AI新闻动态（2024-11-10到2024-11-16)

[ikaijua]

AI新闻动态（2024-11-10到2024-11-16)

这里记录每周值得分享的AI新闻动态，周日发布。

欢迎投稿。另有AI招人板块发布AI领域相关招聘信息。合作请邮件联系。

目录

AI产品

1. 字节跳动豆包大模型团队发布图像编辑模型SeedEdit
2. ChatGPT客户端更新：Mac版支持“读屏编程”，Windows版全员可用了
3. 马斯克的x.ai最新模型Grok-2 API开启免费公测，每人每月送25美金
4. 苹果发布Final Cut Pro 11，引入了多项AI功能，包括自动抠图和自动生成字幕
5. Qwen2.5-Coder-32B模型发布，多个基准测试中超越GPT-4o
6. 谷歌推出实验性教育AI产品Learn About，旨在通过对话学习伴侣帮助用户掌握新主题并加深理解
7. Kimi发布新数学模型k0-math，旨在对标OpenAI的o1系列，强调深入思考能力

机器人

1. 宇树开源Unitree G1机器人操作数据集，包含数据采集、学习算法、数据集和模型

AI研究

1. 谷歌开源了获得诺贝尔奖的人工智能模型AlphaFold3
2. 教授何恺明在MIT的第二门课Deep Generative Models（深度生成模型）
3. 传说中Ilya Sutskever精选AI领域40大论文清单

AI洞察

1. 彭博社报道顶尖AI公司如谷歌、Anthropic、微软和OpenAI在开发下一代的AI大模型时遇到困难
2. 彭博社爆料OpenAI将在明年1月推出Agent “Operator（操作员）”
3. 马斯克起诉OpenAI，50封往来邮件揭秘OpenAI的缘起、发展与矛盾
4. NVIDIA CEO黄仁勋在日本AI峰会上的主旨演讲

AI投资

1. cursor母公司Anysphere收购了人工智能编码助手Supermaven，收购金额未公开

[ikaijua]

2024-11-16 传说中Ilya Sutskever精选AI领域40大论文清单

1. 2023年5月，一份据称由OpenAI联合创始人Ilya Sutskever整理的机器学习研究文章清单在网络流传，被认为涵盖了AI领域90%的重要内容。
2. 据说这份论文清单是 2020 年 OpenAI 的联合创始人、首席科学家 Ilya Sutskever 给另一位计算机领域大神，id Software 联合创始人，致力于转行 AGI 的 John Carmack 编写的
3. 该清单最初包含27项资料，涵盖1993-2020年间的论文、博客文章、课程和书籍章节，但因电子邮件删除策略，实际应包含约40项。清单在传播过程中丢失了约13篇论文，特别是整个"元学习"类论文列表，引发广泛讨论。
4. 网友Taro Langner根据Ilya Sutskever的演讲和OpenAI资源，尝试还原丢失的论文清单，并补充了其他重要AI学者的工作。
5. Ilya Sutskever强调了元学习的重要性，认为这是实现可持续学习多项新任务的多面智能体的必经之路。强化学习(RL)在Ilya Sutskever的演讲中也占有重要地位，与元学习有密切联系。
6. 这份清单虽然未经官方证实，但其流传和讨论反映了业界对AI领域核心知识的渴求。

媒体文章：

• 机器之心：传说中Ilya Sutskever精选论文清单：AI领域40大论文完整版「破解」完成

[ikaijua]

2024-11-14 彭博社报道顶尖AI公司如谷歌、Anthropic、微软和OpenAI在开发下一代的AI大模型时遇到困难

1. OpenAI的AI大模型"Orion"未达预期效果，尤其在处理未见编程问题时表现不佳。与现有模型相比，Orion的进步幅度不如GPT-3.5到GPT-4的升级。
2. Orion模型因缺乏编码数据训练导致编码性能不佳，发布时间推迟。谷歌的Gemini软件新版本和Anthropic的Claude 3.5 Opus模型也未能满足内部预期，导致发布时间表推迟。
3. 生成式AI在训练中依赖互联网数据，但已触及瓶颈，难以找到新的高质量内容源。
4. OpenAI面临版权侵权诉讼，CEO Sam Altman承认无版权内容开发ChatGPT类工具几乎不可能。
5. 高质量数据缺乏和高成本是限制高级AI模型发展的两大障碍，OpenAI预计亏损50亿美元。
6. OpenAI和其他公司正在将注意力从模型的大小转移到新的用例上，如AI代理工具，这些工具可以代理用户预订航班或发送电子邮件等。

