跳到正文

#多模态

今日 1 条
今天10月13日周二
10月11日周日
  1. Hacker News：AI 热帖24

    Hello World, AI Doompop：Opus 5.5 与 Suno 6 催生的 AI 音乐视频新流派

    作者 radimentary 宣布 AI Doompop 这一新音乐流派诞生，并列出 6 支代表性 AI 音乐视频。随着 Opus 5.5 和 Suno 6 发布，AI 音乐视频已跨越其恐怖谷，作品多以 Claude Opus 5.5 为主题，涉及 AI 智能体、p(doom) 等话题。作者追问它究竟是短暂潮流、网络未来，还是提升人类表达的新艺术形式。

  2. Hacker News 热门（buzzing.cc 中文翻译）47

    Lightbulb Computer：用投影与计算机视觉探索空间计算新方向

    Lightbulb Computer 是一款灯泡造型的概念设备，结合投影仪与计算机视觉，可拧入标准灯座或置于便携底座，在任意表面投射信息并支持语音、手势与指向控制。其原型可用于厨房食谱、地图共览、智能家居控制和环境信息展示，视频均来自真实但笨重的原型，尚无消费级产品。

10月10日周六
10月9日周五
  1. Hacker News：AI 热帖65

    The Atlantic 实测 Trump 聊天机器人与 AI 选举误导风险

    The Atlantic 报道，Brennan Center for Justice 研究人员在中期选举前测试主流 AI 聊天机器人的选举误导防护，多个聊天机器人仍生成虚假投票照片、政府文件和官员 deepfake 视频，并帮助优化宣传提示词。部分输出违反模型自身政策，甚至让其他领先模型难以辨别真伪；州和地方选举官员正试图跟上 AI 发展，研究者认为这暴露出技术演进与监管速度之间的差距。

  2. MIT Technology Review · AI28

    圆桌对谈：与 AI 设计病毒的创造者对话

    MIT Technology Review 资深 AI 记者 James O’Donnell 将于 10 月 16 日 18:30 BST 专访斯坦福大学博士生 Samuel King，探讨其用生成式 AI 提出微观病毒基因蓝图的研究。King 入选了 MIT Technology Review 35 岁以下创新者榜单。该研究尚非 AI 生成生命，但下一步可能朝此方向发展。

10月7日周三
  1. Hacker News：AI 热帖47

    家长使用 AI 生成孩子照片以节省开支

    家长正使用 ChatGPT 将孩子的普通照片处理成学校肖像照，以省去购买摄影套餐的费用，有家长称三个孩子的照片花费超过 100 美元。也有家长用 ChatGPT 去除专业校样照水印，但该做法可能构成侵权，最高或被罚款 150000 美元。另有使用者担心孩子面部被改变及照片上传风险。

10月6日周二
  1. elvis67

    Mistral 发布 Mistral Large 4，又称 Le Chonk，总参数 1T、49B 激活参数，原生支持多模态，API 已开放，开放权重将于 10 月底发布。转发者 elvis 认为其性能表现不算突出，但认可其多模态能力和网络安全方向，并欢迎 Mistral 回到前沿开放权重模型竞争。

    引用Mistral AI@MistralAI

    Meet Mistral Large 4, aka Le Chonk. • 1T parameters, natively multimodal. 49B active. It is the best open weights model from US or Europe on aggregated benchmarks. • State-of-the-art on critical workloads, including cyber defense, manufacturing and finance and it surpasses closed frontier models on visual grounding. • Forged in Europe end-to-end and is deployable from Europe via our own Mistral Cloud infrastructure. • Available to all via API today. Working with cybersecurity partners privately. Open weights release end of October.

10月5日周一
  1. elvis40

    作者受 Karpathy 关于 LLM 输出形式的讨论启发，实验一种连接高层智能体与类 Notion 灵活页面的通用界面，支持嵌入 artifacts、文本、视频、可视化讲解及 LLM 可生成的各类内容。该界面可按任务智能输出 artifacts 而非默认文本，覆盖代码审查、笔记、写作、研究、原型与模型设计等场景，降低人机协作摩擦，但作者称尚未找到完美方案。

