热搜话题榜单

贾扬清创业2年，老黄砸重金收购！AI框架缔造者或卖出数亿美金

【新智元导读】巨头英伟达，即将收购阿里前副总裁贾扬清的初创LeptonAI，交易价值或达数亿美元!LeptonAI，仅仅创立两年。国内AI圈被这一消息刷屏了。曾有网友戏称，学物理绕不开牛顿，搞深度学习，绕不开贾扬清。

华为宣布昇思新增份额达30%：中国发展最快开源AI框架

日前，昇思人工智能框架峰会在北京召开，华为ICT战略与业务发展部总裁彭红华发表致辞。彭红华表示，经历5年发展，昇腾硬件伙伴从5家发展到60多家，基于昇腾开发的硬件产品已经近千款。优化自动算子级策略传播算法，降低80%并行策略配置，支持典型大模型。

InstantMesh:新AI框架可在10秒内从2D图像生成高质量3D网格

根据研究团队发表的预印本文章，InstantMesh是由腾讯PCGARC实验室和上海科技大学的研究人员开发的人工智能框架，能够在仅需10秒的时间内，从单个2D图像生成高质量的3D网格。该开源框架由多视图扩散模型和3D网格重建模型组成，通过使用不同角度合成的3D视图来实现高质量的重建。这一技术有望显著提升3D行业生产力，尤其在视频游戏开发领域。

Mini-Gemini:简单有效的AI框架，增强多模态视觉语言模型

中国香港中文大学和SmartMore的研究人员推出了一种名为Mini-Gemini的新颖框架，通过增强多模态输入处理来推动VLMs的发展。Mini-Gemini采用了双编码器系统和一种新颖的补丁信息挖掘技术，结合一个特别策划的高质量数据集，使其能够有效处理高分辨率图像并生成内容丰富的视觉和文本内容，从使其脱颖出。正如研究人员所承认的那样，Mini-Gemini在视觉理解和推理能力方面仍有改进�

TOXCL：用于检测和解释隐性有毒言论的统一AI框架

社交媒体上的毒性言论可能会像野火般蔓延，特别是针对个人和边缘化群体。明显的仇恨言论相对容易被发现，但隐含毒性——依赖于刻板印象和编码语言不是明显的侮辱——提出了更为棘手的挑战。但通过谨慎使用，它为赋予边缘化声音权力和遏制网络上的压制性言论提供了一条道路。

开源AI框架LaVague:理解自然语言指令 实现浏览器交互自动化

LaVague是一个旨在自动化浏览器交互的大型动作模型框架，通过将自然语言指令转化为无缝的浏览器交互，重新定义了互联网浏览体验。该框架的设计初衷是为用户自动化繁琐的任务，节省时间，让用户能够专注于更有意义的事务。未来的发展方向可能包括优化本地模型、改进信息检索以确保生成的代码片段相关性、支持其他浏览器引擎等。

新AI框架H2O：将人类动作实时转换为机器人动作 可行走、后空翻、踢球等

在最新的研究中，由卡内基梅隆大学的研究团队开发，提出了一种名为H2O的框架，通过强化学习实现了人对人形机器人的实时全身遥控操作。该框架在仅使用RGB摄像头的条件下，成功地让人形机器人模仿并实时执行各种动态的全身运动，包括行走、后空翻、踢球、转身、挥手、推动、拳击等。这是首次在人形机器人领域实现了这一技术上的突破，为全新的人机交互和协作场景�

研究人员推新AI框架CyberDemo:通过视觉观察让机器人模仿学习

加利福尼亚大学圣地亚哥分校和南加利福尼亚大学的研究人员最近推出了一种名为CyberDemo的新型人工智能框架，旨在通过视觉观察进行机器人模仿学习。传统的模仿学习方法通常需要大量高质量的示范数据来教导机器人完成复杂任务，特别是对于需要高度灵巧的任务来说。虽然为每个任务设计模拟环境需要额外的工作，但减少了数据收集的人为干预，并避免了复杂的奖励设计�

MIT和谷歌提出新AI框架Health-LLM:利用可穿戴传感器数据为健康预测任务调整LLM

MIT和Google的研究人员共同提出了一种名为Health-LLM的新型人工智能框架，旨在将大语言模型应用于健康预测任务，利用可穿戴传感器的数据。该框架的提出标志着健康领域在可穿戴技术和人工智能的交叉点上取得了重大突破。这为以更加可访问和可扩展的方式应用先进的医疗保健分析打开了新的可能性，从为个性化医疗的更广泛目标做出了贡献。

​新AI框架 AboutMe：用网页中自我描述来记录英语预训练数据过滤器的效果

随着自然语言处理和自然语言生成的进步，大型语言模型在实际应用中得到了广泛使用。由于它们能够模仿人类行为，并具有通用性，这些模型已经涉足各个领域。研究团队强调了对预训练数据筛选程序及其社会影响进行更多研究的需求。

