🎥GPT-4o的视频分析能力实测！
可以逐帧进行时视频分析。
基本能了解视频的具体情况，提取视频关键帧和时间戳。
可以识别人脸，逻辑推理能力一流。
可以根据音频转录来分析视频的内容。
🔗 https://blink.csdn.net/details/1699378
🧠MIT等惊人发现：全世界AI已学会欺骗人类！背刺人类盟友，佯攻击败99.8%玩家
讨论了专用AI系统（Meta的Cicero）和通用AI系统（LLM）。
AI训练的流行方法：人类反馈强化学习（RLHF，允许AI系统学会欺骗人类审查员。
研究人员概述了几种解决方案。
🔗论文地址：https://linkinghub.elsevier.com/retrieve/pii/S266638992400103X
🔗 MIT等惊人发现：全世界AI已学会欺骗人类！背刺人类盟友，佯攻击败99.8%玩家-CSDN博客
🔍腾讯混元文生图大模型宣布开源：首个中文原生DiT架构
混元DiT采用了与Sora同样的关键技术DiT架构。
不仅支持256字中文理解，还能够作为视频等多模态视觉生成的基础。
设计了Transformer结构、文本编码器和位置编码，并构建了完整的数据管道。
通过训练多模态大语言模型来优化图像的文本描述，实现了细粒度的文本理解。
🔗项目地址：https://github.com/Tencent/HunyuanDiT
🚀零一万物开源Yi-1.5模型 在编码、数学、推理方便表现良好
多种规模的模型: 包括6B、9B和34B三种不同规模的模型，提供基础版和聊天版。
预训练和微调: 基础版在500B tokens上持续预训练，chat版在300万个样本上进行微调。
性能卓越: 34B模型在基准测试中超过Qwen1.5-72B，获得高分在MMLU、HumanEval和AGIEval等基准测试中表现优异。
🔗 https://huggingface.co/collections/01-ai/yi-15-2024-05-663f3ecab5f815a3eaca7ca8
🔗 零一万物Yi-1.5来了，国产开源大模型排行榜再次刷新-CSDN博客
🤖宇树科技推出Unitree G1人形机器人
拥有超大关节运动角度和34个关节，结合力位混合控制技术，模拟人手进行精准操作。
配备9000mAh电池，支持2小时操作时间，动态平衡功能使其以2米/秒速度运动保持稳定。
支持WiFi6和蓝牙5.2等多种连接方式，具有良好的扩展性，市场定价约为9.9万元人民币。
🌌Lumina-T2X：统一多模态框架
名字中的T2X，T代表Text，X代表多模态，包括图片、视频、3D模型、音频，含义是这个框架。
以通过文本生成任意类型的多模态数据。
实现方法与Sora类似，把潜在时空空间转换成token，统一不同模态的空间时间表示。
🔗Github：
GitHub - Alpha-VLLM/Lumina-T2X: Lumina-T2X is a unified framework for Text to Any Modality Generation
🔗论文：https://arxiv.org/abs/2405.05945v1
版权归原作者 程序员的店小二 所有， 如有侵权，请联系我们删除。