Amazon 预计将于下周宣布对其智能语音助手 Alexa 进行重大的人工智能升级,这可能会改变我们与这项流行的智能家居技术的交互方式。Amazon 向媒体发出了参加 2 月 26 日在纽约市举行的活动的邀请,Amazon 设备和服务团队负责人 Panos Panay 将在活动中发言。
Panay 在 2023 年加入 Amazon,此前他在 Microsoft 工作了几十年,期间参与塑造了 Surface 产品线。
该活动预计将预览 Alexa 备受期待的生成式 AI 语音功能,这可能会显著增强其进行更自然、更具上下文对话和完成多步骤任务的能力。
如果确认发布,这将是 Alexa 自 2014 年首次亮相以来最重要的一次进化。尽管 Amazon 长期以来一直是 AI 助手领域的领导者,但行业格局正在迅速变化。OpenAI、Google 和 Anthropic 等公司正在推出越来越复杂的 AI 助手,能够多任务处理并完成复杂的请求。
Alexa 目前一次只能处理一个命令。上个月,OpenAI 推出了一个名为 Operator 的新 AI 代理,旨在处理日常任务,如预订晚餐、订购杂货和填写表格。Amazon 告诉 CNET,该活动将重点展示 Alexa 团队的最新创新,但没有提供更多细节。
目前全球已有超过 5 亿台启用 Alexa 的设备,生成式 AI 升级可能会重塑用户与语音助手的交互方式,并可能为更高级的功能引入付费等级。据路透社报道,Amazon 考虑对该服务收取每月 5 至 10 美元的费用,同时保留免费版本的 Alexa。
据传,Apple 也在加大智能家居领域的投入,计划推出一款由 Siri 驱动的壁挂式显示器,用于控制恒温器、灯光和家电等家用设备。
预计将于 3 月推出的这款设备,是 Apple 在智能家居市场更积极竞争的一部分,在这个市场上,Apple 一直落后于 Google 和 Amazon。
好文章,需要你的鼓励
这项研究探索了语言神经元视角下多语言对齐如何增强大语言模型(LLMs)的多语言能力。研究团队提出了一种更精细的神经元识别算法,将激活神经元分为语言特定、语言相关和语言无关三类,克服了现有方法的局限性。基于这种分类,研究将LLMs多语言处理过程划分为四个阶段:多语言理解、共享语义空间推理、多语言输出空间转换和词汇空间输出。通过分析对齐前后不同类型神经元的变化,发现多语言对齐促进了更多语言相关神经元的共享使用,减少了对语言特定神经元的依赖,这也解释了"自发多语言对齐"现象。
这项由弗吉尼亚大学与Adobe研究院合作的研究突破了传统图像到视频生成的空间限制,提出了"Frame In-N-Out"技术,使物体可以自然地离开画面或新物体能够进入画面。研究团队创建了专门的数据集和评估方法,并设计了一种融合运动控制、身份参考和无边界画布的扩散变换器架构。实验结果表明,该方法在生成质量和控制精度上显著优于现有技术,为电影制作和创意内容创作提供了新可能。
浙江大学研究团队开发了首个评估视觉语言模型多视角空间定位能力的综合基准ViewSpatial-Bench,并揭示了现有模型在视角转换理解上的严重缺陷。通过自动化3D标注流水线构建的大规模数据集,他们训练出的多视角空间模型(MVSM)实现了46.24%的性能提升,为人机空间交互提供了新的解决方案,使AI系统能更好地理解人类视角下的空间关系,促进更直观的人机交流。
ByteDance团队提出的DetailFlow是一种创新的图像生成方法,通过"下一细节预测"策略实现从粗到细的自回归生成。它将图像编码为仅需128个令牌的1D序列,比传统方法少5倍,却实现了更高质量(2.96 gFID)和更快速度(提速约8倍)。该方法巧妙地模拟人类创作过程:先勾勒整体结构,再逐步添加细节,并通过自我纠错机制解决并行推理中的错误累积问题,为高分辨率图像生成提供了高效解决方案。