跳到正文

#多模態

RSS
今日 5 則
10月27日週二
  1. Apple Newsroom39

    Siri AI 開放更多語言使用

    Siri AI 現在以測試版形式支援英文、法文、日文、韓文、葡萄牙文和西班牙文,使用者需要配合支援的語言,以及能使用 Apple Intelligence 的裝置。它目前不適用於歐盟的 iOS、iPadOS 和 watchOS,也不提供給未滿 13 歲的使用者。部分功能每天有使用上限,日後可能會收費提供更多使用額度。

  2. Hugging Face Transformers Releases80

    Hugging Face Transformers v5.21.0 發布新模型與功能

    Hugging Face Transformers v5.21.0 釋出,新增多款模型與功能,為開發者帶來更豐富的多模態與語音處理選擇。

    推薦理由:新版本提供多種文件與語音模型,涵蓋 OCR、視覺檢索與 TTS,讓開發者能快速整合多模態功能,並享受最新的量化與 FP8 加速最佳化。

10月26日週一
10月25日週日
10月24日週六
  1. The Decoder57

    Block 發布全音訊訓練的語音 AI 模型 Dessa

    Block 推出全音訊訓練的語音 AI 模型 Dessa,能即時捕捉情緒、諷刺與停頓。 - 核心特性:直接處理音訊、支援全雙工通話、即時情緒識別。 - 部署方式:可在 MacBook Pro M4 Max 本地執行,訓練使用單一 NVIDIA GB200 NVL72。 - 可用性:尚未公開,正邀請 AI 安全研究者進行測試。

  2. Google Research82

    Google 研發基礎模型推進結核篩檢前線

    **Google 研究團隊推出 MedGemma 多模態模型與 MedSigLIP 影像語言模型,並將其應用於結核病篩檢,實現在離線環境下快速診斷,已在多國醫療機構部署。

    推薦理由:本篇闡述 Google 釋出的 MedGemma 多模態模型與 MedSigLIP 影像語言對接,可在離線環境下進行 TB 篩檢與診斷,為全球醫療資源不足地區提供可擴充的 AI 解決方案。

  3. Kimi.ai (@Kimi_Moonshot)80

    Kimi K3.1 Pro 是 Kimi.ai 推出的 3T 開放權重模型,擁有 1M token 上下文長度與 104B 活躍引數。 引數規模:總引數 2.8T,活躍引數 104B(MoE) 上下文長度:1M token 多模態能力:支援文字、影像等多模態輸入 開發者功能:可直接編寫全專案程式,支援 Unreal、Unity、Godot 等遊戲引擎 3D 建模:在 Blender 與 CAD 中表現優異

    推薦理由:Kimi K3.1 Pro 展示 3T 引數、1M token 上下文及多模態能力,對需要全專案編碼與 3D 建模的開發者具有重要參考價值。

10月23日週五
  1. Hugging Face Diffusers Releases84

    Diffusers 0.42.0 釋出 FLUX.3、Fibo 2.0、Kandinsky 6 等多款模型

    Diffusers 0.42.0 釋出多款新模型與功能,包括 FLUX.3、Fibo 2.0、Kandinsky 6、SANA‑WM、RFD4‑Proteína 以及 Qwen‑Image 2.1。

    推薦理由:本次釋出新增 FLUX.3、Fibo 2.0、Kandinsky 6 等多款高效影像生成模型,並支援硬體加速與模組化工作流程,對開發者快速部署多模態應用具有重要參考價值。

  2. Hugging Face Blog80

    OlmoEarth v1.3 發布:全行星預計算衛星嵌入模型與瀏覽器探索器

    OlmoEarth v1.3 以全行星 10 公尺解析度衛星嵌入模型與瀏覽器探索器,正式發布。 - 全行星嵌入:已預計算 2017-2025 年的 10m 畫素嵌入,提供 64- 和 128 維版本,總計約 150 TB/年。

    推薦理由:提供全行星預計算嵌入與瀏覽器探索器,讓研究者可即時分析地表變化,省去 GPU 及微調成本。

10月22日週四
  1. NVIDIA Blog84

    NVIDIA Cosmos 開啟新工具,協助訓練、評估與部署世界模型

    NVIDIA Cosmos 於近日推出一系列新工具與藍圖,旨在加速世界模型的訓練、評估與部署。 - Cosmos Data Factory:提供多模態、跨感官資料標註、增強與評估的雲端原型,支援自動駕駛、工業檢測等多種場景。

    推薦理由:NVIDIA Cosmos 透過新工具與藍圖,讓企業可快速生成多模態訓練資料,並大幅縮短自動駕駛測試週期。

  2. Google Research77

    AI輔助超音波為前線產科護理賦能

    Google Research 發布的研究顯示,AI 能夠在低資源環境下利用「盲掃描」超音波準確估算孕周,並與專業超音波師的結果相媲美。 - 準確度:在兩個不同地區(美國芝加哥與肯亞奈洛比)的臨床試驗中,AI 模型的平均絕對誤差(MAE)分別為 4.10 天 和 4.27 天,與專業操作的 4.48 天 相近。

    推薦理由:此研究證明 AI 能在低資源環境下以簡易掃描方式準確估算孕周,為全球產科篩檢覆蓋率提升提供可落地方案。

10月21日週三
  1. Hugging Face Blog82

    Hugging Face 推出 TorchTPU:PyTorch 原生支援 TPU

    TorchTPU 讓 PyTorch 直接在 TPU 上執行,省去 torch_xla 與 JAX 的中介層。 - 核心功能:新增 TPU 作為 PyTorch 後端,支援 eager 與 torch.compile,提供 Pallas kernels、分散式訓練。

    推薦理由:TorchTPU 讓 PyTorch 直接在 TPU 上執行,省去 torch_xla 與 JAX 的中介層,提升開發效率與推理速度。

10月20日週二