OpenAI向所有开发者推出GPT-4o数据微调功能，可以使用自己的数据打造准确率、输出模式更好的个性化ChatGPT助手。例如，韩国最大电信运营商SK Telecom通过OpenAI的数据微调功能，打造了特定的AI助手，使对话总结准确率提高了35%，意图识别率提升了33%，客户满意度大幅度提升。同时O
......
本文由站长之家合作伙伴自媒体作者“AIGC开放社区公众号”授权发布于站长之家平台，本平台仅提供信息索引服务。由于内容发布时间超过平台更新维护时间，为了保证文章信息的及时性，内容观点的准确性，平台将不提供完全的内容展现，本页面内容仅为平台搜索索引使用。需阅读完整内容的用户，请查看原文，获取内容详情。
（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
TechWeb文/卞海川毫无预热的情况下，OpenAI于9月13日凌晨发布了o1系列的大模型，这是传闻中内部代号为“草莓”的项目，也是OpenAI首款具备复杂推理能力的大模型。与其前代模型相比，新模型o1擅长通用复杂推理，在物理、信息学等领域表现优异，OpenAICEO奥特曼称它是一种新范式的开始：可以进行通用复杂推理的人工智能。但在一些自然语言任务中，GPT-4o更胜一筹。
阿里巴巴官宣了史上最大规模的开源发布，推出了基础模型Qwen2.5、专用于编码Qwen2.5-Coder和数学的Qwen2.5-Math。这三大类模型一共有10多个版本，包括0.5B、1.5B、3B、7B、14B、32B和72B，适用于个人、企业以及移动端、PC等不同人群不同业务场景的模型。同时对系统提示的多样性更具弹性，增强了聊天机器人的角色扮演实施和条件设置。
腾讯混元推出新一代旗舰大模型——混元Turbo。作为国内率先采用MoE结构大模型的公司，腾讯继续在这一技术路线上进行技术创新。基于混元Turbo模型强大的通用内容理解和推理能力，以及与腾讯生态体系、如微信搜一搜、搜狗搜索、微信公众号、视频号、腾讯新闻和腾讯金融等内容平台全面连接，为用户提供丰富、权威的生态优质内容及全网信息。
提示工程师RileyGoodside小哥，依然在用「Strawberry里有几个r」折磨大模型们，GPT-4o在无限次PUA后，已经被原地逼疯!相比之下，Claude坚决拒绝PUA，是个大聪明。谷歌最近的论文也揭示了本质原因:LLM没有足够空间，来存储计数向量。这表明在计数任务中，我们可能需要借助于不具有相同限制的工具，例如代码解释器等。
AI玩黑神话，第一个精英怪牯护院轻松拿捏啊。在本项研究中，数据集中的有效数据为1000条。
在刚刚召开的“KDDISUMMIT2024”大会上，OpenAI日本首席执行官長崎忠雄表示，截止至今年8月底，ChatGPT的月活用户数量突破2亿大关，成为史上最快达到这一成就的软件产品。ChatGPT企业级用户也获得大幅度增长达到百万级，典型客户包括苹果、普华永道、可口可乐、摩根大通、Salesforce、Moderna等世界顶级公司。两人都坚信，随着AI技术的不断创新、迭代，在很多业务场景中都会看到它们的身影，成为整个社会的重要基础部分之一。
今天特斯拉对外事务副总裁陶琳宣布，今天第100万辆出口的中国制造特斯拉从上海南港码头装船启航。从首批车辆出口至今，短短四年时间，中国制造特斯拉远销欧洲、亚太、澳新等多个国家和地区，获得海外市场的高度认可。今天的第100万辆出口的中国制造特斯拉同样是Model3，即将发往英国。
自9月7日开启预订以来，仅10天时间，华为MateXT非凡大师三折叠的官网预约人数就超过了626万人。该机于9月10日正式发布，9月20日10:08正式开售。华为MateXT一部手机里有三块电池，总容量5600mAh，续航持久每块厚度仅1.9mm，薄如蝉翼，极大节省了机身堆叠空间，华为称其为全球最薄硅负极大容量电池”。
金山办公披露，目前AI会员、大会员累计年度付费用户数合计已经超过100万，WPSAI也已接入全线产品。金山办公还确认，与华为共同合作推出了WPS鸿蒙版，在全端流畅运行，并支持多平台账号统一、跨端调用、跨屏协同等功能。WPSOffice官网上线了WPSOfficeforLinux12个人版，新增AI帮我写、AI帮我改、AI写公式、AI生成PPT等。
