文章目录
- 前言
- 阿里巴巴：推出Qwen1.5-32B 模型
- 文心一言：定制自己的 AI 声音
- 动画线条图自动填色
- SWE-agent：AI程序员
- OpenAI：收集高质量训练数据
- Stability AI 发布 Stable Audio 2.0
- OpenAI：开放GPT3.5，无需注册
- GRM：0.1秒内从少量图片构建3D模型
- Cohere 推出 Command R+ 企业级大模型
前言
大家好，我是翼同学。这里是【每周精选资讯】的第四期内容。
阿里巴巴：推出Qwen1.5-32B 模型
Qwen1.5-32B 是Qwen1.5语言模型系列的最新成员，致力于在性能、效率和内存占用之间找到理想的平衡。Qwen1.5-32B拥有大约300亿参数，采用了分组查询注意力机制，具有强大的对话能力，并在多项基准测试中表现出竞争性能。
此外，该模型在12种不同语言上进行了测试，展现了其在多语言理解和生成方面的能力。与具有更多参数的模型相比，Qwen1.5-32B的内存占用更少，运行速度更快。
文心一言：定制自己的 AI 声音
百度文心一言近日上线了新功能，用户只需几秒钟就可以定制自己的AI声音。用户只需打开文心一言App，按照系统提示读出一段话，系统就能在大约两秒的时间内捕捉到用户的声音特点，生成一个独特的“语音助手”。确认声音质量后，用户的专属“语音库”即可立即构建完成。此外，用户还可以点击对话框上的通话按钮，与自己构建的数字分身实时对话，音色和音调都与用户本人完全一致。
动画线条图自动填色
南洋理工大学的S-lab团队开发了一种新型的动画填色桶彩色化技术，通过仅需对一帧进行手动彩色化，算法便能自动将颜色传播到后续的所有帧。这一过程极大地简化了动画制作中繁琐的手动上色步骤，即使是人物在转身阴影或者被遮挡部分也能完美解决。
该方法采用了一种新的基于学习的包含匹配流程，使网络理解段落之间的包含关系，而不仅仅依赖于直接的视觉对应关系。为了方便这个网络的训练，他们开发了一个独特的数据集，称为PaintBucket-Character，包括渲染的线条艺术和他们的彩色对应物，具有各种3D角色。大量的实验证明了该方法相比现有技术的有效性和优越性。
Learning Inclusion Matching for Animation Paint Bucket Colorization
SWE-agent：AI程序员
SWE-agent，一种基于GPT-4的软件工程代理，已经能够修复GitHub存储库中的实际错误和问题。在SWE-bench测试集上，其得分仅次于Devin和Claude3 opus。
SWE-agent的特性包括：在执行编辑指令时运行代码检查器，提供专门的文件查看器和全目录字符串搜索命令，以及在没有输出的情况下返回提示信息。
SWE-Agent
OpenAI：收集高质量训练数据
据《纽约时报》报道，OpenAI已经使用其Whisper音频转录模型转录了超过一百万小时的YouTube视频，以训练其GPT-4模型。OpenAI总裁Greg Brockman亲自参与了这项工作。报道指出，OpenAI在2021年就已经耗尽了所有可获取的有用数据，并在耗尽其他资源后开始讨论转录YouTube视频、播客和有声读物。
此外，OpenAI还在包括GitHub上的计算机代码、象棋移动数据库和Quizlet上的学校作业内容在内的数据上训练了其模型。OpenAI发言人Lindsay Held表示，公司为每个模型策划了“独特”的数据集，以帮助它们理解世界并保持其全球研究竞争力。
Stability AI 发布 Stable Audio 2.0
Stability AI推出了新型模型Stable Audio 2.0，能从单一的自然语言提示生成高质量、具有连贯音乐结构的完整音轨，最长可达三分钟，音质为44.1 kHz立体声。
与之前的版本相比，Stable Audio 2.0不仅支持文本到音频的转换，还新增了音频到音频的功能，允许用户上传音频样本并将其转换为各种声音。此外，该模型还扩展了声效生成和风格转换功能，提供了更大的灵活性和控制权。
OpenAI：开放GPT3.5，无需注册
OpenAI宣布开放GPT3.5功能，任何人都可以立即免费使用ChatGPT，无需注册，可以直接与GPT进行对话聊天。
但是，如果不注册使用ChatGPT，用户将无法保存和回顾聊天历史、分享聊天，以及体验一些高级功能，如语音对话和自定义指令。
GRM：0.1秒内从少量图片构建3D模型
GRM（Gaussian Reconstruction Model）是一个基于高斯模型的3D重建工具，它能够利用多视角信息，在大约0.1秒内重建出精确的3D模型。
GRM技术的核心在于其高效的信息整合能力。通过分析从不同角度拍摄的少量图片，GRM能够迅速构建出物体的三维模型，甚至可以复原整个场景的三维结构。同时也它支持将文本或图像直接转换成3D模型。
GRM: Large Gaussian Reconstruction Model
for Efficient 3D Reconstruction and Generation
Cohere 推出 Command R+ 企业级大模型
Cohere，一家领先的企业级人工智能解决方案提供商，近日推出了其最新、可扩展的大型语言模型Command R+。这款新模型是专为实际业务应用程序设计的，建立在其前身Command R的优势之上，同时提供增强的性能、多语言支持和高级检索增强生成(RAG)功能。
根据Cohere提供的评估结果，Command R+在ToolTalk和Berkeley Function Calling等关键企业AI基准测试中，优于Claude 3、GPT-4 Turbo和Mistral Large等大模型。
