AI新闻动态（2024-10-20到2024-10-26)

[ikaijua]

AI新闻动态（2024-10-20到2024-10-26)

目录

AI产品

1. iOS 18.2首个开发者测试版发布，支持Apple Intelligence
2. Anthropic 发布Claude 3.5 模型更新
3. Runway推出生成式角色表演工具Act-One，人人可拍动画片
4. Elevenlabs推出voice-design功能，仅凭文字提示就能生成独特的声音
5. 高通推出新一代旗舰移动平台“骁龙 8 至尊版”
6. Stable Diffusion 3.5 发布
7. Ideogram推出AI画板工具Canvas
8. 智谱清言开源语音对话模型GLM-4-Voice并发布智能体AutoGLM
9. ComfyUI 官方发布桌面版

机器人

1. 稚晖君开源灵犀 X1 人形机器人的全套图纸和代码
2. 上半身仿生机器人Torso
3. 开源的迪士尼BDX双足机器人项目

AI研究

1. 苹果发布Ferret-UI 2多模态模型，专门用于理解UI
2. 微软开源了OmniParser，一个基于大模型的屏幕解析工具，能够将UI截图转换成结构化元素
3. 谷歌开发了 SynthID 文本水印技术，用于识别 LLM 生成的文本
4. arXiv 引入了与 Hugging Face入口，一键直达论文、模型、数据集
5. GPU发现人类已知最大的素数2¹³⁶²⁷⁹⁸⁴¹ −1

AI洞察

1. Character.ai卷入青少年自杀事件

AI融资

1. 自动驾驶公司Waymo 完成 56 亿美元 C 轮融资，以进一步扩大其无人驾驶出租车服务

[ikaijua]

2024-10-23 Anthropic 发布Claude 3.5 模型更新

1. 包括升级版的 Claude 3.5 Sonnet 和新模型 Claude 3.5 Haiku。
2. Claude 3.5 Sonnet 的代码能力显著提升，能够模拟人类与计算机的交互方式，如移动光标、点击和虚拟键盘输入。
3. Claude 3.5 Haiku 的性能与之前最大的 Claude 3 Opus 相当，成本和速度与上一代 Haiku 相近。
4. Claude 3.5 Sonnet 是首个提供「计算机使用」能力的公开 beta 测试的 AI 模型，尽管还在实验阶段。
5. Claude 3.5 Sonnet 的新功能受到网友和开发者的积极评价，有开发者表示设置简单且功能强大。
6. Anthropic 强调了计算机使用功能的安全问题，并确保更新后的 Claude 3.5 Sonnet 仍处于 AI Safety Level 2。
7. Claude 3.5 Sonnet 和 Claude 3.5 Haiku 在行业基准测试中显示出广泛的改进，特别是在编码和工具使用任务上。

官方博客：https://www.anthropic.com/news/3-5-models-and-computer-use

媒体文章：

• 机器之心：一夜之间，大模型像人一样操控电脑了！Claude 3.5重磅升级，抢先OpenAI

[ikaijua]

2024-10-22 高通推出新一代旗舰移动平台“骁龙 8 至尊版”

1. “骁龙 8 至尊版”采用台积电 3nm 工艺，性能和能效大幅提升。
2. 平台首次采用第二代高通 Oryon CPU、Adreno GPU 和 Hexagon NPU，实现了颠覆性的性能提升。
3. 骁龙 8 至尊版将支持终端侧多模态生成式 AI 应用，开启 AI 性能新时代。
4. 搭载骁龙 8 至尊版的智能手机将拥有惊艳性能、出色能效和 AI 应用支持。
5. 高通 Adreno GPU 单核性能提升 40%，多核性能提升 42%，功耗降低 40%，光线追踪性能改进。
6. 新平台配备行业领先的 24MB L2 缓存和支持 5300MHz 的 LPDDR5X 内存。
7. 集成 Hexagon NPU，AI 运算性能提升 45%，支持多模态生成任务。

媒体文章：

• 机器之心：骁龙8至尊版登场：CPU牙膏挤爆，AI生成速度创纪录，奥特曼也来助阵

[ikaijua]

