Navigate to WaytoAGI Wiki →
Home/Question List/Question Detail

最近新出的大模型有哪些

Answer

最近新出的大模型有：

  1. 通义千问推出的 Qwen2.5-Max 大型专家模型，通过 SFT 和 RLHF 策略后训练，性能与顶尖模型竞争，在多个基准测试中超越了 DeepSeek V3，引发了 AI 社区对大规模专家模型的高度关注。相关链接：
  2. 阿里云发布的 Qwen2.5-VL 新一代视觉语言模型。
Content generated by AI large model, please carefully verify (powered by aily)

References

大模型入门指南

数字化的好处是便于计算机处理。但为了让计算机理解Token之间的联系，还需要把Token表示成稠密矩阵向量，这个过程称之为embedding([3])，常见的算法有：基于统计Word2Vec，通过上下文统计信息学习词向量GloVe，基于词共现统计信息学习词向量基于深度网络CNN，使用卷积网络获得图像或文本向量RNN/LSTM，利用序列模型获得文本向量基于神经网络BERT，基于Transformer和掩码语言建模（Masked LM）进行词向量预训练Doc2Vec，使用神经网络获得文本序列的向量以Transform为代表的大模型采用自注意力（Self-attention）机制来学习不同token之间的依赖关系，生成高质量embedding。大模型的“大”，指的是用于表达token之间关系的参数多，主要是指模型中的权重（weight）与偏置（bias），例如GPT-3拥有1750亿参数，其中权重数量达到了这一量级，而词汇表token数只有5万左右。参考：[How does an LLM"parameter"relate to a"weight"in a neural network?](https://datascience.stackexchange.com/questions/120764/how-does-an-llm-parameter-relate-to-a-weight-in-a-neural-network"How does an LLM"parameter"relate to a"weight"in a neural network?")

XiaoHu.AI日报

?Xiaohu.AI日报「1月28日」✨✨✨✨✨✨✨✨1⃣️?大年三十发模型：Qwen2.5-Max通义千问推出的大型专家模型（MoE），通过SFT和RLHF策略后训练，性能与顶尖模型竞争。在多个基准测试（Arena Hard、LiveBench、LiveCodeBench、GPQA-Diamond）中超越了DeepSeek V3。引发了AI社区对大规模专家模型的高度关注。?Blog:[https://qwenlm.github.io/blog/qwen2.5-max/](https://qwenlm.github.io/blog/qwen2.5-max/)?Qwen Chat:[https://chat.qwenlm.ai](https://chat.qwenlm.ai)（选择Qwen2.5-Max模型）?API:[https://alibabacloud.com/help/en/model-studio/getting-started/first-api-call-to-qwen?spm=a2c63.p38356.help-menu-2400256.d_0_1_0.1f6574a72ddbKE](https://alibabacloud.com/help/en/model-studio/getting-started/first-api-call-to-qwen?spm=a2c63.p38356.help-menu-2400256.d_0_1_0.1f6574a72ddbKE)?HF Demo:[https://huggingface.co/spaces/Qwen/Qwen2.5-Max-Demo](https://huggingface.co/spaces/Qwen/Qwen2.5-Max-Demo)2⃣️?️阿里云发布Qwen2.5-VL：新一代视觉语言模型

XiaoHu.AI日报

