阿里开源推理大模型QwQ-32B-Preview：能力接近o1-mini，复杂推理测评结果超过GPT-4o！开源免费商用！
随着OpenAI发布推理大模型o1，专注于推理能力的大模型开始被广泛关注。基于思维链探索的推理大模型也不断涌现。此前，DeepSeekAI与上海人工智能实验室都发布过推理大模型，也展现了很不错的推理能力，虽然DeepSeekAI官方承诺该模…
10 0 0
声浪
一文看尽Meta开源大礼包！全面覆盖语音、文本、图像分割等
来源丨新智元 Meta最近开源了多个AI项目，包括多模态语言模型Spirit LM、自学评估器和改进的跨语言句子编码器Mexma、图像分割模型SAM 2.1等，提升了语音识别领域和AI在图像处理的能力，进一步推动了AI研究的进展。 开源绝对…
12 0 0
Meta发布多轮多语言基准Multi-IF：覆盖8种语言，超4500种任务
来源丨新智元 Meta全新发布的基准Multi-IF涵盖八种语言、4501个三轮对话任务，全面揭示了当前LLM在复杂多轮、多语言场景中的挑战。所有模型在多轮对话中表现显著衰减，表现最佳的o1-preview模型在三轮对话的准确率从87.7%…
9 0 0
TEN-Agent：又一款王炸级的开源端到端语音模型
首个集成了OpenAI Realtime API和RTC能力的实时多模态AI agent：TEN-Agent，具备天气查询、网络搜索、视觉识别、RAG能力，适合智能客服、实时语音助手这种实时交互的场景能同时看、听、说，处理各种信息，具备超低…
11 0 0
来自现场：OpenAI 把实时交互，卷到了新高度
参加了 OpenAI 的今日发布 OpenAI Dev Day 在新加坡，大概 200 人 好些熟面孔 在第一排，带来更好、更新的内容 发布之前 先是在今天凌晨，4o 模型来了一波小的更新，版本号 gpt-4o-2024-11-20。主要对…
7 0 0
扣子OpenAPI突进智能语音战场！点满低延时、定制化、随时打断和音色克隆技能
来源丨机器之心 扣子 Coze OpenAPI 具有低延时、定制化、随时打断和音色克隆等优势，同时整合了扣子的智能体生态。 下面我们就逐步演示一下可以如何使用扣子智能体平台和智能语音对话 OpenAPI 轻松构建一个 AI 技术问答应用（基…
8 0 0
ASR 大模型 GPU 推理方案来啦!
相较于社区流行的 Faster Whisper 方案，NVIDIA TensorRT-LLM 能有效将推理速度提升 50% 以上; 仅用一张 A10 GPU，Whisper Turbo[1] 的中文微调模型每秒钟可以处理 500 秒的音频;…
38 0 0
Karpathy后悔了：2015年就看到了语言模型的潜力，却搞了多年强化学习
来源丨机器之心 耽误业界好多年？「这是有史以来最大、最令人困惑的研究生涯错误，」Andrej Karpathy 感叹道。 上个周末，OpenAI 创始成员、研究科学家、原特斯拉前 AI 高级总监、AI 领域的大神 Andrej Karpat…
12 0 0
OpenAI发布Windows版ChatGPT，高级语音能用了
来源丨新智元 OpenAI发布了支持Windows和macOS的ChatGPT桌面端，这种更加集成化的形式为用户在各种生活与工作的场景下，带来了更好的无缝式交互体验。对于常在桌面端办公的开发者来讲，应用协作功能尤其引人注目并超乎期待。 把消…
7 0 0
Transformer打破三十年数学猜想！Meta研究者用AI给出反例，算法杀手攻克数学难题
来源丨新智元 30多年的数学猜想首次获得了进展！Meta等学者提出的PatternBoost，使用Transformer构造了一个反例，反驳了一个已悬而未决30年的猜想。是否所有数学问题都适合机器学习技术？这样的未来太令人期待了。 30多年…
9 0 0