    引用Andrej Karpathy@karpathy

    We'll be spending a lot more time trying to understand the outputs of language models. A few thoughts, tips & tricks: Writing. Something I've had success with: Ask your LLM to explain something in ASD-STE100, it's a controlled language specification originally developed for aerospace maintenance documentation. LLMs well-versed in this language and it comes with heavy constraints on clean writing style that I often find a lot more readable. Sometimes I've tried to soften it a bit e.g. ask for "80% of the way to ASD-STE100" because the spec is quite stringent. But even better: Diagrams / images. Instead of writing, ask your LLM to create a diagram. These can be a lot easier to process, parse, and understand. But even better: Web pages. Ask for output "in HTML" to get a beautiful, interactive webpage. LLMs are getting really good at frontend and can create beautiful experiences, animations, etc. But even better: Explainer videos. The output format I am most bullish on is fully custom / bespoke explainer videos generated on any arbitrary topic. Experiment with things like "Create a 3b1b style video explainer on X. Use my ElevenLabs API key for audio narration". (you'd need an API key for the latter or you can ask your LLM to find you decent free alternatives that use your local compute). This is actually starting to work! In summary: - As LLMs get better, they will do more and more of the legwork autonomously, and a lot more of our work will rise up the abstractions into oversight and understanding. - Luckily, LLMs can help here too because as intelligence and code are increasingly abundant, you can ask for large, custom, discardable software artifacts (e.g. web apps, video explainers) that would have never made sense to create before. Push the boundaries here and you'll be surprised.

10月4日周日
10月3日周六
  2. Hacker News：AI 热帖63

    Meta 如何意外形成一套有竞争力的 AI 战略

    评论认为 Meta 凭借 Muse 与 Ray-Ban Meta Audio 眼镜的组合，切中主动式、个性化、免手持 AI 助手方向。Muse 基于 Muse Spark 1.3，支持 iOS、Android、网页和美国 WhatsApp，具备连接应用、代办交易、监控旅行价格等能力，并提供每周 1 亿至 30 亿 token 的三档方案。

10月2日周五
10月1日周四
  1. Hacker News：AI 热帖62

    文章提出 Natural General Intelligence：学习地球状态与动态的自然基础模型

    作者提出 Natural General Intelligence 框架，主张构建直接学习地球真实状态与动态的自然基础模型，用于预测干预后的地球响应并持续更新。文章梳理了地球观测系统、天气数据同化流程，以及直接观测、保留原始分辨率、遵守物理约束、发现跨系统耦合和主动获取新观测等设计原则。

9月29日周二
  1. Hacker News：AI 热帖56

    自主 AI 进入太空探索：NASA 与商业航天测试生成式 AI 的能力与风险

    IEEE Spectrum 报道称，生成式 AI 正被用于太空探索，NASA JPL 去年 12 月用 Anthropic 的 Claude 模型协助规划 Perseverance 火星车两次行驶，路线仍由人类检查调整；NASA 与 IBM 今年 5 月在国际空间站和卫星上测试压缩 AI 模型，用于识别洪水和云层，宇航员 7 月还测试了大语言模型回答维护流程问题。

  2. Hacker News：AI 热帖44

    AI 正把世界变成“AI 垃圾内容”的海洋

    作者批评 ChatGPT 等生成式 AI 产出的海报、菜单和传单充斥夸张字体、过饱和色彩与雷同布局，让线下视觉内容趋向平庸同质。AI 依赖模式和概率生成最常见表达，若持续用 AI 生成内容训练 AI，会形成自我循环，进一步削弱原创性并增加人们辨识内容的认知负担。

9月23日周三
9月18日周五
9月17日周四
  1. elsewhere：文章（RSS）47

    对话深朴智能首席科学家王家伟：24 岁从大模型转向具身智能

    24 岁的深朴智能（Simple AI）首席科学家王家伟从大模型前沿转向具身智能，认为通用大模型负责理解与规划，机器人仍需快速反应的动作模型。深朴智能布局 HiFi-UMI 数据、具身基础模型、Agentic OS 与本体，开源 2,000 小时数据，模型已出现一定 Zero-shot 泛化。播客还围绕 GPT-6 Astra、GEN-1.5、π0.7 等前沿工作展开讨论。

9月10日周四
9月3日周四
8月20日周四
  1. elsewhere：文章（RSS）46

    《信号与噪声》E15 对话 VAST 创始人宋亚宸：用生成式 3D 让普通人创造世界｜北坡计划

    VAST 创始人宋亚宸在《信号与噪声》对谈中分享从商汤、参与筹建 MiniMax 到创办 VAST 的经历，聚焦生成式 3D。VAST 核心产品 Tripo AI 可从文字或图片生成 3D 模型，并发布世界模型研究预览 Project Eden，目标是把 3D 生产成本降至接近零，让普通人也能创造可互动世界。