?Xiaohu.AI日报「1月28日」✨✨✨✨✨✨✨✨1⃣️?大年三十发模型：Qwen2.5-Max通义千问推出的大型专家模型（MoE），通过SFT和RLHF策略后训练，性能与顶尖模型竞争。在多个基准测试（Arena Hard、LiveBench、LiveCodeBench、GPQA-Diamond）中超越了DeepSeek V3。引发了AI社区对大规模专家模型的高度关注。?Blog:[https://qwenlm.github.io/blog/qwen2.5-max/](https://qwenlm.github.io/blog/qwen2.5-max/)?Qwen Chat:[https://chat.qwenlm.ai](https://chat.qwenlm.ai)（选择Qwen2.5-Max模型）?API:[https://alibabacloud.com/help/en/model-studio/getting-started/first-api-call-to-qwen?spm=a2c63.p38356.help-menu-2400256.d_0_1_0.1f6574a72ddbKE](https://alibabacloud.com/help/en/model-studio/getting-started/first-api-call-to-qwen?spm=a2c63.p38356.help-menu-2400256.d_0_1_0.1f6574a72ddbKE)?HF Demo:[https://huggingface.co/spaces/Qwen/Qwen2.5-Max-Demo](https://huggingface.co/spaces/Qwen/Qwen2.5-Max-Demo)2⃣️?️阿里云发布Qwen2.5-VL：新一代视觉语言模型

Others are asking
最近国内外 有什么新出的AI产品
以下是国内外新出的一些 AI 产品： 图像类产品： 国内： 可灵：由快手团队开发，用于生成高质量的图像和视频，图像质量高，最初采用内测邀请制，现向所有用户开放，价格相对较高，重度用户年费可达几千元，平均每月使用成本在 400 到 600 元，也有临时或轻度使用的免费点数和较便宜包月选项。 通义万相：在中文理解和处理方面表现出色，可选择多种艺术和图像风格，生成图像质量高、细节丰富，操作界面简洁直观、用户友好度高，能与阿里其他产品和服务无缝整合，重点是现在免费，每天签到获取灵感值即可，但存在某些类型图像无法生成、处理非中文语言或国际化内容不够出色、处理多元文化内容可能存在偏差等局限性。 搜索类产品： 国内：大模型厂商推出的 ChatBot 产品（智谱清言、Kimi Chat、百小应、海螺 AI 等），搜索厂商或创业团队推出的 AI 搜索产品（360 AI 搜索、秘塔、博查 AI、Miku 等）。 海外：Perplexity、You、Phind 等。 中国公司和团队的出海产品：ThinkAny、GenSpark、Devv 等。 PPT 类产品： 国内：爱设计 PPT，背后有实力强大的团队，对市场需求有敏锐洞察力，把握住了 AI 与 PPT 结合的市场机遇，已确立市场领先地位，代表了当前国内 AI 辅助 PPT 制作的最高水平，能提高制作效率并保证高质量输出。
2025-01-06
斯坦福大学新出的AI工具storm，storm的主要功能有哪些，如何使用
STORM 是斯坦福大学开发的创新写作系统，主要功能包括： 1. 自动化编写具有维基百科深度的长篇文章。 2. 通过模拟人类写作过程中的预写、起草和修订阶段，实现自动化信息收集和大纲创建。 关于如何使用，目前提供的信息中未明确提及具体的使用方法。但您可以通过以下途径获取更多使用相关的信息： 1. 访问相关链接：https://arxiv.org/abs/2402.14207 、https://x.com/xiaohuggg/status/1762308686259929162?s=20 。 此外，还有一种用于语音增强和去发声的随机再生模型 StoRM ： 1. 代码获取：https://github.com/spuhh/storm 2. 演示查看：https://www.inf.unihamburg.de/en/inst/ab/sp/publications/storm 3. 论文查阅：https://arxiv.org/abs/2212.11851 其核心在于随机再生方法，能够结合预测模型和基于扩散的生成模型的优势，生成更清晰、更自然的语音输出。在实际应用中，可从受损的语音信号中恢复出干净的语音，且通过减少逆向扩散步骤的数量和避免使用复杂的修正器，显著降低了计算负担。在实验中，其在多个标准数据集上的表现均超过了现有的预测性和生成性语音增强方法。源代码和音频示例已公开，方便研究人员和开发者进一步探索和应用。