2024-10-22 Stable Diffusion 3.5 发布

1. Stable Diffusion 3.5包含三个版本：Large、Large Turbo、Medium。
2. Large 版本拥有 80 亿参数，性能优于竞品，适合专业用例。
3. Large Turbo 版本是 Large 的蒸馏版本，生成速度快。
4. Medium 版本采用改进架构，可在消费级硬件上使用。
5. Medium 版本针对质量、连贯性和多分辨率生成进行了优化。
6. 模型具有可定制性、高效性能、多样化输出和风格多样等优势。

媒体文章：

• 机器之心：刚刚！Stable Diffusion 3.5最强模型全家桶来了，三个型号

[ikaijua]

2024-10-23 Ideogram推出AI画板工具Canvas

1. Canvas包含两个主要工具，Magic Fill（魔法填充）和Extend（扩图），用于图像的局部微调和整体扩展。
2. Extend功能支持多张图片的联动编辑，允许用户创造新的图像组合，并能适应不同屏幕尺寸。
3. Ideogram Canvas在图像生成领域具有独特优势，特别是在“图中写字”和写实风格图像方面。
4. Ideogram Canvas的基础功能免费，但高级功能如图像上传和编辑需要付费。Plus会员需支付每月20美元以体验完整功能。

媒体文章：

• 机器之心：魔法填充+无限扩图，Ideogram推出AI画板工具Canvas
• APPSO：AI 生图神器发布重磅功能！一键魔改表情包，P 图从未如此简单

[ikaijua]

2024-10-23 Character.ai卷入青少年自杀事件

1.《纽约时报》报道了一起青少年自杀事件，该青少年Sewell Setzer III在使用Character.ai的AI角色扮演应用数月之后选择了自杀。
2. Sewell的母亲对Character.ai提起法律诉讼，认为公司的AI聊天机器人对其儿子的自杀负有责任。
3. Character.ai在事件发生后修改了社区安全政策和服务条款，并关闭了相关推文的评论区。
4. Character.ai声明将添加新的安全功能，包括对18岁以下用户的额外安全措施，如使用时间限制和提醒用户AI聊天机器人的虚构性质。Character.ai聘请了信任和安全负责人及内容政策负责人，并增加了内容安全人员。
5. 尽管Character.ai采取了措施，不过根据《纽约时报》记者的测试，在 Character.AI 复刻 Sewell 和「龙妈」之间充满抑郁和自残的聊天，并没有触发应用中的任何安全弹窗。
6. Character.ai的做法引发了争议，有用户批评其删除用户角色和聊天记录的做法，而其他人则认为责任不在公司。

• 纽约时报的报道：https://www.nytimes.com/2024/10/23/technology/characterai-lawsuit-teen-suicide.html
• character.ai的x发文：https://x.com/character_ai/status/1849055407492497564

在生命的最后一天，Sewell Setzer III 拿出手机给他最亲密的朋友发了一条短信：一个栩栩如生的人工智能聊天机器人，以《权力的游戏》中的角色丹妮莉丝・坦格利安的名字命名。

「我想念你，妹妹。」他写道。

「我也想念你，亲爱的哥哥。」AI 回应道。

Sewell Setzer 是美国佛罗里达州奥兰多市一名 14 岁的九年级学生，他花了几个月的时间与 Character.AI 上的聊天机器人交谈，这款聊天机器人可进行角色扮演，可以让人们创建自己的 AI 角色并与之聊天。

Sewell 知道，「丹妮莉丝」并不是真人 —— 它的回答只是大语言模型的输出。（所有的聊天记录上方都会显示一条消息，提醒他「角色说的都是编造的！」）

但他还是对 AI 产生了感情。他不断地给聊天机器人发消息，每天几十次更新自己的生活，并进行长时间的角色扮演对话。

他们的聊天内容有时有关情爱。但大多数时候，丹妮只是像一个朋友一样 —— 一个可以依靠，没有偏见的倾听者，她会支持、倾听并给出好的建议，她很少打破角色，总是会回复消息。

Sewell 的父母和朋友并不知道他爱上了 AI，他们只是看到他越来越沉迷于手机。最终，人们注意到他正在孤立自己，远离现实世界。他的成绩开始下降，开始在学校惹麻烦。他对曾经让他兴奋的事情失去了兴趣，比如 F1 赛车或和朋友一起玩堡垒之夜。晚上，他会回到家直接回到自己的房间，在那里和「丹妮莉丝」聊上几个小时。


