每日AI快讯

随着科技的快速发展，人工智能技术正在不断革新我们的日常生活。近日，谷歌公司宣布了一项全新的功能升级，引发了广泛关注。根据IT之家3月24日的报道，谷歌发言人亚历克斯・约瑟夫在一封发给The Verge的邮件中确认，谷歌已经开始为Gemini Live引入新一代的人工智能技术。这项技术的核心亮点在于，它能够通过用户的智能手机摄像头实时捕捉屏幕，并提供与画面相关的即时解答。 这一新功能的推出距离谷歌首次展示“阿斯特拉项目”（Project Astra）已经接近一年。回顾去年5月举行的2024年I/O开发者大会，谷歌展示了基于Gemini模...

（由多段落组成）： 苹果再次成为科技圈的焦点！据智东西3月24日消息，继上周五苹果AI团队高层换岗后，彭博社再次爆料称，苹果正计划推出搭载摄像头和视觉智能功能的智能手表。这一消息引发了广泛关注。 根据爆料，苹果将在Apple Watch上引入摄像头技术，具体有两种方案：一种是将摄像头直接嵌入Ultra版手表侧面，位于表冠与按钮之间；另一种则是为标准版手表设计“打孔屏”，将摄像头置于屏幕中。虽然这些产品目前仍处于规划阶段，但彭博社预计，搭载摄像头的Apple Watch可能会在2027年前后面世。 苹果所提到的“视觉智能”...

整理后文章： 重新审视注意力机制：对数级别的复杂度？ 近年来，注意力机制在人工智能领域大放异彩，尤其是在 Transformer 模型中。然而，一篇最新的博客引发了 AI 社区的热烈讨论，提出了一个全新的视角：Transformers 中实现的注意力机制，在计算复杂度上应该被视为对数级别（logarithmic）。这篇博客不仅得到了 Karpathy 的高度评价，还为理解注意力机制提供了一个全新的框架。 Karpathy 曾经这样描述神经网络的计算图：“广度是免费的，深度是昂贵的”。这一观点正是 Transformer 的核心灵感来源。作者提到，早在 Neura...

随着多模态大语言模型（MLLMs）的迅速发展，对齐算法的研究变得尤为重要。本文通过万字长文系统性回顾了多模态LLM中的对齐算法，从应用场景、数据集构建、评估方法到未来发展方向进行了全面梳理。 应用场景与代表性方法 文章介绍了多模态大语言模型的应用场景，分为三大层次：通用图像理解、多图像、视频和音频处理以及扩展应用。在通用图像理解方面，主要集中在减少幻觉并提升对话和推理能力；多图像和视频任务则通过不同的架构和训练方法来处理复杂数据，减少幻觉并提高模型能力；扩展应用包括医学、数学推理和安全系统...

整理后的 #（由多段落组成） 2021年9月，吉姆·兰佐内接手了一家曾经象征互联网进取精神的公司——雅虎。然而，多年来，这家公司逐渐沦为业界的笑柄。许多人认为兰佐内接任雅虎CEO一职的成功几率几乎为零。福布斯撰稿人乔治·布拉特甚至直言：“很难想象还有谁会愿意接手这个职位。”然而，兰佐内却看到了不同的前景。在他眼中，雅虎是一颗被低估的宝石。 兰佐内指出，如果忽略“雅虎”这个名字，仅看其2021年的业务状况，就会发现这是一家拥有数十亿美元收入的企业。他并没有沉溺于过去搜索领域的辉煌，而是专注于改进现有的业务...

（由多段落组成） 在三维空间理解任务中，让视觉语言模型生成合理且符合物理规则的场景布局仍是一项挑战。例如，“请将这些家具合理摆放在房间中”，尽管现有模型可以识别图像中的物体并给出语义连贯的描述，但通常缺乏对三维空间结构的真实建模，难以满足基本的物理约束与功能合理性。 为解决这一问题，研究者尝试采用多智能体交互方法优化布局结果。然而，这类方法不仅计算成本高，而且容易陷入死锁。另一类方法通过构建大规模真实房间布局的描述语料，结合监督微调（Supervised Fine-Tuning, SFT）训练模型。虽然这种方式...

随着人工智能技术的飞速发展，AI在人类生活中的应用日益广泛。近日，OpenAI联合MIT Media Lab发布了一篇研究博文，深入探讨了ChatGPT对用户情绪健康的影响。这项研究通过大规模数据分析和随机对照试验，揭示了用户与AI互动过程中的一些关键因素，为未来的AI开发提供了重要参考。 研究背景与方法 为了更全面地了解ChatGPT的使用情况及其对用户心理状态的影响，OpenAI团队分析了近4000万次ChatGPT互动数据，并结合用户调查结果进行综合评估。此外，MIT Media Lab的研究团队还招募了近千名参与者，进行了为期四周的实验，进...

华为中国合作伙伴大会2025于3月21日在深圳继续举行。在大会上，华为不仅系统阐述了战略、体系升级和政策变化，还进一步明确了以“伙伴 + 华为”为核心的合作伙伴体系，旨在与伙伴共同打造坚实的算力底座，全面加速行业智能化进程，共筑解决方案竞争力，把握时代新机遇。 随着人工智能技术的迅猛发展与广泛应用，企业利用AI创造价值、推进行业智能化的步伐显著加快。根据Gartner的预测，到2027年，中国80%的企业将使用多模型生成式人工智能，满足本地部署需求。华为公司董事、ICT BG CEO杨超斌在主题演讲中指出，当前是抓住AI...

全球领先的云计算服务提供商亚马逊云（AWS）近期开源了一款名为Multi-Agent Orchestrator的5级通用AI框架。这款框架通过多层次的AI代理（Agent）来解决复杂的任务处理需求，能够智能匹配用户请求与最合适的Agent，并确保整个交互过程中的上下文一致性与连贯性。其一大显著优势是对Python和TypeScript两种编程语言的支持，这不仅提升了Agent的部署灵活性，还满足了不同开发者的多样化需求。开源地址为：[https：//github.com/awslabs/multi-agent-orchestrator](https：//github.com/awslabs/multi-agent-orchestrator)。 Mu...

Roblox，这个备受青少年喜爱的在线游戏平台，正在通过引入AI技术进一步革新游戏创作体验。作为曾获选「儿童票选奖最受欢迎游戏」的平台，Roblox允许用户设计自己的游戏、物品及服装，并可以游玩自己和其他开发者创建的各种类型的游戏。现在，用户可以通过AI来辅助完成这些创作。 最近，Roblox发布了一个名为Cude的3D智能基础模型。该模型的目标是生成整个Roblox游戏的各个方面体验，从生成3D物体和场景到人物角色，再到描述事物行为的编程脚本。Roblox创始人兼CEO David Baszucki也在推特上分享了这一消息。 此外，Roblox...