一直以来，微软在AI领域都坚持进行着探索，这不仅体现在对OpenAI的大手笔投资，也体现在其内部与AI相关的各类测试。
近日，微软通过一个内部测试展示了一项新技术，允许允许玩家对《我的世界》表述自己的意图，然后角色就会基于玩家的要求进行移动和收集资源等操作。
之所以使用《我的世界》进行演示，是因为该游戏的开放环境更适合技术测试，并且难度更高。
比如，用户要求在《我的世界》中垒出一辆车的话，AI根据手头的资源会有无数种建造方式，不如用石块造一辆车”明确。
目前来看，这一技术可以让一些无法用传统方式控制游戏的残障人士更方便地游玩《我的世界》，不过，微软并不打算在该游戏的公开版本中采用AI技术。
即便如此，从该演示我们也能够看出，微软目前的技术已经能够让AI理解较为模糊的指令，并自行适应周围环境，制定解决方案。
（举报）
11.11云上盛惠！海量产品 · 轻松上云！云服务器首年1.8折起，买1年送3个月！超值优惠，性能稳定，让您的云端之旅更加畅享。快来腾讯云选购吧！
腾讯云
12-20
百度日前官方宣布文心一言语音定制功能上线，只需2秒钟，AI就能完美重建任何一个人的声音，每个人都能拥有自己的AI声优。用户只需打开文心一言App，选择创建智能体，点击创建自己的声音，随后系统会给出一句话，只需用平时说话的语气念一遍。很多时候甚至能理解文本中的情绪，最大程度上保持原声的情感、风格和自然度，因此只需要极短的样本，几秒钟就能完成。
Meta发布超级彪悍的大语言模型Llama3之后，微软也很快推出了自己的新一代WizardLM28x22B，号称迄今最强大，完全超越Claude3OpusSonnet、GPT-4等竞品开源，但是马上又把它撤回去了。没有任何征兆，微软就删除了WizardLM2大模型的相关文件、代码一直没有任何公开解释。大模型幻觉产生的原因有很多，训练数据、预训练和对齐阶段、推理阶段都会出现缺陷。
微软与OpenAI据称正在计划一个突破性的数据中心项目，其中将包括一台名为“星际之门”的人工智能超级计算机。据《TheInformation》的AnissaGardizy和AmirEfrati报道，该项目的目标是减少这两家公司对Nvidia的依赖，这是许多涉足人工智能领域的科技巨头正越来越努力做到的事情。”《TheNextPlatform》还表示，如果“星际之门”确实建成，它将基于未来一代的CobaltArm服务器处理器和MaiaXPUs，以太网扩展到单台机器上的数十万到100万个XPUs，并且绝对不会基于Nvidia的GPU和互连技术，如果这些传言是可信的话。
这个AI视频剪辑工具真的太牛逼了!这是一个完全基于AI功能构建的革命性视频剪辑产品。名为“Captions”的这个工具可以自动识别超长视频中的重要片段，并将其剪辑成多条适合传播的短视频，这极大地简化了视频剪辑流程。它有潜力彻底改变视频编辑行业，为视频创作者和爱好者提供一个强大的工具，简化他们的工作流程，提高他们的创作效率。
AI语音再进化，人耳还能听出AI和真人的差别吗?以上两段音频demo来自微软最近更新的AI语音角色“晓晓”。逼真、情绪到位、语气自然、断句近乎完美，是绝大多数网友听到“晓晓”声音时给出的评价。在技术抹平内容创作门槛的同时，内容创作也将前所未有的“卷”，如何打造差异化内容，是每一个创作者都需要思考的问题。
微软近期对其AzureAI语音服务进行了重大升级，推出了9种新的更真实的AI语音，旨在为用户带来更加自然和沉浸式的对话体验。这次升级的核心是引入了零样本学习的文本到语音模型，这些模型在提高合成语音自然度的同时，更好地模仿了提示语音中的特征。微软的这次升级，无疑将为各种业务场景提供更加丰富和真实的语音交互体验。
在帮助听障人士获取信息方面，HandTalk应用的开发无疑是一项重要的创新。这款应用由人工智能驱动，能够自动将文本和音频翻译成美国手语和巴西手语，为全球约4.66亿聋人和重听人士提供了一个融入社会的新途径。该平台自在巴西推出HandTalk插件以来，已翻译了近20亿个单词，这一数字足以证明其在全球范围内的影响力和重要性。