原文：https://www.bloomberg.com/news/articles/2024-11-13/openai-google-and-anthropic-are-struggling-to-build-more-advanced-ai

媒体文章：

• 机器之心：外媒：OpenAI 、Anthropic、谷歌新模型表现均不及预期

[ikaijua]

2024-11-10 教授何恺明在MIT的第二门课Deep Generative Models（深度生成模型）

1. 何恺明自2月起在MIT担任副教授，并已开始教授《深度生成模型》课程。
2. 该课程由何恺明主讲，MIT博士生Minghao Guo担任助教。
3. 课程面向研究生，聚焦深度生成模型在计算机视觉等领域的应用。
4. 课程内容包括变分自编码器、自回归模型、生成对抗网络等核心主题。
5. 课程已进行至第10周，后续将探讨视频、3D、几何等领域的应用。

课程地址：https://mit-6s978.github.io/

目前，课程已经进行到了第 10 周，主题分别如下：

1. Week 1：深度生成模型简介
2. Week 2：建模图像先验、变分自编码器（VAE）
3. Week 3：归一化流、自回归（AR）模型
4. Week 4：自回归（AR）模型、AR 和分词器（tokenizer）
5. Week 5：AR 和扩散、生成对抗网络（GAN）
6. Week 6：扩散领域的 GAN
7. Week 7：基于能量的模型、分数匹配和扩散模型
8. Week 8：扩散模型、去噪后的扩散
9. Week 9：离散扩散、流匹配 1
10. Week 10：流匹配 2、CMU 助理教授朱俊彦讲座《确保生成模型的数据所有权》（Ensuring Data Ownership in Generative Models）

媒体文章：

• 机器之心：教授何恺明在MIT的第二门课——《深度生成模型》，讲座PPT陆续已出

[ikaijua]

2024-11-11 字节跳动豆包大模型团队发布图像编辑模型SeedEdit

1. SeedEdit支持通过简单的自然语言指令进行图像编辑，包括修图、换装、美化、风格转换等。
2. 模型在通用性、可控性、高质量等方面取得了新的突破，解决了图像编辑中的指令响应成功率低和图片质量下降的问题。
3. SeedEdit支持多轮编辑，借助隐空间编辑技术，维持图片像素的清晰度和画面结构的稳定性。
4. 用户可以在豆包PC端及即梦网页端使用SeedEdit，通过输入文本指令对生成的图片进行编辑。

SeedEdit.mp4

体验方法：
1）豆包：打开 doubao.com，选择“图片生成” 生成图片后，选择“继续编辑”，即可体验
2）即梦：https://jimeng.jianying.com/ai-tool/image/generate，上传照片后选择「智能参考」可体验。（即梦还没全量，若看不到，后续可再试下）

seeedit团队网站：https://team.doubao.com/en/special/seededit

媒体文章：

• 豆包大模型团队：一句话轻松 P 图！字节跳动图像编辑模型SeedEdit发布，产品端可体验

[ikaijua]

2024-11-16 Kimi发布新数学模型k0-math，旨在对标OpenAI的o1系列，强调深入思考能力

1. k0-math在MATH、中考、高考、考研四个数学基准测试中成绩超过o1-mini和o1-preview。
2. k0-math在解决复杂问题时会展示其思考过程，包括自言自语和多次尝试。
3. 杨植麟认为k0-math在简单问题上的反复思考是一个局限，未来模型迭代将改善这一点。
4. Kimi探索版通过强化学习技术提升了意图增强、信源分析和链式思考三大推理能力。
5. k0-math模型和Kimi探索版将在未来几周内上线Kimi网页版和Kimi智能助手APP。

媒体文章：

• 量子位： 杨植麟发布Kimi新模型：数学对标o1，中考高考研成绩全第一
• APPSO：Kimi 发布新模型对标 OpenAI o1！月之暗面创始人回应近期争议
• 机器之心：对标o1，Kimi放出了最能打的国产模型

[ikaijua]

