Roblox 正在推出并开源其首个基础 AI 模型 Cube 3D,该模型可用于生成 3D 对象。
"通过 Cube,我们旨在让 3D 创作更加高效,"Roblox 在新闻稿中表示。"借助 3D 网格生成功能,开发者可以快速探索新的创意方向,并通过快速决定要推进的方向来提高工作效率。"
正如 Roblox 在新闻稿中解释的那样,该模型是通过 3D 对象训练而成:
为了实现这一目标,我们从经过文本 token (或字符集) 训练的最先进模型中获得灵感,这些模型能够预测下一个 token 以形成完整句子。我们的创新建立在相同的核心理念之上。我们构建了将 3D 对象标记化并理解形状 token 的能力,并训练 Cube 3D 来预测下一个形状 token,以构建完整的 3D 对象。
图片来源:Roblox
发言人 Samantha Spielman 告诉 The Verge,用于训练该模型的实际数据包括"授权数据集和公开可用数据集的组合,以及来自 Roblox 生态系统的经验数据"。
未来,Cube 3D 还将能够使用图像作为输入来生成对象。据 Roblox 表示:"它最终将成为一个多模态模型,可以通过文本、图像、视频和其他类型的输入进行训练,并将与我们现有的 AI 创作工具集成。"
好文章,需要你的鼓励
南洋理工大学研究团队开发了WorldMem框架,首次让AI拥有真正的长期记忆能力,解决了虚拟世界模拟中的一致性问题。该系统通过记忆银行存储历史场景,并使用智能检索机制,让AI能准确重现之前的场景和事件,即使间隔很长时间。实验显示在Minecraft和真实场景中都表现出色,为游戏、自动驾驶、机器人等领域带来广阔应用前景。
AWS通过升级SageMaker机器学习平台来扩展市场地位,新增观测能力、连接式编码环境和GPU集群性能管理功能。面对谷歌和微软的激烈竞争,AWS专注于为企业提供AI基础设施支撑。SageMaker新功能包括深入洞察模型性能下降原因、为开发者提供更多计算资源控制权,以及支持本地IDE连接部署。这些更新主要源于客户需求,旨在解决AI模型开发中的实际问题。
MTS AI研究团队提出RewardRanker系统,通过重排序模型和迭代自训练显著提升AI代码生成质量。该方法让13.4B参数模型超越33B大模型,在多种编程语言上表现优异,甚至在C++上超越GPT-4。通过引入困难负样本和PPO优化,系统能从多个代码候选中选出最优方案,为AI编程助手的实用化奠定基础。