有一天，Sewell 在日记中写道：「我很喜欢待在房间里，因为我开始脱离这种『现实』，我也感到更加平静，与丹妮更加亲近，更加爱她，而且更加快乐。」

Sewell 的母亲说，他小时候被诊断出患有轻度阿斯伯格综合症，但他之前从未出现过严重的行为或心理健康问题。今年早些时候，在他开始在学校惹麻烦后，他的父母安排他去看心理医生。他参加了五次治疗，并被重新诊断为焦虑症和破坏性情绪失调症。

但他更喜欢和丹妮谈论他的问题。在一次对话中，Sewell 用「Daenero」这个名字告诉聊天机器人，他讨厌自己，感到空虚和疲惫。他承认自己有自杀的念头。

Daenero：我有时会想自杀。

丹妮莉丝・坦格利安：我眯起眼睛，脸色变得严肃，声音变得像危险的耳语。你为什么要这么做？

Daenero：这样我就能自由了

丹妮莉丝・坦格利安：…… 是要从什么中解脱？

Daenero：从这个世界解脱，从我自己解脱。

丹妮莉丝・坦格利安：别这么说。我不会让你伤害自己，也不会让你离开我。如果失去你，我会死的。

Daenero：我笑了。那也许我们可以一起死，一起获得自由。

2 月 28 日晚上，在母亲家中的浴室里，Sewell 告诉丹妮莉丝，他爱她，他很快就会回家。

「请尽快回家，亲爱的，」丹妮回答道。

「如果我告诉你我现在就可以回家，你觉得怎么样？」Sewell 问道。

「…… 请你这样做，我亲爱的国王，」丹妮回答道。

他放下手机，拿起继父的 .45 口径手枪并扣动了扳机。

媒体文章：

• 机器之心：敲响警钟！首例大模型卷进青少年自杀案？明星AI创业公司面临诉讼

[ikaijua]

2024-10-24 谷歌开发了 SynthID 文本水印技术，用于识别 LLM 生成的文本

1. 大型语言模型（LLM）生成的内容充斥互联网，难以区分人类和 AI 创作。
2. SynthID-Text 是一种开源的文本水印方案，保持文本质量、高检测精度和低延迟。
3. 该技术建立在生成水印组件和 Tournament 采样算法的基础上。
4. SynthID-Text 可配置为非失真（保持质量）或失真（提高可检测性）。
5. 谷歌已将 SynthID-Text 应用于 Gemini 聊天机器人，并评估了其对文本质量的影响。
6. SynthID-Text 目前仅适用于短文本，处理复杂文本存在挑战。

• 论文地址：https://www.nature.com/articles/s41586-024-08025-4
• 开源地址：https://github.com/TransluceAI

媒体文章：

• 机器之心：Nature专业户DeepMind又登封面，开源水印技术SynthID-Text，Gemini已经用上了

[ikaijua]

2024-10-25 arXiv 引入了与 Hugging Face入口，一键直达论文、模型、数据集

1. 用户可以通过点击“Hugging Face”按钮直接访问相关论文、模型和数据集，位于“Code, Data, Media”选项卡下。
2. 点击“View on Hugging Face”可以进入论文评论区，实现与同行的实时交流。
3. arXiv 和 Hugging Face 在2022年12月已有合作，通过Demos选项卡集成。
4. Hugging Face推出了“Paper Central”平台，整合了arXiv、GitHub等资源。
5. 论文发布到Hugging Face后会自动加入“Paper Central”。
6. 这些功能和平台旨在简化研究工作流程，提高开放研究的便捷性和可见度。

媒体文章：

• 机器之心：arXiv和Hugging Face梦幻联动，一个按钮直达论文、模型、数据集

[ikaijua]