今日下午，华为举办秋季全场景新品发布会，智界R7正式上市，新车共推出三款车型，分别为Pro、Max和Ultra版，售价区间为25.98-33.98万元。余承东介绍，智界R7是鸿蒙智行的首款轿跑SUV，车辆是真正按照100万车的标准的用料设计、材质、性能、工艺质量来设计的，并且是以断代式领先的高阶智能驾驶来打造的。余承东还强调，鸿蒙智行暂时不考虑推出20万元以下汽车，因为暂时没有做到20万元以下成本的能力。
Canvas是OpenAI推出的一个新界面，旨在通过与ChatGPT的协作来改进写作和编码项目。它允许用户在一个单独的窗口中与ChatGPT一起工作，超越了简单的聊天界面。Canvas利用GPT-4o模型，能够更好地理解用户的上下文，并提供内联反馈和建议。它支持直接编辑文本或代码，并提供快捷操作菜单，帮助用户调整写作长度、调试代码等。Canvas还支持版本回溯，帮助用户管理项目的不同版本。
Text Behind Image 是一个开源的设计工具，允许用户轻松创建文字背景图片设计。它提供了一个简洁的界面，让用户可以自由地在图片上添加文字，创造出独特的视觉效果。这个工具对于设计师、社交媒体运营者和内容创作者来说非常有用，因为它可以快速生成具有吸引力的视觉内容。
torchao是PyTorch的一个库，专注于自定义数据类型和优化，支持量化和稀疏化权重、梯度、优化器和激活函数，用于推理和训练。它与torch.compile()和FSDP2兼容，能够为大多数PyTorch模型提供加速。torchao旨在通过量化感知训练（QAT）和后训练量化（PTQ）等技术，提高模型的推理速度和内存效率，同时尽量减小精度损失。
Liquid Foundation Models (LFMs) 是一系列新型的生成式AI模型，它们在各种规模上都达到了最先进的性能，同时保持了更小的内存占用和更高效的推理效率。LFMs 利用动态系统理论、信号处理和数值线性代数的计算单元，可以处理包括视频、音频、文本、时间序列和信号在内的任何类型的序列数据。这些模型是通用的AI模型，旨在处理大规模的序列多模态数据，实现高级推理，并做出可靠的决策。
NVLM-D-72B是NVIDIA推出的一款多模态大型语言模型，专注于视觉-语言任务，并且通过多模态训练提升了文本性能。该模型在视觉-语言基准测试中取得了与业界领先模型相媲美的成绩。
gradio-bot是一个可以将Hugging Face Space或Gradio应用转化为Discord机器人的工具。它允许开发者通过简单的命令行操作，将现有的机器学习模型或应用快速部署到Discord平台上，实现自动化交互。这不仅提高了应用的可达性，还为开发者提供了一个与用户直接交互的新渠道。
AI-Powered Meeting Summarizer是一个基于Gradio的网站应用，能够将会议录音转换为文本，并使用whisper.cpp进行音频到文本的转换，以及Ollama服务器进行文本摘要。该工具非常适合快速提取会议中的关键点、决策和行动项目。
VARAG是一个支持多种检索技术的系统，优化了文本、图像和多模态文档检索的不同用例。它通过将文档页面作为图像嵌入，简化了传统的检索流程，并使用先进的视觉语言模型进行编码，提高了检索的准确性和效率。VARAG的主要优点在于它能够处理复杂的视觉和文本内容，为文档检索提供强大的支持。
JoyHallo是一个数字人模型，专为普通话视频生成而设计。它通过收集来自京东健康国际有限公司员工的29小时普通话视频，创建了jdh-Hallo数据集。该数据集覆盖了不同年龄和说话风格，包括对话和专业医疗话题。JoyHallo模型采用中国wav2vec2模型进行音频特征嵌入，并提出了一种半解耦结构来捕捉唇部、表情和姿态特征之间的相互关系，提高了信息利用效率，并加快了推理速度14.3%。此外，JoyHallo在生成英语视频方面也表现出色，展现了卓越的跨语言生成能力。
PhysGen是一个创新的图像到视频生成方法，它能够将单张图片和输入条件（例如，对图片中物体施加的力和扭矩）转换成现实、物理上合理且时间上连贯的视频。该技术通过将基于模型的物理模拟与数据驱动的视频生成过程相结合，实现了在图像空间中的动态模拟。PhysGen的主要优点包括生成的视频在物理和外观上都显得逼真，并且可以精确控制，通过定量比较和全面的用户研究，展示了其在现有数据驱动的图像到视频生成工作中的优越性。
