近年来,Meta在其应用程序中引入了许多AI功能和能力,甚至尝试过实验性地推出具有独特个人资料和性格特点的AI生成角色,但在这些角色被认为令人毛骨悚然且不必要后,公司又将其撤回。
在又一项可能不会受到用户欢迎的举措中,Meta希望利用AI促进朋友之间的互动,帮助用户在Instagram上撰写评论。
经常测试新社交媒体功能的X用户Jonah Manzano发现了Instagram上的"使用Meta AI撰写"提示功能,该功能允许人们获取AI生成的建议,用于对用户帖子进行评论。
根据Manzano发布的视频,有权访问此测试功能的用户将在帖子下方的文本栏旁边看到一个铅笔图标,点击该图标即可开始访问Meta AI。之后,Meta AI将分析照片,然后生成三个评论建议。
例如,如果你想要评论的照片是某人在客厅里微笑着竖起大拇指,Meta AI会建议用户评论:"可爱的客厅布置"、"喜欢这种舒适的氛围"或"很棒的拍照地点"。如果用户不喜欢最初的三条AI生成评论,他们可以刷新获取更多建议。
"我们定期在我们的应用程序中测试更多功能,让你在各处使用Meta AI," Meta发言人通过电子邮件告诉TechCrunch。"除了私信外,你会在评论、信息流、群组和搜索等区域找到Meta AI,使你的体验更有趣、更有用。"
Meta没有提供这项测试功能的可用性细节,但公司指出,去年它曾在Facebook上测试过AI生成评论。
对于那些宁愿保持Instagram评论区AI免费的用户来说,这个新功能可能不受欢迎,特别是那些认为他们的朋友应该得到真实评论而非AI生成内容的用户。许多用户怀念Instagram更加真实、不需要那么多表演压力的日子,所以添加AI评论可能会被视为不真诚且不必要的。
与任何测试功能一样,目前尚不清楚Meta何时或是否计划更广泛地推出该功能。
值得注意的是,Meta已经以不同方式尝试在评论中利用AI,因为该公司去年被发现在Facebook上测试AI生成的评论摘要。
好文章,需要你的鼓励
CPU架构讨论常聚焦于不同指令集的竞争,但实际上在单一系统中使用多种CPU架构已成常态。x86、Arm和RISC-V各有优劣,AI技术的兴起更推动了对性能功耗比的极致需求。当前x86仍主导PC和服务器市场,Arm凭借庞大生态系统在移动和嵌入式领域领先,RISC-V作为开源架构展现巨大潜力。未来芯片设计将更多采用异构计算,多种架构协同工作成为趋势。
KAIST AI团队通过深入分析视频生成AI的内部机制,发现了负责交互理解的关键层,并开发出MATRIX框架来专门优化这些层。该技术通过语义定位对齐和语义传播对齐两个组件,显著提升了AI对"谁对谁做了什么"的理解能力,在交互准确性上提升约30%,为AI视频生成的实用化应用奠定了重要基础。
Vast Data与云计算公司CoreWeave签署了价值11.7亿美元的多年期软件许可协议,这标志着AI基础设施存储市场的重要转折点。该协议涵盖Vast Data的通用存储层及高级数据平台服务,将帮助CoreWeave提供更全面的AI服务。业内专家认为,随着AI集群规模不断扩大,存储系统在AI基础设施中的占比可能从目前的1.9%提升至3-5%,未来五年全球AI存储市场规模将达到900亿至2000亿美元。
乔治亚理工学院和微软研究团队提出了NorMuon优化器,通过结合Muon的正交化技术与神经元级自适应学习率,在1.1B参数模型上实现了21.74%的训练效率提升。该方法同时保持了Muon的内存优势,相比Adam节省约50%内存使用量,并开发了高效的FSDP2分布式实现,为大规模AI模型训练提供了实用的优化方案。