它可以通过理解用户的自然语言指令和屏幕的视觉内容，自动执行一系列复杂的任务。 比如“删除Word文档中的所有图片”或“在PowerPoint文稿中添加一个新幻灯片”。 它结合了GPT 4-V，能够理解和Windows应用程序的图形用户界面（GUI）并执行操作。 ...
最新文章
视频生成模型“Sora”的5个弱点
虽然它是一个性能太高的模型，但也发布了一些失败输出
Base10 发布了新市场地图 – 和投资组合公司！
嵌入式软件平台是基础架构供应商，与专门的内部资源相比，它能让公司更快、更好、更轻松地启动多产品战略 来源：@Base10Partners
Sora视频：一只鲜花老虎飞升
OpenAI系统主管Connor Holmes @cmikeh2 发布 一只鲜花老虎飞升，又重新聚拢成老虎
Google发布了 Gemini-Pro-1.5
这是其 AI 模型的下一个版本，具有超过 1,000,000 个令牌上下文长度。 该模型现在可以一次性理解整本书、整部电影和播客系列。 这远远超过了所有其他竞争对手的聊天机器人上下文窗口。
OpenAI 和 Elon Musk \[译\]
OpenAI 的使命是确保全人类能从人工通用智能 (AGI) 中受益，这不仅意味着我们要构建既安全又有益的 AGI，也意味着我们要努力创造广泛分布的利益。现在，我们将分享我们如何实现这个使命的理解，以及我们与 Elon 的关系的一些事实。我们打算驳回 Elon 的所有主张
OpenAI Sora的新文本到视频模型
Sora 是一个数据驱动的物理引擎。它是对许多世界的模拟，无论是真实的还是幻想的。模拟器通过一些去噪和梯度数学来学习复杂的渲染、“直观”物理、长期推理和语义基础。 如果 Sora 使用虚幻引擎 5 对大量合成数据进行训练，我不会感到惊讶。它必须如此！
Vicarious ：允许外科医生360度可视化和进入腹部的手术机器人
该机器人只需要1.5厘米的小切口来进行腹部手术，这比一枚硬币还小，大大减少了手术对患者身体的伤害和术后恢复时间。
OS-Copilot：能够与操作系统（OS）进行交互
完成一系列广泛且复杂的计算机任务的智能代理框架。 它能够自我学习和改进，处理各种操作系统级别的任务。 包括但不限于文件管理、数据处理、环境设置、多媒体操作、网页浏览、代码编写、第三方应用交互、自动化测试等。 该项目由上海AI实验室、华东师范大学、普林斯顿大学和香港大学的研究人员共同开发。
NVIDIA发布一个可以运行在PC上本地模型：Chat With RTX
该模型可以与你自己的内容（文档、笔记、视频或其他数据）相连接， 利用检索增强生成（RAG）、TensorRT-LLM和RTX加速技术，用户可以个性化地创建一个聊天机器人。 快速获得上下文相关的答案。所有操作均在用户本地完成！ 它专为搭载NVIDIA...
1X’s ：神经网络视觉端到端学习机器人
该机器人能够完全独立地执行任务，无需人类远程操控或通过预设脚本。 所有动作都是实时通过神经网络计算得出。 机器人基于视觉的端到端神经网络直接从图像中学习如何控制其动作，包括驾驶、操纵手臂和抓取器、控制躯干和头部等。
AzureOpenAIService宣布了一系列新功能
包括公开预览的Assistants API、新的文本到语音（TTS）功能、即将推出的GPT-4 Turbo和GPT-3.5 Turbo模型更新、新的嵌入模型以及微调API的更新。 与之前的聊天完成API相比，Assistants API能够记住之前的对话内容，创建持久化和无限长的线程。 ...
Vercel将9个AI集成到了一起
Vercel为AI应用提供了丰富的产品基础设施，从增强客户服务流程的聊天机器人到带有语义搜索的推荐系统、检索增强生成（RAG）和生成图像服务... 为了让这一切更加简单，Vercel还
谷歌BARD更新为Gemini Ultra
注册时可以选择退出训练数据 Gemini Ultra 中 Imagen 2 生成的所有图像都应用了数字水印（但你看不到它） Ultra 比 Gemini Pro 更能胜任复杂任务，例如编码、逻辑推理以及遵循更长/更详细的指令。
Stability AI发布Stable Audio AudioSparx 1.0 音乐模型
提高了长格式音频的生成效率，克服了固定大小输出的限制，允许生成可变长度的音频。 通过潜在扩散模型和时间条件化，实现了对生成音频长度的精细控制，同时保持了计算效率。
Archax：是一款搭乘操作型机器人
通过驾驶舱进行直接操控，用户可以打开舱盖，进入驾驶舱，与机器人合为一体进行操控。 26个关节自由度，有机器人 / 车辆两种模式。 驾驶舱内部设有四面显示屏，用于显示机器人外部的摄像头画面。