2024-9-2 AI热点速览

根据文档内容，以下是一些技术研究热点，包括论文和GitHub项目等： 1. **大模型的终生学习**：华南理工大学的研究者们调研、整理并总结了大语言模型（LLMs）的终生学习方法及其发展前景。相关论文《Towards Lifelong Learning of Large Language Models: A Survey》可在arXiv上查阅（[论文地址](https://arxiv.org/abs/2406.06391)）。 2. **开源大模型Llama的发展状况**：Meta的开源大模型Llama 3在市场上遭遇了一些挑战，尤其是在与闭源模型的竞争中。这一现象引发了关于开源与闭源模型的讨论，涉及模型的效果、成本以及商业模式等问题。 3. **多模态大模型的研究**：腾讯优图实验室的傅朝友博士在多模态大模型领域有深入研究，其成果包括Awesome-MLLM、MME、Video-MME等。这些工作在GitHub上获得了广泛的关注和认可。 4. **具身智能的研究进展**：Sergey Levine等研究者在具身智能领域进行了多项探索，包括如何将训练好的策略从模拟环境转移到真实机器人等方面的工作。相关研究可以在UC Berkeley的网站或学术论文中找到。 5. **多模态深度伪造检测技术**：中电金信推出的多模态深度伪造检测产品，利用了先进的多模态内容理解和对齐技术，可以有效地检测图像、音频、视频的真实性和AI生成内容的真实性。相关技术细节和实验结果可以在其官方渠道或学术论文中获取。 6. **开源语音合成项目**：例如Tortoise TTS和Mockingbird等项目，为语音合成技术的发展做出了贡献。这些项目可以在GitHub上找到（[Tortoise TTS](https://github.com/neonbjb/tortoise-tts) 和 [Mockingbird](https://github.com/babysor/MockingBird)）。以上内容展示了当前技术研究的一些热点方向和技术成果，涵盖了大模型的持续学习、开源模型的实际应用、多模态信息处理等多个领域。

今日大模型领域有哪些最新进展？

大模型领域的最新研究热点包括多模态大模型的进展，如LLaVA系列的更新，尤其是LLaVA-NeXT到LLaVA-OneVision的工作，展现了模型在视频理解和跨模态任务上的显著提升。此外，终生学习技术也被广泛关注，旨在使大模型能够持续适应新数据和任务，避免灾难性遗忘。

机器之心 2024-9-1

Claude也变懒了！网友：学会给自己放假了

http://mp.weixin.qq.com/s?__biz=MzA3MzI4MjgzMw==&mid=2650932434&idx=1&sn=ec2f9524834271b7e62cf194dbadf8ba&chksm=84e7c0acb39049bac5ea1e4a136dbc7fdb1578fa3b62b6da8277db0697dc1c48dec4ba0c85bc#rd

用Mac训练个机器人叠衣服，HuggingFace开源全套教程，开源AI机器人革命要来了？

http://mp.weixin.qq.com/s?__biz=MzA3MzI4MjgzMw==&mid=2650932434&idx=2&sn=4fce1b5ec8921db34720709d850edcb3&chksm=84e7c0acb39049ba1c2d987046a0d625be306d48fc384011a090c95c363ef422caec9d2b51bc#rd

Cross-Embodiment/数据集/VLA，具身智能今年的研究重点在哪？

http://mp.weixin.qq.com/s?__biz=MzA3MzI4MjgzMw==&mid=2650932434&idx=3&sn=46565195e53226d1dd2a4fb19a25fe46&chksm=84e7c0acb39049ba95e9b392ad8fff3f1ae8fcfb11963c72b76c471756e0db7bcf24821c4ea8#rd

防AI换脸视频诈骗，中电金信联合复旦提出多模态鉴伪法，还入选顶会ACM MM

http://mp.weixin.qq.com/s?__biz=MzA3MzI4MjgzMw==&mid=2650932434&idx=4&sn=f5989bff25878898f29b9f4d4c9ad2e0&chksm=84e7c0acb39049bae6673480370883d0cd573b5538da7d806b9c421fc888205194a903386159#rd

整合 200 多项相关研究，大模型「终生学习」最新综述来了