微软的AzureAI平台最近添加了一系列新的安全功能，旨在帮助捕捉客户AI应用中的幻觉、提示攻击和其他安全漏洞。这些功能由微软的首席负责人SarahBird介绍，并表示将易于使用，无需雇佣红队来测试他们构建的AI服务。该公司还努力扩展其提供的强大AI模型数量，最近与法国AI公司Mistral达成独家协议，以在Azure上提供MistralLarge模型。
小米SU7Max和阿维塔12分别代表目前小米和华为智驾的尖端技术。那么这两款车在断头路自动泊车方面，谁更胜一筹呢？综合测试结果来看，小米SU7Max在这次自动泊车能力的对比中展现了较高的智能化水平，阿维塔12的表现可能受到了其较大车身尺寸的影响。
4月18日，奇瑞隆重举办“奇瑞风云品牌之夜暨风云T9全球预售”发布会，风云T9以其超豪华中型电混SUV新标杆的身份惊艳亮相。风云T9凭借世界级的产品实力，征服了场内外的观众、媒体和车友，那么问题来了，如此强大的全球百万级产品，是如何炼成的呢?或许还要从奇瑞青岛超级工厂来寻找答案。是奇瑞汽车对品质和技术不懈追求的结晶，也是对中国新能源汽车市场超豪华中�
RAGFlow是一个开源的RAG（Retrieval-Augmented Generation）引擎，基于深度文档理解，提供流线型的RAG工作流程，适用于各种规模的企业。它结合了大型语言模型（LLM）提供真实的问答能力，支持从各种复杂格式数据中引用确凿的引文。
EmojiTell是一个创新的在线服务，可以将文本翻译成表情组合，增加沟通的趣味性和表现力。它由一支对表情符号充满热情的开发者和设计师团队开发，旨在通过表情符号的力量，让信息传递更加生动和个性化。
Perplexica是一个开源的AI驱动搜索引擎，它不仅搜索网络，还理解您的问题。它使用先进的机器学习算法，如相似性搜索和嵌入，来优化结果，并提供引用来源的清晰答案。使用SearxNG保持最新和完全开源，确保您始终获得最新信息，同时不损害您的隐私。
FaceChain是一个深度学习工具链，由ModelScope提供支持，能够通过至少1张肖像照片生成你的数字孪生体，并在不同设置中生成个人肖像（支持多种风格）。用户可以通过FaceChain的Python脚本、熟悉的Gradio界面或sd webui来训练数字孪生模型并生成照片。FaceChain的主要优点包括其生成个性化肖像的能力，支持多种风格，以及易于使用的界面。
HuggingFace镜像站是一个非盈利性项目，旨在为国内的AI开发者提供一个快速且稳定的模型和数据集下载平台。通过优化下载过程，减少因网络问题导致的中断，它极大地提高了开发者的工作效率。该镜像站支持多种下载方式，包括网页直接下载、使用官方命令行工具huggingface-cli、本站开发的hfd下载工具以及通过设置环境变量来实现非侵入式下载。
WebLlama是一个基于Meta Llama 3构建的代理，专门为网页导航和对话进行了微调。它旨在构建有效的以人为中心的代理，帮助用户浏览网页，而不是取代用户。该模型在WebLINX基准测试中超越了GPT-4V（零样本）18%，展示了其在网页导航任务中的卓越性能。
GitHub Copilot for Infrastructure as Code（简称Infra Copilot）是一个利用机器学习技术帮助基础设施专业人员自动生成精确基础设施代码的工具。它通过理解基础设施任务的上下文，允许专业人员使用自然语言表达需求，并接收相应的代码建议。Infra Copilot不仅简化了基础设施即代码（IaC）的开发过程，还确保了跨环境和项目的一致性，加速了新团队成员的上手和学习过程，显著提高了工作效率并节约了时间。
LLaVA++是一个开源项目，旨在通过集成Phi-3和LLaMA-3模型来扩展LLaVA模型的视觉能力。该项目由Mohamed bin Zayed University of AI (MBZUAI)的研究人员开发，通过结合最新的大型语言模型，增强了模型在遵循指令和学术任务导向数据集上的表现。
PhysDreamer是一个基于物理的方法，它通过利用视频生成模型学习到的对象动力学先验，为静态3D对象赋予交互式动力学。这种方法允许在缺乏真实物体物理属性数据的情况下，模拟出对新颖交互（如外力或代理操作）的真实反应。PhysDreamer通过用户研究评估合成交互的真实性，推动了更吸引人和真实的虚拟体验的发展。