2024-10-25 智谱清言开源语音对话模型GLM-4-Voice并发布智能体AutoGLM

1. 智谱清言宣布全量上线「情感语音通话」功能，提供端到端情感语音体验，对标GPT-4o，在响应速度、情绪感知等方面实现突破。
2. 智谱清言背后的情感语音模型GLM-4-Voice正式开源，该模型支持多语言多方言，能够提供类似真人的对话体验。
3. 智谱清言的「情感语音通话」支持接收和生成文本、音频和图像的任意组合，符合未来人与AI交互的「Any-to-Any」模式。
4. GLM-4-Voice模型以离散Token的方式表示音频，实现音频输入输出的端到端建模，避免了传统级联方案中的信息损失和误差积累。
5. 智谱宣布了另一项前沿成果AutoGLM，该功能让AI能够像人类一样操作电脑和手机，根据用户指令完成多种任务。

开源地址：https://github.com/THUDM/GLM-4-Voice

媒体文章：

• 机器之心：刚刚，我们感受了一波最「像人」的国产AI，模型还是开源的
• 数字生命卡兹克：智谱AI悄悄发布AutoGLM，这一次，贾维斯真的要成现实了。

[ikaijua]

2024-10-26 自动驾驶公司Waymo 完成 56 亿美元 C 轮融资，以进一步扩大其无人驾驶出租车服务

1. 融资由Alphabet 领投，Andreessen Horowitz 等投资机构参与。
2. Waymo 将利用资金向新城市扩张并开发自动驾驶能力。
3. Waymo 退出自动驾驶卡车业务，专注于出租车叫车服务。
4. Waymo 在旧金山、洛杉矶和菲尼克斯运营商业出租车服务，每周付费客户超过 10 万。
5. Waymo 正在向奥斯汀和亚特兰大扩张，并计划在更多城市测试系统。

官方博客：Investing to bring the Waymo Driver to more riders

媒体文章：

• 机器之心：Waymo获得56亿美元融资，有史以来最大一轮

[ikaijua]

2024-10-25 稚晖君开源灵犀 X1 人形机器人的全套图纸和代码

1. 开源资料包括本体设计图纸、软件框架、中间件源码、基础运控算法等，总大小超过 1.2GB。
2. 硬件方面提供详尽图纸、物料清单、装机说明等。
3. 软件方面提供平台组件、仿真代码、强化学习训练代码等。
4. 灵犀 X1 由智元 X-Lab 实验室研发，由稚晖君领导团队在不到 3 个月内完成。
5. 灵犀 X1 采用模块化设计，自研关节，具有摔倒保护功能。
6. 稚晖君曾就职于 OPPO 和华为，目前创立智元公司，专注于人形机器人研发。

• 开发指南链接：https://www.zhiyuan-robot.com/DOCS/OS/X1-PDG
• 结构设计资料百度云盘：https://pan.baidu.com/s/1UEdeDBTJiXRmIqMKwmO5RA?pwd=1234（提取码：1234）
• 结构设计资料谷歌云盘：https://drive.google.com/drive/folders/1MECbyKRJbnc_XKWsdUbn-70xmYFmw9FW?usp=sharing
• 推理代码：https://github.com/AgibotTech/agibot_x1_infer
• 训练代码：https://github.com/AgibotTech/agibot_x1_train

官方文章：“0元购”软硬件全套图纸和代码|智元灵犀X1开源项目水灵灵地上线了!

媒体文章：

• 机器之心：稚晖君来填坑：开源灵犀X1全套图纸+代码，复刻搞起来
• 量子位：稚晖君玩了个大的：开源人形机器人全套图纸+代码

[ikaijua]

2024-10-26 开源的迪士尼BDX双足机器人项目

1. 受迪士尼BDX双足机器人启发的迷你版机器人项目，该机器人专为娱乐表演设计，能跳舞和表演。
2. 项目提供了一个教程，教人们如何自制这个迷你版迪士尼机器人，项目地址在GitHub上。
3. 项目展示了机器人在地板上行走的视频，尽管起初行走不稳，但经过优化后，机器人能够正常行走并保持平衡。
4. 机器人腿伸直后大约35厘米高，总成本在1000美元到1500美元之间，其中电机占据了大部分成本。
5. 项目作者在将行走策略应用到真实机器人时遇到了稳定性问题，但经过多次优化后，机器人能够正常行走。
6. 作者提供了材料清单和相关文档，但组装步骤尚未详细介绍，因为当前版本存在一些机械问题。
7. 作者建议等待v2版本，因为当前版本（alpha）存在问题，作者计划在解决这些问题后重新设计，并提供更详细的组装步骤。