2025-01-03
斯坦福大学新出的AI工具storm
以下是关于斯坦福大学新出的 AI 工具 STORM 的相关信息： STORM 是斯坦福大学开发的创新写作系统，能够自动化编写具有维基百科深度的长篇文章。它通过模拟人类写作过程中的预写、起草和修订阶段，实现自动化的信息收集和大纲创建。相关链接：https://arxiv.org/abs/2402.14207 ，https://x.com/xiaohuggg/status/1762308686259929162?s=20
2025-01-03
openAI新出的o1是什么
OpenAI 于北京时间 9 月 13 号凌晨 1 点多宣布推出模型 o1perview 与 o1mini（真正的 o1 版本将在后续开放），拥有 Plus 版本的用户会陆续收到新模型权限，并可在 Web 客户端中尝鲜体验。 在评估结果方面： o1 在 2024 美国数学奥林匹克竞赛（AIME）资格赛中跻身美国前 500 名学生之列。 o1 在竞争性编程问题（Codeforces）中排名第 89 个百分位（这个版本的模型还没发布），而 o1perview 拿到了 62 个百分位。 在物理、生物和化学问题的基准（GPQA），o1 与 o1perview 都超过了人类博士水平的准确性。 关于“超过人类博士水平”的测试，OpenAI 在新 page 中答复：“我们还在 GPQA diamond 上评估了 o1，这是一个困难的智力基准测试，用于测试化学、物理和生物学方面的专业知识。为了将模型与人类进行比较，我们招募了拥有博士学位的专家来回答 GPQAdiamond 的问题。我们发现 o1 的表现超越了这些人类专家，成为第一个在这个基准测试上做到这一点的模型。”但 OpenAI 也表示“这些结果并不意味着 o1 在所有方面都比博士更有能力——只是说明该模型在解决一些预期博士能够解决的问题上更加熟练。在其他几个机器学习基准测试上，o1 改进了最先进的水平。” 推理模型的准确率不断攀升，这意味着 AI 技术可以渗透到更多行业、更多高精尖业务中去。OpenAI 推出的新模型为整个行业注入了强心剂，带来了新的活力和希望。从 OpenAI 提出的通往 AGI（通用人工智能）的分级来看，我们正在从第一级向第二级迈进，未来可能会见证 AI 从单纯的生成工具向真正的智能体转变。此外，4o 模型和 o1 在推理方面差距较大，红色线代表 4o 的得分，绿色线代表 o1 的得分，o1 在各项得分结果上均优于 4o。
2024-09-18
大模型的系统提示词
大模型的系统提示词主要包括以下方面： 1. 在“五津：一键生成‘摸鱼打工猫’视频”中，针对用户选择的主题和回答，总结用户的创作意图，如“打工猫摸鱼的 2 小时，在巴厘岛能看一场日落”，并根据此生成 4 组体现幽默风趣、以宫崎骏风格描绘主角为摸秋刀鱼橘猫的绘图提示词，以数组形式输出到“tishici”，将用户意图输出到“biaoti”。 2. 在“云中江树：智能对决：提示词攻防中的 AI 安全博弈”中，系统提示词的相关防御措施分为输入侧、模型侧和输出侧三个部分。输入侧可进行意图识别、语义匹配等综合判断用户输入是否恶意；模型侧对于有能力的厂商应增强安全性并平衡性能，开发者则要在开发中带着安全意识优化系统提示词，加入安全引导和禁止内容等；输出侧可使用传统防御和内容过滤手段，并针对大模型特点进行私有数据泄露等检查。此外，还提到间接注入和提示词泄露的情况，间接注入常发生在应用获取依赖外部数据资源时，攻击者通过隐藏恶意指令完成攻击；提示词泄露指试图操纵模型输出获取部分或全部系统提示词，大模型输出内容可分为系统提示词、用户提示和助手提示词三段，通过攻击手段可获取系统提示词。
2025-04-18
通义千问Qwen2.5-VL、阶跃星辰step-1.5v-mini、Gemini-2.0-Flash，这3个视觉理解大模型哪个最厉害？
