Google最近推出了一种新的文本到视频模型Lumiere，该模型可以将图像和风格作为输入，并使用一种新颖的“空时UNet”同时扩散所有内容。该模型采用了深度学习技术，可以将文本内容转换为相对应的视频，并且不需要任何人...

Llmware是一个统一的框架，用于开发基于LLM的应用程序模式，包括检索增强生成。它提供了一个通用的API，使得开发人员能够轻松地使用不同的LLM模型和数据集。Llmware还为开发人员提供了一组可自定义的工具，用于自动...

这位投资人的观点，有助于将当前人工智能中的价值层次带入一些背景，通过将它们分解为基础架构层，如云计算服务提供商和芯片制造商，建模和核心层，如OpenAI和Anthropic，以及AI增强产品，如所有使用AI来改善其产品...

CogCoM是一种全新的通用视觉语言模型，它具有独特的操作链机制。这使得它能够通过主动调整输入图像来处理多轮视觉推理。该模型已经在GitHub上发布。

本文探讨了开发一种通用的AI代理的能力，能够理解和遵循游戏玩法指令的步骤，这是迈向“准备好玩”的能力的一步。研究人员通过将多模态游戏指令集成到决策转换器中，增强了代理的多任务和泛化能力。

机器人和CGI技术的发展越来越让人难以分辨真假。即使视频真实，演示视频也往往是最佳表现的片段，每个视频背后可能都有数小时的视频没有进入最终剪辑。 CES缺乏酷炫的机器人演示，但有许多惊人的视频。观众应该用辨...

Fabric 是一种开源框架，可帮助开发人员在人类和 AI 之间建立更紧密的联系。使用 Fabric，开发人员可以构建应用程序，以帮助人类更好地利用人工智能，从而提高生产力和效率。该框架允许开发人员构建高度个性化的应用...

Roblox开发了一种AI模型，能够实时翻译16种语言的文本聊天，以打破语言壁垒，增强用户参与度。该模型利用基于转换器的大型语言模型，在混合专家架构中实现了高效的资源利用，同时保持了其隐私和安全流程。