Runway iOS客戶端重大更新 手機上也可以使用Gen3模型了

亞馬遜與AI初創公司Adept的合作面臨FTC審查

聯邦貿易委員會（FTC）正在正式調查亞馬遜與AI初創公司Adept之間的合作，以瞭解其協議細節，如亞馬遜招聘Adept關鍵高管並獲取使用其技術的權限。這一合作包括亞馬遜聘請Adept的聯合創始人兼CEO大衛·盧安及其他關鍵團隊成員，並授權使用Adept的多模態模型和數據集。此動作被視作亞馬遜在AI領域的最新投資，與OpenAI的競爭對手Anthropic有鉅額資金往來，並在其多個業務中部署生成式AI產品。科技巨頭與AI初創公司的合作頻遭全球監管機構重點審視，旨在防止單邊市場力量的擴張。亞馬遜與Adept的合作引發部分立法者質疑，認爲這是繞過反壟斷審查的策略。FTC爲何介入此次調查及其結果，預計將影響亞馬遜在AI領域的戰略議程和與初創公司的合作方式。

​Meta在Facebook上測試AI評論摘要功能

Meta於Facebook測試AI評論摘要功能，旨在快速提供帖子評論的整體觀點，通過在評論區頂部展示摘要內容。此舉引發關注，成爲提升社交媒體用戶體驗的策略之一。然而，部分用戶懷疑該功能可能會影響社交媒體的本質功能和社交互動。AI摘要被用來概述常見觀點與主題，但有人擔憂這可能使評論區失去深度與多樣性。專家認爲此做法可能促使用戶依賴AI生成內容而非直接互動。用戶享有選擇權，可關閉AI評論摘要，恢復原有瀏覽體驗。Meta此舉體現了對用戶反饋的重視和對保留用戶體驗多樣性的承諾。

Qwen2-Audio：千問系列的音頻多模態模型 無需文字即可語音交互

阿里雲推出“Qwen-Audio”，一款大型音頻語言模型，革新語音交互體驗。型號能接收多種音頻輸入，執行音頻分析並直接響應語音指令。用戶提供獨特的音交互模式，無需文字輸入，直接通過語音交流，並在音頻中提供聲音和文本分析。具備智能理解能力，能夠結合多音源指令並解析，如區分單一聲音、多聲道對話及命令，並協助音頻解釋和響應。性能超越先前優秀模型，特別是在基於音頻的指令跟蹤功能與聊天模式上。具備開源特性，促進多模態語言發展。產品將分爲Qwen2-Audio和Qwen-Audio-Chat，進一步優化多種音頻操作體驗。在無需特定任務調整的前提下，模型展示了卓越性能。特別在英文自動語音識別（ASR）與聊天任務上表現出色。強調跨聲音、音樂和混合音頻集的強大指令跟蹤功能，顯著優於其他大型語言模型（LALM）與Qwen-Audio。

Wild Gaussians：用AI 技術可根據用戶拍攝的網絡照片進行 3D 重建

捷克布拉格技術大學和瑞士蘇黎世聯邦理工學院的研究團隊最近推出了一種名爲"WildGaussians"的創新方法，該方法顯著提升了3D高斯濺射（3DGS）技術在處理非結構化圖像集時的能力。這一突破性進展使得從網絡上收集的地標照片等非結構化圖像集實現高質量3D重建成爲可能。

數學難題暴露AI短板：13.11＞13.8衝上熱搜，所有LLM的致命弱點被揭開！

智源研究院推出新一代無編碼器視覺語言多模態大模型EVE

近期，多模態大模型的研究和應用取得了顯著進展。國外公司如OpenAI、Google、Microsoft等推出了一系列先進的模型，國內也有智譜AI、階躍星辰等機構在該領域取得了突破。這些模型通常依賴視覺編碼器來提取視覺特徵並與大語言模型結合，但存在訓練分離導致的視覺歸納偏置問題，限制了多模態大模型的部署效率和性能。