蚂蚁一口气开源5款语音模型!我们用它扒了《甄嬛传》滴血验亲名场面
蚂蚁一口气开源5款语音模型!我们用它扒了《甄嬛传》滴血验亲名场面配音、听录音、转写全覆盖。
搜索
配音、听录音、转写全覆盖。
现在的大模型,已经越来越擅长从自然语言直接生成一个可以运行的游戏。
如何把屏幕上罗列的实验流程准确变成一连串的实际操作?这个问题直指 AI 科研落地的核心门槛:AI 能够输出可行的实验方案,却很难自主完成整套线下实操。
团队盯住的是一个很实际的问题:Agent 明明保存了项目计划,预算更新后却仍按旧版本行动;看过环境截图,下一步又忽略了画面里已改变的状态。它究竟是没记下来、没及时更新,还是找到了证据却没用上?
稀疏注意力减少了主注意力的计算量,但负责筛选 token 的索引器仍可能成为长上下文推理的瓶颈。小红书 Dots 团队自研的 DoSA 利用分数上下界,在保持原始 Top-K 选择结果的前提下加速索引器,并在测试中提前过滤了约 97% 的候选。
AI圈,最近集体盯上了三个字母:RSI。
看一段房间视频,视觉语言模型(VLM)能够认出桌子、椅子和柜子。但在它的内部,这些物体是按颜色、形状组织在一起,还是形成了一张包含邻接关系的空间地图?
「全球只有大约5,000人,真正见识过顶尖AI的能力。」这是Andrej Karpathy近日分享的一个观察。他说,只有站在漏斗顶端的那一小撮研究者,才能看到数千个AI Agent长时间协作、昼夜不停地做科研。
不er,为什么要化身一只果蝇在世界模型里飞啊啊啊?!