Whisper large-v3-turbo是OpenAI提出的一种先进的自动语音识别(ASR)和语音翻译模型。它在超过500万小时的标记数据上进行训练，能够在零样本设置中泛化到许多数据集和领域。该模型是Whisper large-v3的微调版本，解码层从32减少到4，以提高速度，但可能会略微降低质量。
Realtime API 是 OpenAI 推出的一款低延迟语音交互API，它允许开发者在应用程序中构建快速的语音到语音体验。该API支持自然语音到语音对话，并可处理中断，类似于ChatGPT的高级语音模式。它通过WebSocket连接，支持功能调用，使得语音助手能够响应用户请求，触发动作或引入新上下文。该API的推出，意味着开发者不再需要组合多个模型来构建语音体验，而是可以通过单一API调用实现自然对话体验。
Saylo AI是一个AI角色扮演游戏，让你与AI角色互动，探索多样化的戏剧性故事。它利用人工智能技术，提供沉浸式的互动体验，让玩家在虚拟世界中与AI朋友交流，体验不同的故事情节。Saylo AI的背景信息展示了其创新性和娱乐性，旨在为玩家提供一种全新的娱乐方式。目前产品处于推广阶段，价格未明确标注。
twinny是一个为Visual Studio Code用户设计的AI扩展，旨在提供个性化的编程辅助，提高开发效率。它通过集成先进的AI技术，帮助开发者在编码过程中快速解决问题，优化代码，并提供智能提示。twinny的背景是响应开发者对于更加智能和自动化编程工具的需求，它通过简化开发流程，减少重复劳动，从而让开发者能够专注于更有创造性的工作。
Buildpad 是一个旨在帮助创始人从概念到成功最小可行产品(MVP)的在线平台。它通过提供智能验证工具、AI引导的开发流程、进度跟踪以及个性化的项目见解，帮助用户构建能够获得市场认可的产品。Buildpad 的主要优点包括简化产品开发流程、提高产品成功率、以及提供个性化的指导和支持。
Novela是一个专注于AI时代技能学习的在线平台，提供早期访问服务，用户可以免费试用。它旨在帮助用户掌握AI相关的技能，以适应未来职场的需求。
interview.co是一个专注于简化招聘流程的视频面试软件。它通过提供在线视频面试、AI问题生成器和面试管理工具，帮助企业高效地筛选和评估候选人。产品背景信息显示，interview.co旨在解决传统面试中的时间消耗、日程安排困难和成本高昂等问题。价格方面，interview.co提供试用版，具体定价信息需进一步探索。
Open NotebookLM是一个利用开源语言模型和文本到语音模型的工具，它可以处理PDF内容，生成适合音频播客的自然对话，并将其输出为MP3文件。该项目的灵感来自于NotebookLM工具，通过使用开源的大型语言模型（LLMs）和文本到语音模型来实现。它不仅提高了信息的可访问性，还为内容创作者提供了一种新的媒体形式，使他们能够将书面内容转换为音频格式，扩大其受众范围。
Chital是一个为macOS平台设计的应用程序，它允许用户与Ollama模型进行聊天。这个应用具有低内存占用和快速启动的特点，支持多聊天线程，能够在不同的模型间切换，并支持Markdown格式。此外，它还能自动为聊天线程生成标题摘要。Chital的开发主要是为了满足开发者个人的使用需求，但也鼓励社区成员通过fork代码库来添加新功能。
SafeEar是一个创新的音频深度检测框架，它能够在不依赖于语音内容的情况下检测深度音频。这个框架通过设计一个神经音频编解码器，将语义和声学信息从音频样本中分离出来，仅使用声学信息（如韵律和音色）进行深度检测，从而保护了语音内容的隐私。SafeEar通过在真实世界中增强编解码器来提高检测器的能力，使其能够识别各种深度音频。该框架在四个基准数据集上的广泛实验表明，SafeEar在检测各种深度技术方面非常有效，其等错误率（EER）低至2.02%。同时，它还能保护五种语言的语音内容不被机器和人类听觉分析破译，通过我们的用户研究和单词错误率（WER）均高于93.93%来证明。此外，SafeEar还构建了一个用于反深度和反内容恢复评估的基准，为未来在音频隐私保护和深度检测领域的研究提供了基础。