2024-11-15 ChatGPT客户端更新：Mac版支持“读屏编程”，Windows版全员可用了

1. Mac 版 ChatGPT 更新，支持“读屏编程”，可与 Xcode 和 VS Code 等五款编程工具集成。“Work with Apps”功能允许 ChatGPT 读取开发工具中的代码并生成新代码。但该功能目前通过苹果的“辅助功能”接口实现，而不是视觉方式。
2. ChatGPT 的 Windows 客户端已全量上线，免费用户也可使用。Windows 客户端支持高级语音模式和搜索功能。

官方文章：https://help.openai.com/en/articles/9982051-using-the-chatgpt-windows-app
x文章：https://x.com/OpenAIDevs/status/1857129790312272179
x文章：https://x.com/OpenAI/status/1857121721175998692

媒体文章：

• 量子位：ChatGPT深夜更新：Mac版支持“读屏编程”，Windows版全员可用了
• 智东西：桌面版ChatGPT升级，支持编程App交互，离AI接管电脑又近一步

[ikaijua]

2024-11-13 宇树开源Unitree G1机器人操作数据集，包含数据采集、学习算法、数据集和模型

1. 宇树科技基于LeRobot开源框架进行训练和测试。
2. 开源数据集包括拧瓶盖倒水、叠三色积木等5种操作。
3. 数据采集方面，宇树科技使用苹果Vision Pro进行遥操作控制，并提供了相关代码教程和硬件配置。
4. 训练方法基于LeRobot，提供了将遥操作采集的JSON格式数据转换为LeRobot所需格式的教程。
5. 数据集和模型尚未完全公开，但已使用宇树G1人形机器人收集，分辨率为640×480，包含五大操作数据集。
6. 宇树G1机器人已实现大规模量产，性能强大，起售价9.9万元，采用3指力控灵巧手和视觉传感器技术。

unitree.mp4

开源数据集：https://github.com/unitreerobotics/avp_teleoperate
开源学习算法： https://github.com/unitreerobotics/unitree_IL_lerobot
开源数据集和模型：https://huggingface.co/unitreerobotics

Unitree x文章：https://x.com/UnitreeRobotics/status/1856273635461488867

媒体文章：

• 量子位：稚晖君后宇树也来玩开源了：机器人操作数据集，采用抱抱脸LeRobot训练测试，网友：泰裤辣！

[ikaijua]

2024-11-12 谷歌开源了获得诺贝尔奖的人工智能模型AlphaFold3

1. AlphaFold3能够预测所有生命分子的相互作用，推动药物发现和疾病治疗。
2. AlphaFold3在不输入结构信息的情况下，预测准确度比现有方法提高了50%。
3. 6个月前，AlphaFold3因未开源而受到争议，DeepMind承诺半年内开源。该模型的开源获得了Nature杂志的推荐。
4. 模型权重需要单独申请，DeepMind决定是否同意。
5. AlphaFold3在架构和训练过程上进行了改进，展现出强大的泛化能力。

Github地址：https://github.com/google-deepmind/alphafold3

媒体文章：

• 量子位：诺奖AI成果开源！AlphaFold3代码人人可以免费下，Nature撰文推荐

[ikaijua]

2024-11-14 彭博社爆料OpenAI将在明年1月推出Agent “Operator（操作员）”

1. 消息称OpenAI计划在明年1月推出名为"Operator"的Agent，以帮助用户自动执行任务。
2. "Operator"将与Anthropic的computer use API竞争，提供自动编码、订餐、制定攻略等功能。
3. 谷歌、百度、智谱等公司也在推出类似的智能体和解决方案，形成了激烈的市场竞争。
4. OpenAI、谷歌、Anthropic等公司在推出更大、更强模型产品方面遭遇瓶颈，性能提升不如预期。
5. 随着大模型Scaling Law后继乏力，Agent成为了AI领域的新焦点和发展方向。
6. 2025年，Agent可能会成为AI领域竞争的焦点。
7. OpenAI在Agent方面开始落后于竞争对手，需要加快步伐以保持行业领先地位。

媒体文章：

• 量子位：Scaling Law遭遇瓶颈，OpenAI被曝押注智能体“Operator”

[ikaijua]

2024-11-12 Qwen2.5-Coder-32B模型发布，多个基准测试中超越GPT-4o

1. Qwen2.5-Coder系列模型共开源6个尺寸，均取得同规模下SOTA性能，并采用Apache 2.0许可。
2. Qwen2.5-Coder-32B-Instruct在代码生成、修复、推理等方面超越GPT-4o，支持92种编程语言。
3. Qwen2.5-Coder在人类偏好对齐上表现良好，胜率为68.9%。
4. Qwen2.5-Coder系列模型受到全球开发者追捧，基于其开发的衍生模型数量超过7.43万。