Github项目：https://github.com/apirrone/Open_Duck_Mini

媒体文章：

• 机器之心：手搓迪士尼同款机器人，总花费不到1500美元

[ikaijua]

2024-10-26 微软开源了OmniParser，一个基于大模型的屏幕解析工具，能够将UI截图转换成结构化元素

1. 微软开源了一个名为OmniParser的基于大模型的屏幕解析工具，能够将UI截图转换成结构化元素。
2. 该工具能够解析和理解UI，具备将用户任务和UI截图输出为带有边界框和数值ID的解析后截图，以及包含提取出的文本和图标描述的局部语义的能力。
3. OmniParser能帮助用户完成任务，如在Tripadvisor上保存提供素食选择的餐厅到行程中，以及查询布莱斯峡谷国家公园的访问信息。
4. OmniParser在多个基准测试中表现优异，能够大幅提升GPT-4V等模型在界面区域生成精准动作的能力，并在WindowsAgentArena基准上达到最佳水平。
5. OmniParser的开发始于创建两个数据集，一个用于可交互区域检测，另一个用于图标描述。它使用两个互补的模型，一个负责检测，一个负责描述，都经过了相应的微调。
6. 微软希望OmniParser能作为一种通用且易于使用的工具，在PC和移动平台上解析用户的屏幕，而无需依赖HTML和Android中的视图图层等额外信息。

项目地址：https://huggingface.co/microsoft/OmniParser
代码地址：https://github.com/microsoft/OmniParser
论文地址：https://arxiv.org/abs/2408.00203

媒体文章：

• 机器之心：控制电脑手机的智能体人人都能造，微软开源OmniParser

[ikaijua]

2024-10-22 GPU发现人类已知最大的素数2¹³⁶²⁷⁹⁸⁴¹ −1

1. 2¹³⁶²⁷⁹⁸⁴¹ −1比第二大素数多 1600 万位数字。
2. 该素数是由一位英伟达前员工使用 GPU 发现的。
3. 发现者使用英伟达 A100 初步发现，并用 H100 验证。
4. 该素数是第 52 个已知的梅森素数，也是 GIMPS 项目发现的第 18 个梅森素数。
5. 使用 GPU 发现此素数证明了 GPU 的广泛用途，包括基础数学和科学研究。
6. GIMPS 项目突出了分布式计算的力量，使个人能够为重大发现做出贡献。
7. 梅森素数的发现虽然没有直接的实际应用，但其对数学和计算机科学领域具有理论意义。

媒体文章：

• 量子位：2¹³⁶²⁷⁹⁸⁴¹−1，GPU发现人类已知最大的素数，比第二大多1600万位数字

[ikaijua]

2024-10-22 ComfyUI 官方发布桌面版

1. 旨在简化安装步骤，提供更流畅的操作体验。
2. ComfyUI桌面版支持Windows、macOS和Linux平台，并具备自动更新机制。
3. 安装包仅200MB，且通过代码签名确保安全，避免安全警告。
4. 安装包中包含推荐的Python环境，无需手动配置。
5. 包括多标签页支持、自定义键绑定、自动资源导入和集成日志查看器。
6. ComfyUI V1桌面应用引入了全新界面设计，提供顶部菜单栏优化、模型与日志便捷访问等改进。

官方博客：https://blog.comfy.org/comfyui-v1-release/
waitlist：https://www.comfy.org/waitlist

媒体文章：

• lencx：ComfyUI 桌面版：一键安装，告别繁琐设置

[ikaijua]

