AI写的AI 周报｜Vol. 20230326

01.产业新闻

微软推出了一个名为Copilot for Work的新AI工具，旨在帮助用户在工作中变得更加高效、有创造力和有技能。它将大型语言模型与Microsoft Graph和Microsoft 365应用程序中的用户数据集成在一起，允许用户创建、分析、表达、协作和取得更多成果。​

🔗 微软Bing AI绘图上线

微软Bing近日上线了AI绘图产品-Image Creator，该功能由微软投资的 OpenAI 旗下的的 DALL-E 提供技术支持，用户只需提供Prompt（形容词）即可生成出各类的AI图片。目前Bing  Image Creator无需排队，用户可以直接使用。但目前只支持使用英文描述词，并且生成的图片左下角都会有 Bing 的logo水印。 ​

🔗 Runway宣布推出Gen-2（产品发布）

Runway宣布推出Gen-2，这是一个多模态AI系统，可以从文本生成逼真的视频。您可以在4种不同的模式下使用Gen-2：文本到视频、图像到视频、文本+图像到视频（使用驾驶图像和文本提示生成视频）、样式化（视频到视频）和故事板（将模型转化为全面的样式化和动画渲染）。请查看网站上的示例，如“山脉的航拍无人机镜头”和“纽约市阁楼的傍晚阳光透过窗户”。​

🔗 微软协作平台 Microsoft Loop 可以体验啦

无需Waiting list，你现在就可以登陆 Microsoft Loop 并直接体验啦。​

🔗 微软宣布 GitHub Copilot X发布

GitHub Copilot正在快速发展，将引入聊天和语音界面，支持拉取请求，回答文档上的问题，并采用OpenAI的GPT-4，为开发者提供更个性化的体验。​

🔗 Google推出Bard语言模型

谷歌期待已久的语言模型服务终于来了。Bard是Lambda的轻量级版本，Lambda是几年前训练的一个70B参数的对话型代理人。他们花了很多心思来确保安全和真实性，我们将在人们开始加入等待名单后看看它是否能够兑现承诺！​

🔗 Adobe自主开发的生成模型

第二个玩家进入游戏。Adobe推出了其Firefly模型的私人测试版。由强大的视觉团队支持，并获得了大量数据的支持，这家艺术公司现在准备提供自己的生成图像模型。有一个越来越被认可的假设，即技术的重要性越来越小，而分发仍然是王道，当两者结合起来时，我们将看到会发生什么！​

🔗 OpenAI 正式发布 ChatPT插件系统

继 3 月份发布新的 GPT-4 引擎和 Whisper API 之后，OpenAI 周四宣布已开始为 ChatGPT 引入插件。这些将使聊天机器人能够与第三方 API 交互，根据开发人员定义的特定情况定制其响应，同时扩展机器人的能力范围。​

🔗 英伟达进军基础模型即服务领域

英伟达公司已经推出了自己的基础模型即服务平台。该平台将首次在企业领域推出，为专有数据提供定制化解决方案。该平台具有多模式能力，可以处理各种类型的数据，包括文本、图像、视频甚至三维内容，从而可以构建定制的多模式语言模型和生成模型，以适应特定的用例。与Getty Images、Shutterstock和Adobe等行业领导者的合作确保了版权问题得到有效处理。​

🔗 比尔·盖茨谈AI时代

比尔·盖茨称AI的发展是自引入图形用户界面以来技术进步中最重要的一步。盖茨特别关注AI在减少全球不平等方面的潜力，包括预防可预防疾病导致的儿童死亡、改善教育和缓解气候变化影响。然而，他也承认AI引发了伦理和社会问题，如劳动力置换、隐私和偏见，并呼吁政府和慈善组织确保技术减少不平等。​

🔗 Canva 开放 10 项 AI 能力

Canva 开放 10 项 AI 新功能在其官方主页上，AI 能力将覆盖文稿、图像以及动画。​

02. 研究动态

🔗 HuggingFace支持LLaMA（GitHub仓库）

Meta的开源模型，其权重本月早些时候被泄漏，现在已包含在流行的Transformers库中，目前仅在主分支上，但现在可以使用该模型训练Stanford的Alpaca，使用他们的训练代码。​

🔗 Semantic Kernel（GitHub Repo）

语义内核（SK）是一个轻量级的SDK，可将AI LLM与传统编程语言集成。​

🔗 DiffusionRet：扩散模型生成的文本-视频检索

该论文介绍了DiffusionRet，一种基于扩散的文本-视频检索框架，从生成视角建模文本和视频之间的相关性，即它们的联合概率p(candidates, query)。DiffusionRet通过生成损失和对比损失来优化生成器和特征提取器，利用生成和判别方法实现卓越的性能，即使在域外检索设置下也能在五个常用的文本-视频检索基准测试中取得优异的表现，并为相关领域带来了基本的见解。​

🔗 谷歌提出SVDiff，一种个性化的文本到图像扩散模型

来自谷歌的研究人员提出了一种新的方法，称为SVDiff，以解决现有文本到图像扩散模型的个性化限制，包括过度拟合和低效的参数存储。SVDiff涉及微调权重矩阵的奇异值，从而产生一个紧凑而高效的参数空间，降低过度拟合、语言漂移的风险，并且具有显著较小的模型大小，使其更适合实际应用。​

🔗 数据去重技术

AI写的AI 周报｜Vol. 20230326​

AI写的AI 周报｜Vol. 20230326