以下是对通义千问 Qwen2.5VL 模型的介绍： 版本：有 3B、7B 和 72B 三个尺寸版本。 主要优势： 视觉理解能力：在 13 项权威评测中夺得视觉理解冠军，全面超越 GPT4o 与 Claude3.5。 视频理解能力：支持超 1 小时的视频理解，无需微调即可变身为 AI 视觉智能体，实现多步骤复杂操作。 万物识别：擅长识别常见物体及分析图像中的文本、图表、图标、图形和布局。 精准的视觉定位：采用矩形框和点的多样化方式对通用物体定位，支持层级化定位和规范的 JSON 格式输出。 全面的文字识别和理解：提升 OCR 识别能力，增强多场景、多语言和多方向的文本识别和文本定位能力。 Qwen 特色文档解析：设计了更全面的文档解析格式，称为 QwenVL HTML 格式，能够精准还原文档中的版面布局。 增强的视频理解：引入动态帧率（FPS）训练和绝对时间编码技术，支持小时级别的超长视频理解，具备秒级的事件定位能力。 开源平台： Huggingface：https://huggingface.co/collections/Qwen/qwen25vl6795ffac22b334a837c0f9a5 Modelscope：https://modelscope.cn/collections/Qwen25VL58fbb5d31f1d47 Qwen Chat：https://chat.qwenlm.ai 然而，对于阶跃星辰 step1.5vmini 和 Gemini2.0Flash 模型，目前提供的信息中未包含其与通义千问 Qwen2.5VL 模型的直接对比内容，因此无法确切判断哪个模型在视觉理解方面最厉害。但从通义千问 Qwen2.5VL 模型的上述特点来看，其在视觉理解方面具有较强的能力和优势。
2025-04-15
目前全世界最厉害的对视频视觉理解能力大模型是哪个
目前在视频视觉理解能力方面表现出色的大模型有： 1. 昆仑万维的 SkyReelsV1：它不仅支持文生视频、图生视频，还是开源视频生成模型中参数最大的支持图生视频的模型。在同等分辨率下各项指标实现开源 SOTA。其具有影视化表情识别体系、人物空间位置感知、行为意图理解、表演场景理解等优势。 2. 通义千问的 Qwen2.5VL：在 13 项权威评测中夺得视觉理解冠军，全面超越 GPT4o 与 Claude3.5。支持超 1 小时的视频理解，无需微调即可变身为 AI 视觉智能体，实现多步骤复杂操作。擅长万物识别，能分析图像中的文本、图表、图标、图形和布局等。
2025-04-15
目前全世界最厉害的视频视觉理解大模型是哪个
目前全世界较为厉害的视频视觉理解大模型有以下几个： 1. 昆仑万维的 SkyReelsV1：不仅支持文生视频、图生视频，是开源视频生成模型中参数最大且支持图生视频的模型。在同等分辨率下各项指标实现开源 SOTA。其优势包括影视化表情识别体系、人物空间位置感知、行为意图理解、表演场景理解等。 2. 腾讯的混元：语义理解能力出色，能精准还原复杂的场景和动作，如特定品种的猫在复杂场景中的运动轨迹、从奔跑到跳跃的动作转换、琴音化作七彩音符等。 3. Pixverse V3.5：全球最快的 AI 视频生成模型，Turbo 模式下可在 10 秒内生成视频，最快仅需 5 6 秒。支持运动控制更加稳定、细节表现力强、首尾帧生成功能，具备顶尖动漫生成能力。
2025-04-15
目前全世界最厉害的视觉理解大模型是哪个
目前在视觉理解大模型方面，较为突出的有 DeepSeek 的 JanusPro 模型，它将图像理解和生成统一在一个模型中；还有通义千问的视觉理解模型，其价格有较大降幅。此外，Pixverse V3.5 是全球最快的 AI 视频生成模型，在某些方面也展现出了出色的能力。但很难确切地指出全世界最厉害的视觉理解大模型，因为这取决于不同的评估标准和应用场景。
2025-04-15
大模型对话产品的优劣
