腾讯研究院AI速递 20240815
生成式AI
一、 超级AI诞生？史上最强超算9月上线，英伟达最强芯片加持
1. SingularityNET公司的新型超级计算机将于9月上线，配备英伟达最强GPU，旨在推动人类级别的人工智能（AGI）发展；
2. 超算采用多层次认知计算网，包括深度神经网络、大型语言模型（LLM）和多模态系统，支持复杂AI系统训练；
3. 超算网络使用先进硬件如NVIDIA L40S GPU和AMD处理器，结合新型神经-符号AI方法，减少资源需求，提高计算效率。
https://mp.weixin.qq.com/s/SrSdRY1_M-eOGsFIJuTTvQ
二、 马斯克突然发布 Grok 2大模型 ，能解「9.8 和 9.11 哪个大」
1. Grok-2, 新一代大模型，已在性能上与GPT-4o相媲美，特别在编码、复杂问题解决及数学方面表现出色；
2. 模型包括Grok-2和Grok-2 mini两个版本，均已在X平台上向用户发布，展示了显著的进步和多模态理解能力；
3. xAI计划通过新的企业API平台发布Grok-2，强化安全功能，并通过新计算集群提升模型核心推理能力。
https://mp.weixin.qq.com/s/nBaY2srcMSzvEoecOyh1Cg
三、 谷歌版Her，抢先OpenAI登场，高级语音模型Gemini Live
1. 谷歌推出Gemini Live语音模型，将在全球30亿安卓和22亿iOS设备上线，提供自然对话体验和多种声音选择；
2. Gemini深度集成安卓和Pixel设备，支持跨应用程序操作和上下文感知功能，提高用户交互便利性；
3. Gemini Live面临技术挑战，包括安全问题和实时演示中的技术故障，但谷歌决定快速推进以竞争市场领先地位。
https://mp.weixin.qq.com/s/mR5XpquGCcd6HNrptBnw0Q
四、 最强智能体Agent Q发布！Llama 3零样本成功率提升340%
1. Agent Q是一个自监督智能体，能通过互联网任务进行自我对弈和强化学习，具备推理、规划和自我修复功能；
2. 利用Llama 3模型，Agent Q在一天内将零样本成功率提升340%，特别在真实世界预订任务中表现出色；
3. 结合引导式蒙特卡洛树搜索（MCTS）和直接偏好优化（DPO），Agent Q提高了多步推理任务的泛化能力和成功率。
https://mp.weixin.qq.com/s/xVB7ZiCsrNbCrQZKb2mwjA
五、 没有等来OpenAI开源GPT-4o，等来了腾讯的开源版VITA
1. VITA是由腾讯优图等机构开发的首个开源多模态大语言模型（MLLM），能同时处理视频、图像、文本和音频，提供多模态交互体验；
2. 采用Mixtral 8×7B为基础，进行双语指令微调和多模态对齐，增强了视觉和音频能力；
3. VITA实现了非唤醒交互和音频中断的人机交互功能，通过复式部署模型，提高了环境输入的连续跟踪能力。
https://mp.weixin.qq.com/s/_ILH_GZaKMUlRaqsZBU0Eg
六、 全球首个AI流媒体音乐App来了！一直生成一直听，国产
1. 昆仑万维开发的全球首个AI流媒体音乐App Melodio，提供无限流式AI生成音乐，支持中英文歌曲生成；
2. Melodio允许用户通过简单的Prompt输入生成音乐，同时提供歌曲参考模式，增强音乐生成的多样性和个性化；
3. 昆仑万维还推出了Mureka，一个AI音乐创作平台，使用类Sora架构，支持高质量音频生成，提升音乐创作的易用性和专业性。
https://mp.weixin.qq.com/s/30HmpWkChdG5jlAs2Bydjw
七、 苹果大模型新成果：GPT-4o扮演用户，考察大模型工具调用
1. 苹果发布新开源Benchmark ToolSandbox，采用场景化测评方法，考察大模型在真实环境中的工具调用能力；
2. ToolSandbox测试包括对话交互和状态依赖场景，使用GPT-4o模拟用户与模型进行交互，提高测试的实际应用相关性；
3. 测试结果显示闭源模型如GPT-4o表现优于开源模型，尤其在多工具调用和多轮对话任务中，但所有模型在状态依赖任务和规范化场景中面临挑战。
https://mp.weixin.qq.com/s/O1uf5y0aCjVIvsvRVkdBBw
前沿科技
八、 谷歌同步发布Pixel 9 ，让 Android 的 AI 体验抢先 iOS一步
1. Google发布Pixel 9系列，首次将大型多模态AI模型Gemini Nano整合进Android系统，提前于iOS实现设备内AI功能；
2. Pixel 9系列包括四款AI手机，具备高级语音功能Gemini Live，支持多应用跨界调用和AI图像功能；
3. 由Gemini Live提供自由流畅的交流体验，支持免提功能，允许用户在多种场景下无缝与AI进行互动。
https://mp.weixin.qq.com/s/w6BmotpEqxtgNZDtxvND8Q
报告观点
九、 “L2越厉害，就离L4越远”和楼天城聊Robotaxi和AI世界观
1. 楼天城认为L2自动驾驶技术的高度发展与L4自动驾驶技术的目标相距甚远，反之亦然；
2. 在自动驾驶技术发展中，数据的多少并非决定性因素，当自动驾驶技术超越人类水平后，过多的数据可能成为干扰项；
3. 自动驾驶的发展需要通过多个阶段，每个阶段都有其关键技术和挑战，例如从1000小时到10000小时的跳跃需要考虑如何降低其他车辆的风险。
https://mp.weixin.qq.com/s/0_wiRFV-ZTF9pWvk_CCkkQ
十、 菲尔茨奖得主陶哲轩最新演讲：AI 将催生出一个大数学时代
1. 陶哲轩认为AI将推动数学进入一个新的大数学时代，尤其在数学证明和计算领域显示出巨大潜力；
2. 他指出AI在数学上的实现相对普通，主要通过输入数字和权重计算，但其对数学研究方式的潜在改变是革命性的；
3. 陶哲轩强调，尽管AI在生成准确结果方面有时会出现问题，但其在处理大规模数学项目和形式化验证方面的应用前景令人期待。
https://mp.weixin.qq.com/s/e0K_bfOqYew8H0_P1fPh2Q
👇订阅下方合集，获取每日推送