Qwen2.5-Coder技术报告：https://arxiv.org/abs/2409.12186

Qwen2.5-Coder模型开源地址：

• 魔搭社区ModelScope：https://modelscope.cn/collections/Qwen25-Coder-9d375446e8f5814a
• HuggingFace：https://huggingface.co/collections/Qwen/qwen25-coder-66eaa22e6f99801bf65b0c2f
• GitHub：https://github.com/QwenLM/Qwen2.5-Coder
• Qwen2.5-Coder-Artifacts体验链接：https://modelscope.cn/studios/Qwen/Qwen2.5-Coder-Artifacts
• Qwen/Qwen2.5-Coder-demo：https://modelscope.cn/studios/Qwen/Qwen2.5-Coder-demo

媒体文章：

• 量子位：最强开源CodeLLM模型深夜来袭！320亿参数，Qwen2.5-Coder新模型超越GPT-4o
• 阿里云：全球最强开源代码模型Qwen2.5-Coder来了！

[ikaijua]

2024-11-16 苹果发布Final Cut Pro 11，引入了多项AI功能，包括自动抠图和自动生成字幕

1. 磁性遮罩（Magnetic Mask）：利用AI自动识别人和物体，轻松隔离视频中的特定元素，实现自动背景分离和灵活的背景替换。
2. 自动生成字幕：AI技术将语音内容实时转录为字幕，支持多语言，并提升视频的无障碍性。
3. 其他智能功能包括智能适配、自动色彩增强、平滑慢动作和语音去噪等。
4. 编辑效率提升工具：包括磁性时间轴、多机位编辑、Apple芯片优化和代理工具。
5. Final Cut Pro for iPad 2.1更新：iPad版本新增智能色彩增强、触控与触觉反馈、手绘动画和更多预设功能。

媒体文章：

• AI uTools：苹果发布 Final Cut Pro 11 | 自动抠图和自动生成字幕
• 摄像人像：13年之后，Final Cut Pro 11终于来了

[ikaijua]

2024-11-16 马斯克的x.ai最新模型Grok-2 API开启免费公测，每人每月送25美金

1. 从2024年11月4日起，开发者可以使用xAI新发布的API在Grok基础模型上构建应用，并将持续到年底的公开测试版程序。
2. 在公开测试版期间，每位用户每月将获得价值25美元的免费API积分。
3. xAI提供了对Grok系列基础模型的程序化访问，用户可以在console.x.ai注册账户以开始使用。
4. 公开测试版初始阶段将预览一个名为grok-beta的新Grok模型，该模型处于开发最后阶段，支持128,000个token的上下文长度，并支持函数调用和系统提示。
5. 除了文本版本的grok-beta模型外，还将发布一个可以处理图像的多模态版本，该视觉模型将在下周提供。
6. 已购买预付费积分的用户将获得等额的免费月积分，直至年底。
7. xAI的REST API与OpenAI和Anthropic提供的API完全兼容，简化了迁移过程。例如，如果用户正在使用OpenAI Python SDK，只需更改base_url为https://api.x.ai/v1并使用在console.x.ai上创建的xAI API密钥，即可开始使用Grok。

x.ai博客：https://x.ai/blog/api
视频介绍：马斯克 xAI放大招！Grok-2 最新版开启免费公测，每人每月送25美金！吊打ChatGPT？深度体验揭秘！| 零度解说

[ikaijua]