大模型对话产品具有以下优点： 1. 具有强大的语言理解和生成能力。 2. 能够提供类似恋爱般令人上头的体验，具有一定的“想象力”和“取悦能力”。 3. 可以通过陪聊建立人和 AI 之间的感情连接，产品粘性不完全依赖技术优越性。 4. 能够为用户提供产品咨询服务，适用于有企业官网、钉钉、微信等渠道的客户。 5. 具有多种应用场景，如私有领域知识问答、个性化聊天机器人、智能助手等。 大模型对话产品也存在一些缺点： 1. 存在记忆混乱的问题。 2. AI 无法主动推动剧情，全靠用户脑补，导致用户上头期短，疲劳度高，长期留存低。 3. 无法回答私有领域问题（如公司制度、人员信息等）。 4. 无法及时获取最新信息（如实时天气、比赛结果等）。 5. 无法准确回答专业问题（如复杂数学计算、图像生成等）。
2025-04-14
最近6个月的ai技术和趋势
在过去 6 个月中，AI 技术和趋势呈现出以下特点： 模型方面：DeepSeek 开源 R1 模型，将大模型行业推进到推理时代，引发了深刻影响。Scaling Law 再次“续命”，目标指向 AGI。 图像方面：整体朝着更快、更便宜的方向发展，AI 图像生成已成为常用生产力工具，资本市场看好相关赛道。 视频方面：底层架构无大变化，公司逐渐分化为面向 C 端的好玩快速的视频模板方向和面向 B 端的高质量高可控性的视频创作方向。 音频方面：跨越了真假难辨的临界点，成为继图像领域后被资本看好的赛道。 3D 方面：暂时停留在文字/图片生成 3D 模型阶段，世界模型刚起步。 应用方面：AI 编程领域快速迭代发展，从半自动向全自动迈进；Computer Agent 缓慢发展，OpenAI 的 Operator 工具效果不佳；DeepSearch 作为调研 Agent 存在模型幻觉等问题，实际使用需谨慎。 新闻方面：中美欧 2025 年将加大对 AI 基础建设和科学研究的投入，越来越多厂商接入 R1 并拥抱开源。
2025-03-31
最近很火的古人怼人视频怎么做的
制作最近很火的古人怼人视频，可按照以下步骤进行： 1. 文案生成 工具：DeepSeek 操作： 打开 DeepSeek 网站：https://chat.deepseek.com/ 输入提示词，示例：“让 XX 用现代口语化的表达、生气骂人的口吻吐槽 XXXX（例如：吐槽现代人），XXX 目的（例如：推广 XXX 吸引游客来旅游），输出 3 条 60 字左右的毒舌文案，每条里面都要有‘回答我！Look in my eyes！Tell me！why？baby！why？’” 可以根据自己的内容自行调整文案和字数要求。 点击生成，等待 DeepSeek 输出 3 条文案。 从中挑选最满意的一条（或多条）保存备用。 2. 准备人物形象图 可以用现有的照片或者图片，也可以用工具生成。 工具：即梦 AI 操作： 打开即梦 AI 网站：https://jimeng.jianying.com/aitool/image/generate 输入提示词，即梦已经接入了 DeepSeek，可以直接用它来生成绘图提示词 调整生成参数（如风格、细节等），点击生成。 预览生成的人物图，不满意可调整提示词重新生成，直到满意为止。 下载最终的人物形象图。 此外，还有以下扩展玩法和变现玩法： 扩展玩法： 1. 文旅引流版：用地方历史名人“骂”现代游客，再顺便夸家乡美景。 2. 名人认知刷新版：让古人吐槽他们被误解的形象。 3. 系列化挑战：做一个“古人骂遍现代生活”系列，吸引粉丝追更。还能号召网友提建议，互动拉满！ 变现玩法： 1. 品牌合作与广告植入：让古人吐槽现代生活痛点，顺势植入品牌产品或服务，打造新颖幽默的广告形式。 2. IP 开发与周边销售：基于古人形象开发文化衍生品，打造可销售的 IP 周边。 3. 教育与文化传播：将吐槽视频融入历史文化知识，吸引学生和文化爱好者。
2025-03-30
最近流行的ai技术
AI 技术的发展历程和前沿技术点如下： 发展历程： 1. 早期阶段（1950s 1960s）：包括专家系统、博弈论、机器学习初步理论。 2. 知识驱动时期（1970s 1980s）：有专家系统、知识表示、自动推理。 3. 统计学习时期（1990s 2000s）：出现机器学习算法，如决策树、支持向量机、贝叶斯方法等。 4. 深度学习时期（2010s 至今）：深度神经网络、卷积神经网络、循环神经网络等得到广泛应用。 当前前沿技术点： 1. 大模型（Large Language Models）：如 GPT、PaLM 等。 2. 多模态 AI：包括视觉 语言模型（CLIP、Stable Diffusion）、多模态融合。 3. 自监督学习：例如自监督预训练、对比学习、掩码语言模型等。 4. 