在活动期间介绍即将推出的 Quasar 量化系统（Quasar Quantization System）。
Image
Meta推出视觉分析模型Sapien
Meta 官方消息，Meta Reality Labs最近发布了一款名为“Sapiens”的人工智能模型，它在人类视觉任务处理上取得了重大突破。
Sapiens模型专门设计用于分析和理解图片或视频中的人及其动作，经过在超过3亿张人类图像上的严格训练，无论是在复杂环境还是数据稀缺的情况下，都能展现出卓越的性能。
Sapiens模型在超过3亿张人类图像的基础上进行了训练，展现出在复杂环境下处理人类视觉任务的卓越能力。其核心功能包括2D姿态估计、身体部位分割、深度估计和表面法线预测等。这些功能使Sapiens能够精确识别人体姿势，细致区分身体各个部位，并能预测图像中的深度信息和物体表面方向。
Image
摩尔线程开源音频理解大模型MooER摩耳
近日，摩尔线程公司宣布正式开源其研发的音频理解大模型——MooER（摩耳），这一业界首个基于国产全功能GPU进行训练和推理的大型开源语音模型，展示了摩尔线程在人工智能领域的最新成果。
MooER大模型在摩尔线程夸娥（KUAE）智算平台上，仅用38小时便完成了5000小时音频数据和伪标签的训练。这一成就得益于公司自研的创新算法和高效计算资源的结合。MooER不仅支持中文和英文的语音识别，还具备中译英的语音翻译能力，在多个语音识别领域的测试集中展现出优异表现。特别在Covost2中译英测试集中，MooER-5K取得了25.2的BLEU分数，接近工业级效果。
摩尔线程AI团队开源了推理代码和5000小时数据训练的模型，并计划进一步开源训练代码和基于8万小时数据训练的模型。
Image
华为Mate60等三款机型升级支持AI消除功能了
华为终端BG首席执行官何刚近日发文称，现在华为Mate60系列、华为Mate X5、华为Pocket 2都可以升级支持AI消除功能了！
据悉，华为的AI消除功能能智能识别瑕疵并补全画面，轻轻一划就能拯救废片。用户只需要进入图库打开一张照片，点击编辑，选择AI修图，选择智选，在需要消除的对象内部画线即可。
此前该功能仅限华为三款机型支持，分别是：Pura 70系列、nova 12 Ultra星耀版、nova Flip。
Image
端到端语音大模型新秀:心辰Lingo开放内测预约
据西湖心辰官方消息，该公司旗下首款端到端语音大模型心辰Lingo，并已开启内测预约。这一创新模型被誉为国内首个能力追平GPT-4语音能力的AI系统。
据悉，心辰Lingo语音大模型具备原生语音理解、多样化语音风格表达和高效语音模态压缩三大核心优势。该模型不仅能识别语音中的文字信息，还能捕捉其他重要特征，提供更自然、生动的交互体验。Lingo能根据上下文和用户指令灵活调整语音风格，以适应不同的应用场景。在技术层面，心辰Lingo采用高压缩率的语音编解码器，大幅降低计算和存储成本，同时保证生成高质量的语音内容。
与传统的文本转语音（TTS）系统相比，心辰Lingo作为端到端语音大模型，整合了从语音输入到语音反馈的完整交互流程，为用户提供更全面、流畅的语音交互体验。
Image
OpenAI任命前Meta高管Irina Kofman为战略规划负责人
据 medium 报道，OpenAI 已经聘请前Meta 高管 Irina Kofman 加入公司，负责公司的战略规划。
Kofman 将向 OpenAI 的技术主管 Mira Murati 汇报工作，初期将专注于提升 AI 的安全性和准备度。
Kofman 在 Meta 工作了五年，最近担任生成式人工智能（AI）产品管理的高级总监，她的丰富经验无疑将为 OpenAI 带来新的视角和策略。
Image
三星电子将为 AI 家电产品引入语音助手 Bixby
据 businesskorea 报道，三星电子宣布将会为Bispoke AI 家电产品引入升级版的 AI 语音助手 Bixby。
三星电子表示，引入 Bixby之后，可以使用户更轻松地通过基于自然语言理解语境的语音命令控制家电产品。这将使语音控制变得更加简单和方便，用户可以在一句话中说出多个命令，这样必胜客人工智能家电就能理解用户的每一个意图，记住之前的对话并将其与下一个命令联系起来，让用户提出问题并从家电中得到答案。
三星电子今天还表示，新的Bixby更新将以今年推出的Bespoke AI产品线为中心。
Image
今日重点论文：
Based Labs：
《BasedAI: A decentralized P2P network for Zero Knowledge Large Language Models (ZK-LLMs)》
本论文旨在解决使用Fully Homomorphic Encryption (FHE)的计算环境中，量化函数导致的性能下降问题，提出了一种名为Cerberus Squeezing的新的量化机制，以便将标准LLMs转换为加密的零知识LLMs，从而保护数据隐私。Cerberus Squeezing量化机制可将标准LLMs转换为加密的零知识LLMs，从而在不解密查询或响应的情况下处理和响应用户与LLMs的交互。论文地址：
https://arxiv.org/abs/2403.01008v1
Waymo：
《Transfusion: Predict the Next Token and Diffuse Images with One Multi-Modal Model》
Transfusion论文试图解决的问题是如何训练一个能够处理离散和连续数据的多模态模型。这个问题是一个新问题。Transfusion的关键思路是将语言建模损失函数（下一个标记预测）与扩散相结合，训练一个单一的Transformer模型来处理混合模态序列。通过引入模态特定的编码和解码层，可以进一步提高Transfusion模型的性能。通过将Transfusion模型扩展到7B参数和2T多模态标记，可以生成与类似规模的扩散模型和语言模型相当的图像和文本。
论文地址：
https://arxiv.org/abs/2408.11039v1
都柏林城市大学：
《An Evaluation of Deep Learning Models for Stock Market Trend Prediction》
本论文旨在探讨使用先进的深度学习模型对股票市场短期趋势进行预测的有效性，并验证其在数据预处理方面的影响。论文探索了多种深度学习模型，包括TCN、N-BEATS、TFT、N-HiTS、TiDE和xLSTM-TS，其中xLSTM-TS表现最佳。此外，使用小波去噪技术可以提高预测准确性。论文使用了S&P 500指数和巴西ETF EWZ的每日和每小时收盘价数据集，并比较了多种深度学习模型的表现。xLSTM-TS模型在所有模型中表现最佳，测试准确率达到72.82%，F1得分为73.16%。
论文地址：
https://arxiv.org/abs/2408.12408v1
日本国立情报研究所：
《Training-free Graph Neural Networks and the Power of Labels as Features》
本论文旨在提出一种无需训练即可使用的图神经网络（TFGNNs）用于转导节点分类，以及验证标签作为特征（LaF）的有效性。本文的关键思路是提出了一种无需训练即可使用的图神经网络，并且在此基础上使用标签作为特征，从而提高了图神经网络的表达能力。
论文地址：
https://arxiv.org/abs/2404.19288v1
Image

KEEP THE THREAD GOING

更多来源文章