Рік Декард

Meta оприлюднює мультимодальний відкритий набір даних записаний за допомогою окулярів проєкту Aria Glasses

Дослідники з Meta представили набір даних Aria Everyday Activities (AEA), записаний за допомогою потужної сенсорної платформи пристроїв Project Aria.

EMO: Emote Portrait Alive, фреймворк для створення виразних портретних відео

В останні роки сфера створення зображень та відео розвивається на швидких кроках. Серед найновіших досягнень у цій галузі — EMO: Emote Portrait Alive, фреймворк, розроблений Інститутом інтелектуальних обчислень Alibaba Group.

GitHub запускає «Copilot Enterprise»

GitHub оголосив про запуск «Copilot Enterprise» — інструмента для кодування зі штучним інтелектом для бізнесу.

Amazon AGI впровадили модель перетворення тексту в мовлення з мільярдом параметрів

Amazon AGI впровадили BASE TTS, велику систему перетворення тексту в мовлення (LTTS), навчену на приблизно 100 тисячах годин мовних даних із відкритих джерел.

Дослідження Google DeepMind виявило недоліки критичного мислення у великих мовних моделях

Нещодавнє дослідження, проведене Google Deepmind та Стенфордським університетом, показало, що відхилення від оптимальної послідовності, тісно пов'язаної з логічним розвитком доказу істинності, може призвести до значного зниження продуктивності великих мовних моделей, причому падіння точності в деяких випадках перевищує 30%.

Magic-Me від ByteDance, фреймворк для створення індивідуально ідентифікованих відео

Дослідники з ByteDance Inc. та Каліфорнійського університету в Берклі розробили Video Custom Diffusion (VCD) — просту, але потужну платформу для створення відео з контрольованою ідентичністю суб'єкта.

Mistral AI представляє нову модель для конкуренції з GPT-4 та власного чат-асистента

Компанія Mistral AI запускає нову флагманську велику мовну модель під назвою Mistral Large. Вона покликана скласти конкуренцію іншим моделям вищого рівня, таким як GPT-4.

AWS додає Mistral до Amazon Bedrock

Головний розробник Amazon Web Services (AWS) Донні Пракосо оголосив у своєму блозі, що AWS додасть відкриті LLM-моделі від французького стартапу Mistral до Amazon Bedrock, свого керованого сервісу для генеративного ШІ та розробки додатків.

Google DeepMind представила ReadAgent для подолання розриву між ШІ та читанням людиною

ReadAgent від Google DeepMind використовує схожий на людський метод ефективної навігації у довгих документах.

17 корисних порад, які допоможуть вивести ваші підказки ChatGPT на новий рівень

Такі інструменти, як ChatGPT, Google Gemini та їхні аналоги, демократизують штучний інтелект, роблячи його доступним для кожного. За допомогою цих платформ користувачі можуть отримувати різноманітні відповіді практично на будь-яку тему.

Bioptimus залучили $35 млн для прискорення біологічних досліджень за допомогою ШІ

Французький стартап Bioptimus, заснований колишніми дослідниками DeepMind, отримав 35 мільйонів доларів початкового фінансування для прискорення своїх біологічних досліджень, використовуючи штучний інтелект.

Meta Reality Labs представила Lumos, нову мультимодальну систему запитань-відповідей

Meta Reality Labs представила Lumos — першу у своєму роді мультимодальну систему запитань і відповідей, яка має можливість розуміти текст, витягувати його з зображень та покращувати вхідні дані для мультимодальних великих мовних моделей (MM-LLM).