小样本学习：如元学习、一次学习、提示学习等。 5. 可解释 AI：涉及模型可解释性、因果推理、符号推理等。 6. 机器人学：涵盖强化学习、运动规划、人机交互等。 7. 量子 AI：包括量子机器学习、量子神经网络等。 8. AI 芯片和硬件加速。 学习路径： 偏向技术研究方向： 1. 数学基础：线性代数、概率论、优化理论等。 2. 机器学习基础：监督学习、无监督学习、强化学习等。 3. 深度学习：神经网络、卷积网络、递归网络、注意力机制等。 4. 自然语言处理：语言模型、文本分类、机器翻译等。 5. 计算机视觉：图像分类、目标检测、语义分割等。 6. 前沿领域：大模型、多模态 AI、自监督学习、小样本学习等。 7. 科研实践：论文阅读、模型实现、实验设计等。 偏向应用方向： 1. 编程基础：Python、C++等。 2. 机器学习基础：监督学习、无监督学习等。 3. 深度学习框架：TensorFlow、PyTorch 等。 4. 应用领域：自然语言处理、计算机视觉、推荐系统等。 5. 数据处理：数据采集、清洗、特征工程等。 6. 模型部署：模型优化、模型服务等。 7. 行业实践：项目实战、案例分析等。 无论是技术研究还是应用实践，数学和编程基础都是必不可少的。同时需要紧跟前沿技术发展动态，并结合实际问题进行实践锻炼。 近期热门融资的 AI 产品，如 Genspark、Rockset、ButterfliesAI、MeetRecord 等，不仅展示了技术的先进性，也为各行各业提供了高效、智能的信息处理和决策支持工具。
2025-03-29
最近有什么AI比赛
以下是为您整理的近期 AI 比赛： 1. 【灵璧 AI】安徽文创 截止日期：0115 0315 奖金奖项：一等奖 2k1、二等奖 1k2、三等奖 8005 主题+作品类型：赛道一为数字艺术创作，利用 AIGC 技术创作数字绘画、数字雕塑等艺术作品；赛道二为互动体验设计，设计互动体验项目，如 AR/VR 体验、互动游戏等；赛道三为数字故事讲述，创作以虞姬及灵璧特色历史文化为主题的数字故事，如动画短片等。 关键要求：只能提交一份作品。以压缩包上传，材料包含创作作品的源文件、prompt 指令、制作过程的关键过程截图、录屏与说明等。 提交方式：邮箱 链接： 2. 创无界智未来·文旅应用赛 截止日期：0101 0330 奖金奖项：一等奖 10w1、二等奖 6w2、三等奖 3w3 主题+作品类型：四个赛道 关键要求：模糊 提交方式：官网 链接： 3. 【凌家滩】AI 创作大赛 截止日期：0101 0415 奖金奖项：一等奖 2w1、二等奖 8k2、三等奖 2k3、优秀奖 010 主题+作品类型：“文化遗产的数字化重现与未来表达”AI 图像/AIMV/AI 视频 关键要求：无 提交方式：无 链接： 4. 【云山杯】AIGC 大赛 截止日期：0116 0225 奖金奖项：四赛道分别为一等奖 2k1、二等奖 1k1、三等奖 3003、优秀奖 10020 主题+作品类型：图片、视频、文本、音频 关键要求：【AI 图片】1.设计一个代表“杯云山”的全新品牌标志，融合传统与现代元素。2.创作一套完整的品牌视觉形象，包括颜色、字体和图案设计。【AI 视频】1.制作一个简短视频，介绍“杯云山”品牌的历史、价值观和产品特色。2.制作一段云南茶文化的纪录片，展示其历史、传统和现代发展的融合。【AI 文本】1.撰写关于“杯云山”品牌从创立到发展的故事，突出品牌的传承与创新。2.编写一个以茶园为背景的微型剧本，展示茶叶从种植到品鉴的全过程。【AI 音乐】1.创作能够代表“杯云山”的纯音乐，体现茶园的宁静与创新的活力。2.将传统云南音乐元素与现代电子音乐相结合，创作段具有地域特色和创新感的音乐作品。 提交方式：无 链接： 5. 智绘未来【台州】AI 大赛 截止日期：0122 0309 奖金奖项：①一等奖 5k1、二等奖 2k3、三等奖 1k5、台州奖 1k1；②一等奖 5.5k1、二等奖 2.5k2、三等奖 1.5k3、台州奖 1k1 主题+作品类型：AI 绘画赛道、AI 视频赛道（60S 以上） 关键要求：分辨率 2K 以上，【加分项】展现台州自然风光、人文历史、城市印象等元素，对台州未来景象的想象，或对台数字馆的未来想象相关的台州元素（额外在总分值增加 10%的分数） 提交方式：AITOP100 平台，投稿后必须转发至小红书分享并带上话题智绘未来+关注官方账号@台州数字馆。 链接：