AI快站是一个为AI开发者设计的服务平台，提供HuggingFace模型的免费加速下载，解决大模型下载缓慢和断开的问题，支持高达4M/s的下载速度，大幅减少等待时间，提高开发效率。
Llama-3 8B Instruct 262k是一款由Gradient AI团队开发的文本生成模型，它扩展了LLama-3 8B的上下文长度至超过160K，展示了SOTA（State of the Art）大型语言模型在学习长文本操作时的潜力。该模型通过适当的调整RoPE theta参数，并结合NTK-aware插值和数据驱动的优化技术，实现了在长文本上的高效学习。此外，它还基于EasyContext Blockwise RingAttention库构建，以支持在高性能硬件上的可扩展和高效训练。
CoreNet 是一个深度神经网络工具包，使研究人员和工程师能够训练标准和新颖的小型和大型规模模型，用于各种任务，包括基础模型（例如 CLIP 和 LLM）、对象分类、对象检测和语义分割。
Llama中文社区是一个专注于Llama模型在中文方面的优化和上层建设的技术社区。社区提供基于大规模中文数据的预训练模型，并对Llama2和Llama3模型进行持续的中文能力迭代升级。社区拥有高级工程师团队支持，丰富的社区活动，以及开放共享的合作环境，旨在推动中文自然语言处理技术的发展。
Interactive3D是一个先进的3D生成模型，它通过交互式设计为用户提供了精确的控制能力。该模型采用两阶段级联结构，利用不同的3D表示方法，允许用户在生成过程的任何中间步骤进行修改和引导。它的重要性在于能够实现用户对3D模型生成过程的精细控制，从而创造出满足特定需求的高质量3D模型。
GraphRAG (Graphs + Retrieval Augmented Generation) 是一种通过结合文本提取、网络分析以及大型语言模型（LLM）的提示和总结，来丰富理解文本数据集的技术。该技术即将在GitHub上开源，是微软研究项目的一部分，旨在通过先进的算法提升文本数据的处理和分析能力。
Qwen1.5-110B是Qwen1.5系列中规模最大的模型，拥有1100亿参数，支持多语言，采用高效的Transformer解码器架构，并包含分组查询注意力（GQA），在模型推理时更加高效。它在基础能力评估中与Meta-Llama3-70B相媲美，在Chat评估中表现出色，包括MT-Bench和AlpacaEval 2.0。该模型的发布展示了在模型规模扩展方面的巨大潜力，并且预示着未来通过扩展数据和模型规模，可以获得更大的性能提升。
ID-Aligner 是一种用于增强身份保留文本到图像生成的反馈学习框架，它通过奖励反馈学习来解决身份特征保持、生成图像的审美吸引力以及与LoRA和Adapter方法的兼容性问题。该方法利用面部检测和识别模型的反馈来提高生成的身份保留，并通过人类标注偏好数据和自动构建的反馈来提供审美调整信号。ID-Aligner 适用于LoRA和Adapter模型，通过广泛的实验验证了其有效性。
Bundle of Joy是一个为准父母设计的应用程序，可以在几秒钟内为他们的新生儿浏览和筛选名字。该应用根据父母的偏好推荐名字，并根据父母的喜好进行学习，为他们提供适合他们口味的新的推荐。父母可以指示宝宝的性别，然后选择以下两个选项之一：名字的首选来源、宗教、主题、首字母和含义。他们开始根据自己的独特偏好获得漂亮的宝宝名字推荐。他们可以随时修改这些偏好，并继续根据自己的口味获得新鲜的推荐。
StudyBoosterAI通过AI技术提供个性化支持，包括定制化学习材料、生动的学习内容、个性化学习计划等，帮助学生更有效地学习和记忆知识。
SNAPVID是一款智能视频编辑工具，利用AI技术提供多个热门视频剪辑建议，用户只需点击一次即可创建多个病毒式视频剪辑。同时，用户可以根据需要自定义剪辑长度和风格，并添加自定义的字幕和动画表情。SNAPVID还支持批量导出和品牌定制，使用户能够轻松导出自己喜欢的视频剪辑并保存项目设置，方便在多个项目中复用。通过AI B Roll技术，SNAPVID还可以自动添加相关的库存视频，提升视频的沉浸感。