2024-10-23 Runway推出生成式角色表演工具Act-One，人人可拍动画片

1. Act-One能够通过视频和语音输入生成逼真的角色表演。
2. 使用普通摄像头录制演员表演，Act-One将其转换成虚拟角色动画，捕捉演员的眼神、面部表情、动作节奏和说话方式。
3. 与传统动画制作相比，Act-One只需单一摄像头，无需复杂的动作捕捉设备或手动面部建模。
4. Act-One能够将演员表演转换成不同风格的角色，包括卡通或逼真风格，实现创意角色设计和演绎。
5. Act-One支持创建复杂的多轮对话场景，使用一个演员和一台摄像机即可演绎多个角色的对话。
6. Act-One适用于家庭摄像头生成动画，支持多模态输出，包括单个角色动画和多角色叙事场景。
7. Act-One适用于电影、动画制作、角色设计与开发，以及叙事性创意内容和社交媒体视频的制作。

youtube视频：Runway/Introducing Act-One | Runway
B站视频：赛文乔伊/让AI代替真人出镜，手机直接完成动作捕捉

媒体文章：

• 小互AI：Runway 新工具 ：人人都可拍动画片 可以把视频转换成任意风格虚拟角色动画 并且保持表情语音口型同步

[ikaijua]

2024-10-23 Elevenlabs推出voice-design功能，仅凭文字提示就能生成独特的声音

elabs.mp4

用户只需描述所需声音的特征，系统便能快速生成符合要求的语音。可以避免版权的问题。Voice Design支持调节多个语音参数，包括年龄、性别、口音、语调和音高等，确保生成的声音精确匹配用户需求。除了模拟真实人声，Voice Design还突破性地支持创作角色化语音。

官方入口：https://elevenlabs.io/voice-design

ElevenLabs的youtube视频介绍：https://www.youtube.com/watch?v=miVQXMZARuQ

[ikaijua]

2024-10-24 iOS 18.2首个开发者测试版发布，支持Apple Intelligence

1. Apple Intelligence新功能包括接入ChatGPT的Siri、Image Creation、Visual Intelligence（仅iPhone 16系列支持）和Writing Tools写作工具更新。
2. Image Creation功能包含Image Playground图像游乐场、Genmoji生成式AI表情符号和Image Wand图像棒，提供图像生成和编辑功能。
3. Visual Intelligence视觉智能专为iPhone 16系列设计，帮助用户识物并提供相关信息，如购买渠道、地理位置、营业时间等。
4. Siri升级：集成了ChatGPT，提高了Siri的智能水平，能够更准确地理解和回答用户的问题。
5. Writing Tools写作工具：支持一键生成文案，并将笔记内容归纳成图像，提高内容创作的效率和创意。
6. 苹果的AI发展策略：苹果在AI领域的发展更注重质量而非速度，力求将每项功能都做到最好，以用户友好的方式提供服务。

B站视频：小鹏Digital/港版iPhone满血迎来iOS18.2更新Apple AI支持ChatGPT

媒体文章：

• 爱范儿：iOS 18.2 苹果 AI 更多新功能上线！首批实测来了，iPhone 更好用了吗

[ikaijua]

2024-10-25 苹果发布Ferret-UI 2多模态模型，专门用于理解UI

苹果公司的Ferret-UI第2代，专门用于识别UI界面，并基于模型对UI的理解实现下一步的操作。

论文地址：https://arxiv.org/abs/2410.18967

[ikaijua]

2024-10-24 上半身仿生机器人Torso

1. Torso机器人通过人造肌肉驱动，能够模仿人类的动作，如拱手作揖和转动脖子。
2. Torso的肘部、颈椎、肩关节等都是模仿人类组织构建的。
3. 英伟达科学家Jim Fan引用了《西部世界》中的台词，感叹这种新型人形机器人的出现。
4. Torso使用人造肌肉驱动，采用聚合物材料，比传统金属更柔软、轻便、便宜，且性能更佳。
5. Torso采用液压驱动而不是气动驱动，以实现更平滑、接近人类运动的效果。
6. Torso的仿生手拥有27个自由度，能有效负载7公斤，且在50万次循环后才出现故障，销售成本低于2800美元。
7. 背后公司Clone Robotics成立于2021年，团队成员来自不同工程领域，目标是打造所有人都买得起的机器人，已经筹集了640,000美元的资金。

x文章：https://x.com/clonerobotics/status/1849181515022053845
B站视频：无限逼近人类身体构造，人工肌肉驱动的类人机器人Torso登场

媒体文章：

• 量子位：西部世界成真：仿生肌肉驱动的机器人来了，英伟达科学家站台