2024-11-14 马斯克起诉OpenAI，50封往来邮件揭秘OpenAI的缘起、发展与矛盾

1. 马斯克起诉OpenAI，指控其违反创始协议，开发AGI并授权给微软。OpenAI通过公开邮件往来驳斥马斯克的指控，指出马斯克未能履行承诺的投资，并试图控制OpenAI。
2. 邮件显示了OpenAI的早期讨论，包括埃隆·马斯克和萨姆·奥特曼等人对于创建一个非盈利、开放的人工智能研究机构的愿景。
3. 邮件讨论了OpenAI的治理结构，包括创始人之间的权力分配和控制问题，以及对于未来AGI（人工通用智能）控制权的担忧。
4. 邮件讨论了OpenAI的薪酬结构、资金筹集和对于吸引顶尖人才的重要性，以及与谷歌DeepMind等竞争对手的薪酬竞争。
5. 邮件揭示了创始人之间在OpenAI发展方向、控制权和利益分配上的分歧和矛盾。随着时间的推移，OpenAI从非营利组织向成立营利性部门的转变，以及这一转变背后的动机和争议。
6. 邮件中提到了OpenAI在人工智能技术上的进展，包括Dota机器人的性能提升和对AGI时间表的担忧。
7. 邮件显示了埃隆·马斯克最终决定退出OpenAI董事会的过程，以及他对OpenAI营利部门没有任何经济利益的声明。

媒体文章：

• 华尔街见闻：50封往来邮件揭秘OpenAI的缘起、发展与矛盾
• 机器之心：怎样保证你不是AGI独裁者？马斯克为何退出OpenAI？早期邮件公开了

[ikaijua]

2024-11-15 cursor母公司Anysphere收购了人工智能编码助手Supermaven，收购金额未公开

1. Anysphere首席执行官Michael Truell表示，收购将加速推出Tab AI模型的新版本。
2. Supermaven由Jacob Jackson创立，之前他曾参与创立Tabine并加入OpenAI。
3. Supermaven的AI模型Babble具有低延迟和高效能，注册用户超过35000名。
4. Supermaven从Bessemer Venture Partners等投资者那里筹集了1200万美元。
5. Supermaven计划开发具有新功能的模型，并重新设计编辑器UI。
6. AI编码工具市场预计到2032年将达到271.7亿美元。

cursor官网博客：https://www.cursor.com/blog/supermaven

[ikaijua]

2024-11-16 谷歌推出实验性教育AI产品Learn About，旨在通过对话学习伴侣帮助用户掌握新主题并加深理解

1. “Learn About”基于谷歌的LearnLM AI模型构建，该模型以教育研究为基础，并根据人们的学习方式量身定制。
2. “Learn About”专门针对教育产品，其回复方式类似于老师，步步引导，从易到难层层递进，回复格式像教科书，并包含背景知识的关联。
3. 教育AI产品不会像通用大模型那样直接给答案，而是步步引导，激发兴趣，引发思考，从而达到教育的目的。
4. 目前使用地区有限制，并且不支持中文。

https://learning.google.com/experiments/learn-about

B站介绍视频：黄益贺/谷歌的下一个AI爆款：Learn about

媒体文章：

• AI小岛：别再刷题库了！谷歌低调上线的AI“Learn About”才是你的学习外挂！
• 机器之心：谷歌又捣鼓出好东西！有了这款AI学习神器，考试起码多考50分

[ikaijua]

2024-11-13 NVIDIA CEO黄仁勋在日本AI峰会上的主旨演讲

1. 讨论了人工智能的多个方面，包括人工智能时代的到来、软件2.0时代、加速计算和GPU的重要性、人工智能的应用、以及NVIDIA对AI生态系统的支持。
2. 黄仁勋将AI应用分为数字人工智能代理和物理人工智能，前者如数字员工，后者涉及机器人系统。
3. 日本在AI领域的机遇与挑战：黄仁勋对日本在AI领域的潜力表示信心，强调日本在机器人技术和机电一体化专业知识方面的优势，并鼓励日本抓住AI革命的机遇。
4. 黄仁勋宣布与软银合作，为日本建立最大的人工智能基础设施，以支持日本的AI发展并催生新产业。
5. 黄仁勋强调机器人技术将成为重要产业，并解释了AI如何推动机器人技术的革新，包括传统机器人的局限性和AI赋能机器人技术。
6. 介绍了NVIDIA Jetson Thor，专为类人机器人设计的处理器，结合Omniverse平台，推动类人机器人技术发展。
7. 软银CEO孙正义评价人工智能变革，并讨论了软银如何利用与NVIDIA合作建设的AI网络，以推动日本在AI领域的发展。

B站视频：Web3天空之城/黄仁勋主旨演讲以及孙正义对话：NVIDIA人工智能峰会·日本 2024.11.13【中英精校完整版】

媒体文章：

• Web3天空之城：【一文看懂】黄仁勋AI峰会11.13日本站主旨演讲以及孙正义对话 （重点回顾+完整视频）