2025-03-27
吴恩达最近推出了哪些课程？
吴恩达最近推出的课程包括： 1. 与 OpenAI 合作推出的免费的 Prompt Engineering（提示工程师）课程。 主要内容是教书写 AI 提示词，并利用 GPT 开发一个 AI 聊天机器人。 原版网址：https://www.deeplearning.ai/shortcourses/chatgptpromptengineeringfordevelopers/ B 站版本：【合集·AI Course哔哩哔哩】https://b23.tv/ATc4lX0 、https://b23.tv/lKSnMbB 翻译版本： 推荐直接使用 Jupyter 版本学习，效率更高：https://github.com/datawhalechina/promptengineeringfordevelopers/ 视频下载地址：https://pan.quark.cn/s/77669b9a89d7 OpenAI 开源了教程：https://islinxu.github.io/promptengineeringnote/Introduction/index.html 纯文字版本 2. 2023 年 8 月 24 日上线的最新短课程： 《》，课程内容包括了解何时对 LLM 应用微调、准备数据以进行微调、根据自己的数据训练和评估 LLM。 《》，深入浅出地介绍了基于大语言模型的 AI Agents，从记忆检索到决策推理，再到行动顺序的选择，真实展现了 Agent 的智能化进程。
2025-03-27
最近的AI新闻
以下是近期的 AI 新闻汇总： 3 月 12 日： 【AI 3D】 BlenderMCP：与 Claude AI 沟通，在 Blender 实现快速 3D 建模。 MIDI：单幅图像到 3D 场景生成。 Move AI：更新动作捕捉能力，提出 Gen 2 Spatial Motion。 【AI 写作】 MMStoryAgent：AI 多模态故事生成系统。 【AI 视频】 VACE：阿里推出一体化视频创作和编辑技术。 VideoPainter：腾讯开源视频编辑技术。 Wonder Dynamics：推出摄像机轨道（Camera Track）和清洁板（Clean Plate）功能。 【其他】 OpenAI：为开发者推出一套 AI Agent 开发套件。 R1Omni：阿里情感识别模型，通过视频识别情感。 Luma AI：发布一种新的预训练范式 IMM，旨在突破算法瓶颈，提高生成预训练算法的性能。 Manus：宣布与阿里通义千问团队达成战略合作。 3 月 14 日： 【AI 模型及其他】 谷歌：Gemini 应用能力升级，包含升级推理模型 gemini 2.0 Flash Thinking Experimental 等多个功能提升。 OpenAI：4 项更新。 Bolt：一键将 Figma 设计转换为可运行的 Web 应用。 阿里：推出 AI 旗舰应用“新夸克”。 360 智脑团队：开源推理模型 LightR114BDS，复现 Deepseek 的强化学习效果。 【AI 视频】 Pika：更新 Pikaffects，新增多款变身特效。 Freepik 与 Fal 平台：引入 Topaz AI 的提升“FPS 和视频分辨率”能力。 Krea：上线 Veo 2 模型，支持图生视频功能，但生成成本较高。 【AI 绘图】 LBM：用于快速图像到图像转换的潜在桥匹配方法，支持可控图像重新照明、角色去除和图像修复。 【AI 语音】 Sesame：开源 TTS 语音模型 CSM1B。 3 月 26 日： 【AI 模型及应用】 OpenAI：推出 GPT4o 图像生成能力。 谷歌：发布 Gemini 2.5 Pro Experimental 模型。 Trea：已内置 DeepSeekV30324。 【AI 音乐】 昆仑万维：发布全球首款音乐推理大模型 Mureka O1。 【AI 视频】 混元 Portrait：音频视频驱动图片肖像形成动画。 PPVCtrl：新可控制视频生成模型。 【AI 3D】 Vibe Draw: 草图进行 3D 建模。 PhysTwin：通过视频创建交互式物理数字孪生。 GroomLight：用于重打光的人体头发外观建模的混合逆向渲染。
2025-03-26