腾讯研究院AI速递 20241114
生成式AI
一、 OpenAI总裁Greg出走3月终于归来！专注重大技术挑战
1. Greg Brockman结束休假，重返OpenAI并将专注技术挑战，每周投入100小时编写代码；
2. OpenAI经历高层离职潮，Mira Murati等人离开后，Brockman的回归有助于稳定公司；
3. Brockman的工作风格受到争议，虽然技术能力强，但其代码常缺乏文档，影响团队协作。
https://mp.weixin.qq.com/s/yp1UHCW-bRWNcCneSjU73w
二、 吴佳俊团队新作：场景语言，智能补全文本到3D的场景理解
1. 斯坦福团队提出“场景语言”（Scene Language），通过自然语言生成和编辑三维场景；
2. 该方法结合程序语言、自然语言和神经网络表征，有效描述和调整物体位置、风格等细节；
3. 相较传统方法，Scene Language在用户偏好和物体数量控制上表现出显著优势，具有广泛应用潜力。
https://mp.weixin.qq.com/s/Px5ht4pGR_AiYhNNlILd9g
三、 对标谷歌NotebookLM！语音生成模型PlayDialog beta版本
1. PlayDialog是一个端到端AI语音生成模型，能根据对话历史调节语调、情感和语速，适用于对话播客、旁白等应用；
2. 另外，还有PlayNote是一款将多种媒体文件转化为对话体验的工具，支持快速生成播客、简报和旁白，并提供API接口；
3. PlayDialog经过数亿次对话训练，具备超越市场竞争对手的语音生成表现，能够理解对话上下文，实现更自然、富有表现力的语音合成。
https://mp.weixin.qq.com/s/B4gHvu6ZEVKPOa47WDVD3w
四、 苹果新AI硬件曝光，Apple Intelligence家居版“贾维斯”登场
1. 苹果将于明年3月推出一款AI智能家居控制设备，配备6英寸屏幕，结合Siri和Apple Intelligence；
2. 设备支持家电控制、视频通话和安全功能，并与苹果的智能家居框架HomeKit兼容；
3. 计划推出更高端版本，配备机械臂和AI个性化功能，专注于家庭或工作空间的AI伴侣角色。
https://mp.weixin.qq.com/s/EoISzTBhTk34G7TCyAoJeg
五、 秘塔AI引入“专题”功能，用搜索结果和信息源生成个人知识库
1. 秘塔AI新增“知识库”功能，可将AI搜索结果和信息源收藏至专题；
2. 专题支持自定义分类，用户可上传文件，形成私域知识库，方便后续查询和管理；
3. 提供协同编辑和API接口，知识库可共享，进一步扩展了AI搜索和内容管理的应用场景。
https://mp.weixin.qq.com/s/O3WqzrhoS84fDEOGBoHPcQ
六、 宇树科技也来玩开源了：开源Unitree G1机器人操作数据集
1. 宇树科技开源了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，并将持续更新；
2. 数据集基于HuggingFace 的LeRobot框架进行训练和测试，涵盖五种操作，如拧瓶盖、叠积木等；
https://mp.weixin.qq.com/s/fZnVBgLvYSG7DV1SyZxdRg
前沿科技
七、 AI面临的五个蛋白质设计问题，Nature找了一群专家来讨论
1. 蛋白质设计面临挑战，特别是如何可靠预测蛋白质间的结合，尤其是针对药物开发的结合剂；
2. 生成式AI在蛋白质催化剂设计中发挥重要作用，但天然酶的功能和结构之间的关系仍是难题；
3. 计算蛋白质设计的进展加速了复杂结构的应用，如疫苗和纳米粒子，但需要更多数据与合作以克服算法的局限性。
https://mp.weixin.qq.com/s/fvjnOVr2Nr87BBkfWOoxcg
报告观点
八、 不只有硅谷在讨论 AI，神父和技术专家也在梵蒂冈研讨 AI
1. 梵蒂冈研讨会讨论AI技术的伦理，专家提议应谨慎发展AI，区分工具型AI与通用AI（AGI）。
2. 深伪视频播放模拟教皇支持AGI开发，现场反响轻松，讨论转向AI如何与人类社会共存。
3. 技术哲学家与神父们认为，AI技术发展不应视为必然，需质疑现有假设并深入思考技术对人类本质的影响。
https://mp.weixin.qq.com/s/CPNbihtasKaYtM-eqEagkg
九、 OpenAI首位投资者《时代》刊文：AI将重新定义人类意义
1. 人工智能将重新定义人类的意义，通过增强人类大脑能力，推动社会和经济结构的根本变革；
2. AI有潜力提供近乎免费的教育、医疗和专业知识，提升全球福祉，减少不平等；
3. 未来社会将摆脱传统工作压力，人类将聚焦于创造力、激情和人际关系，而不是生计。
https://mp.weixin.qq.com/s/Oc-vttU6Ka8iHj26oE-WTQ
十、 Scaling Laws终结，量化无用？AI大佬们都在审视这篇论文
1. 论文《Scaling Laws for Precision》指出，低精度训练可能影响大模型的性能，过多的数据训练会加剧量化后的性能退化；
2. 研究提出统一的扩展定律，可预测不同精度下训练和推理的性能下降，低精度训练可以优化计算，但效果低于预期；
3. 随着摩尔定律的限制，未来的大模型扩展面临瓶颈，可能需要依赖数据中心扩展、动态模型调整或知识提炼等新方向。
https://mp.weixin.qq.com/s/JhtOlj5Y4UYM3W3koeMmqw
