腾讯研究院AI速递 20241111

生成式AI

一、 OpenAI爆料合集：ChatGPT成第八大网站，Sora 两周后上线？

1. ChatGPT流量大幅上升，现已成为全球第八大网站，体现出其在日常生活中的普及；

2. o1模型的满血版即将推出，提升复杂推理与多模态能力，预计11月14日发布；

3. Sora终于来了，有望两周内上线，预计展示极强的图像创作能力，引发用户期待。

https://mp.weixin.qq.com/s/T0XrrD9fIUTnZB1HAb05xA

二、 苹果推出一个新框架App Intents 让你的应用与Siri无缝互动

1. App Intents框架允许应用与Siri无缝互动，支持功能如直接控制应用、Spotlight搜索、快捷指令和自动化；

2. 开发者可通过App Intent、App Entity和App Enum定义应用操作、内容和选项，优化Siri响应；

3. 新架构支持通过物理按钮、快捷指令等触发操作，提高用户体验，增强智能化自动化功能。

https://mp.weixin.qq.com/s/3XQL623q-hMGoD853R1gSA

三、 微软开源5级通用AI Agent：浏览网页、查论文，无所不能！

1. 微软开源了Magentic-One，一个基于五层智能体架构的通用AI Agent，能自动化完成各领域任务；

2. 该AI Agent通过Orchestrator任务分解和多个智能体（包括Orchestrator、WebSurfer、FileSurfer、Coder和ComputerTerminal）协同工作来执行复杂任务；

3. Magentic-One能够自主适应环境变化，确保任务自动执行，支持浏览网页、查论文、数据分析等功能。

https://mp.weixin.qq.com/s/SU-Qb62CgyrnTJCd62-dlg

四、 为无声视频注入灵魂音效，智谱“新清影”视频模型+音效模型

1. 智谱推出新清影AI视频模型，具备高分辨率、灵活尺寸和多通道生成能力，显著提升视频创作效率；

2. 新清影结合CogSound音效模型，通过生成精准音效为视频注入灵魂，推动视听创作自动化；

3. 多模态技术结合音效与视频生成，推动视频创作自动化，拓展创作者的应用场景，降低内容创作成本。

https://mp.weixin.qq.com/s/mjH2uo1jpPYdK0Wf3sQC7g

五、 Notebooklm 后，谷歌低调发布 Learn about人性化学习工具

1. 谷歌推出的「Learn About」学习工具通过动态、流式的信息呈现方式，提供个性化的学习体验；

2. 该工具引入「Stop and Think」功能，鼓励用户在获取答案前先思考，提高学习效率；

3. 提供多种互动方式，如简化信息、深入探索、获取图片，帮助用户建立立体认知网络，适合深度学习与终身学习者。

https://mp.weixin.qq.com/s/vdkwQ_Wu0HQpHFIq6kBkZw

六、 又增一新模态，AI有鼻子了，还能远程传输气味，图像生成香水

1. 初创公司Osmo利用AI成功将气味数字化，实现气味的远程传输和生成；

2. 该技术通过图神经网络和数千种香气分子数据训练AI，能够准确预测气味；

3. Osmo正在开发多模态AI，未来可通过图像和文本生成对应的气味，为虚拟现实和医疗应用开辟新领域。

https://mp.weixin.qq.com/s/RwVNCwQjI5cBaQY-xSJq0A

七、 谷歌正式推出基于Gemini的视频工具Vids，一键生成专业视频

1. 谷歌推出Vids，基于Gemini AI的视频制作工具，支持一键生成专业视频；

2. Vids自动配图、生成脚本和AI配音，简化视频制作过程；

3. 该工具适用于多场景应用，如客户支持、培训和会议纪要，并对Workspace用户免费开放至2026年。

https://mp.weixin.qq.com/s/Q3xbWRnNhqiVhcGVjQENag

八、 突发！OpenAI七年元老、安全副总裁Lilian Weng官宣离职！

1. OpenAI安全研究副总裁Lilian Weng宣布离职；

2. 在OpenAI工作七年，Weng领导了多个重要项目，包括o1-preview模型，致力于提升AI安全性；

3. 离职后，她将继续更新博客，分享技术干货和观点，曾在多个领域有重要贡献。

https://mp.weixin.qq.com/s/KI9FycNHwILvQ9gQVh9bSg

九、 空间智能版ImageNet来了，来自斯坦福李飞飞吴佳俊团队

1. 斯坦福李飞飞和吴佳俊团队发布了HourVideo数据集，专为长视频理解设计，包含500个时长20到120分钟的第一人称视角视频；

2. 数据集评估了当前多模态模型在长视频理解上的表现，揭示其远未达到人类专家的理解水平；

3. HourVideo包含18个子任务，涵盖总结、感知、视觉推理等任务，旨在推动AI在长时间视觉处理能力的提升。

https://mp.weixin.qq.com/s/_yi69foQdQzhOazgUqiiZA

前沿科技

十、 哈佛推出全新类ChatGPT癌症诊断AI，登上Nature！准确率96%

2. CHIEF模型在癌症检测、肿瘤基因分析和患者预后预测中表现出96%的准确率，远超其他现有AI方法；

https://mp.weixin.qq.com/s/BsQi8BGTQaO3P8jGNi-P7g

报告观点

十一 、 Sam Altman 对话 YC 总裁：1 个人+ 1 万块 GPU =数十亿美元公司

1. Sam Altman强调AI技术仍未达到顶峰，建议创业者利用AI实现创新并击败大型企业；

2. 他预测未来AI将成为创新者，推动科技突破，并帮助小团队以少数人员和强大算力创造巨额收入；

3. Sam提到，成功需要专注与信念，尽管会遭遇反对和错误，但数据与快速迭代最终能带来突破。

https://mp.weixin.qq.com/s/NrcT2RpCiPkuOvqD0Cv0gw