20240809 每日AI必读资讯
乒乓球AI机器人赢了人类！正反手灵活转换，擦网球高球都能接
- 谷歌发布首个达到人类竞技水平的机器人Agent，挑战乒乓球赛场。
- 机器人通过学习大量乒乓球状态数据，掌握了正手上旋球、反手瞄准等技能，展现出高速运动和实时精确性。
- 机器人在与不同技能水平选手的比赛中取得一定成绩，展现出与人类对手直接竞争的能力。
🔗 https://sites.google.com/view/competitive-robot-table-tennis/home
🔗 详情：https://blog.csdn.net/m0_46163918/article/details/141068947
通义千问推出专门的数学语言模型：Qwen2-Math
- 性能超越GPT-4o、Claude-3.5等
- Qwen2-Math 包括 1.5B、7B 和 72B 。 是基于 Qwen2 LLM 构建的专门针对数学解题的模型。
- 在多个数学基准测试中数学能力显著超越了开源模型包括Llama-3.1-405B，甚至超过了闭源模型 （包括GPT-4o、Claude-3.5-Sonnet、Gemini-1.5-Pro ）。
苹果发布一种新的图像和视频生成方法：Matryoshka Diffusion Models (MDM)
- 可以理解为“套娃扩散模型”。名字来源于俄罗斯套娃，因为它像套娃一样，把小的结构嵌套在大的结构里。
- MDM 能够在不同清晰度下同时处理图像，比如它可以同时生成低清晰度的草图和高清晰度的细节部分。 这种方法让整个过程更快，而且生成的图像质量更高。
- 用于生成高质量图像和视频的模型面临很大的计算和优化难题。大多数方法要么在图像的像素层面上逐步生成，要么通过先训练一个压缩图像的模型，再在低分辨率的图像上进行处理。
- MDM 的创新在于它能同时处理不同分辨率的图像。就像你在画一幅画，先画小的细节，然后再画大的背景，MDM 就是这样同时处理不同层次的内容。
- 训练过程是从低分辨率到高分辨率逐步进行的，这让生成高分辨率图像和视频变得更加高效。
- MDM 不仅限于静态图像生成，还可以扩展到视频生成领域，生成符合文本描述的动态视频序列。
- 研究表明，这种方法可以生成分辨率高达 1024x1024 像素的图像，并且即使使用相对较少的数据，它也能很好地生成出符合要求的图像。
🔗GitHub：https://github.com/apple/ml-mdm
🔗论文：https://arxiv.org/pdf/2310.15111
字节跳动AI助手豆包app、电脑版上线音乐生成功能
- 用户可在豆包app或电脑版中生成独特歌曲，选择曲风、氛围和人声，歌词限制在200字以内。
- 提供11种不同音乐风格和多种情绪状态选择，包括民谣、嘻哈、R&B，用户可选择男声或女声演唱。
- 用户可一键生成完整歌词，下载并分享生成的歌曲和封面。音乐生成功能仍在不断完善中，豆包鼓励用户用音乐分享故事，激发创造力。
LSLM：一种新的语音模型
- 由上海交通大学X-LANCE人工智能实验室和字节跳动联合开发的一种新的语言模型
- 能够在说话的同时也能听到外界的声音，从而支持实时的语音交互。
- 而且还可以随时打断它，即时是在嘈杂的环境中也能工作。
🔗项目地址：https://ziyang.tech/LSLM/