2分钟建模！AI框架GauHuman：实现高质量3D人体快速重建和实时渲染

南洋理工大学与商汤科技的S-Lab团队近日发布了一项令人振奋的研究成果，推出了基于GaussianSplatting的高效3D人体建模框架，被命名为GauHuman。该框架在快速重建和实时渲染方面取得了显著的突破，为数字领域的人体建模提供了高效解决方案。他们对GauHuman的未来发展充满信心，同时已经将代码完全开源，鼓励广大开发者共同参与，共同推动这一领域的研究和创新。

​浙大研究团队推新AI框架Human101:单视角视频构就能重建3D数字人

在虚拟现实领域，快速创建定制虚拟人物并实现与其互动是一个普遍的应用场景。以往的方法在快速重建高保真3D数字人体和实时渲染之间往往难以平衡。Human101通过引入创新的技术和实用的方法，成功地解决了单视角视频中快速建模和实时渲染之间的矛盾，为实时交互应用和沉浸式虚拟现实体验提供了可行的解决方案。

新AI框架DreamSync:结合图像理解模型的反馈 改善文本到图像合成

来自南加州大学、华盛顿大学、巴伊兰大学和谷歌研究团队的研究人员推出了DreamSync，这是一种新型人工智能框架，致力于解决扩散型文本到图像模型中对齐和审美吸引力的问题无需进行人工标注、修改模型架构或使用强化学习。DreamSync的方法是通过生成候选图像，利用视觉问答模型对其进行评估，然后对文本到图像模型进行微调。拓展DreamSync的应用到其他模型架构，并在不同场景中进行性能评估和额外研究也是未来持续调查的方向。

新AI框架HyperHuman：用于生成具有潜在结构扩散的超真实人类

一项名为HyperHuman的新型人工智能框架正式亮相，为生成超逼真人体图像开创了崭新纪元。这一框架的重要突破在于结合了结构扩散技术，成功克服了以往模型在生成人体图像中面临的种种挑战。HyperHuman的出现为生成超逼真人体图像提供了一种全新的方法，突破了以往模型的局限性，为未来的虚拟试穿、图像动画等应用带来了更为广阔的可能性。

多模态音乐AI框架Video2Music 为视频生成情感相符的音乐

一款创新的人工智能多模态音乐生成框架Video2Music引起了广泛关注。该框架利用独特的数据集和经过用户研究验证的转换器模型，能够为视频生成情感上相符的音乐，填补了这一领域的空白。这有助于学术和创作领域的知识传播。

斯坦福大学研究人员推AI框架DSPy:利用语言模型和检索模型解决复制任务

斯坦福大学的研究人员推出了一个名为DSPy的AI框架，用于利用语言模型和检索模型来解决各种高级任务。DSPy包含多种技术，可以提示和微调语言模型，改进其推理和检索增强。适合研究人员探索新的流程和任务，也方便实践者开发知识密集型NLP应用。

YouTube与环球音乐等共同开发AI框架 保护音乐作品版权

YouTube首席执行官NealMohan表示，AI技术正在迅速发展，YouTube与音乐产业长期以来一直保持紧密合作，保护音乐作品的版权。为了进一步加强合作，YouTube正在与音乐合作伙伴共同开发AI框架，以增强音乐的独特创造性表达，并保护音乐艺术家及其作品的完整性。他们共同确定了三个基本的AI原则:1）积极拥抱AI技术，与音乐合作伙伴共同发展;2)确保AI技术既保护创作作品，又为音乐合作伙伴提供机会;3)建立行业领先的信任和安全机构和内容政策，保护YouTube社区。

新型AI框架FaceLit 可生成光线真实的3D合成人像

苹果公司和哥伦比亚大学的AI研究人员提出了一种新型的AI框架，可以让一张照片生成3D模型时拥有真实的光线。该框架结合了物理光照模型和神经体积渲染技术，通过使用球面谐波将光照和渲染过程解耦，实现了更逼真的图像生成。通过FaceLit，用户可以获得高质量的人脸三维重光效果，并在不同光照条件下进行灵活的编辑和操作，为人脸图像处理和应用提供了新的可能性。

AI框架LoraHub：将LoRA 模块像乐高一样组合

LoraHub是一个AI框架，用于自动组合LoRA模块，以实现对新任务的适应性性能。它可以根据之前未识别任务的少量样本，自动组织合适的LoRA模块，并通过LoRA学习的方式进行训练。该团队正在努力动态组合LoRA节点，以提高LLM的能力。

伦敦帝国理工学院和 DeepMind联合设计AI框架 统一强化学习智能体

伦敦帝国理工学院和DeepMind的研究人员设计了一个AI框架，将语言作为强化学习智能体的核心推理工具。该框架利用了大型语言模型和视觉语言模型，能够有效解决强化学习中的几个基本问题，包括在奖励稀疏环境中的高效探索、顺序学习中的数据重用、新任务的能力调度以及从专家智能体的观察中学习。研究结果表明，语言模型和视觉语言模型可以有效地成为强化学习智能体