微软正在将其 Copilot Vision 功能从网页端扩展到 Windows 和移动设备平台。Copilot Vision 是微软去年 Copilot 重新设计中的重要组成部分,但迄今为止,它仅限于在 Edge 浏览器网页中帮助用户理解所看到的内容。
现在,Copilot Vision 将能够分析移动设备摄像头的实时视频,使这款 AI 助手能够为用户提供植物护理建议或家居装饰指导。微软今天在 iOS 和 Android 平台的 Copilot 应用中推出了 Copilot Vision 功能,同时这项功能也将很快登陆 Windows 平台。
Windows 版 Copilot 应用正在更新,以支持在整个 PC 系统中使用 Copilot Vision。这使得微软的 AI 助手能够指导用户使用 Adobe Photoshop 的功能,或分析用户正在查看的照片和网页。
这与微软在 Copilot Plus PC 上的 Recall 功能有所不同。Recall 功能在启用后会自动截取快照,而 Copilot Vision 更像是在 Microsoft Teams 通话中进行应用程序或整个桌面的屏幕共享。
Windows 版 Copilot Vision 将于下周向 Windows 预览体验成员开放,微软表示将在测试完成后进行更广泛的推广。同时,公司今天还为 Copilot 更新了一系列新功能。这款 AI 助手现在支持记忆功能、个性化设置、基于网络的操作、播客创建、深度研究等功能。您可以在这里了解有关 Copilot 的所有新功能。
好文章,需要你的鼓励
谷歌CEO皮查伊在AI竞赛低谷期坚持"信号降噪"原则,顶住压力加倍投入,最终带领谷歌凭借Gemini系列重夺领先。他坚信AI将超越火与电的革命性影响,通过递归自我改进极大降低创意实现门槛,这场"创造力民主化"浪潮或将解锁80亿人的认知潜能。
浙江大学和吉利汽车研究院联合团队提出的FreeTimeGS是一种创新的动态3D场景重建方法。不同于传统方法,它允许高斯基元在任意时空位置自由出现,并赋予每个基元运动功能,使其能够随时间移动到相邻区域。研究通过4D正则化策略解决了高不透明度基元阻碍优化的问题。在多个数据集测试中,该方法在渲染质量和速度上均大幅超越现有技术,特别是在处理复杂动态场景时,使用单个RTX 4090 GPU能以467 FPS的速度实现1080p实时渲染,为电影制作、游戏和虚拟现实等应用提供了新可能。
李飞飞的World Labs以"空间智能"重新定义AI,专注3D物理世界理解,4个月估值飙至10亿美元,获科技巨头集体押注。她揭示语言无法编码物理世界,而DNA双螺旋等突破性发现都源于三维空间的深度认知。
这篇研究介绍了"对角线批处理"技术,该技术解决了循环记忆Transformer模型在处理长文本时的并行计算瓶颈。通过重新编排计算顺序,研究团队实现了在不破坏依赖关系的情况下进行并行计算,使LLaMA-1B模型处理长文本的速度提升3.3倍,同时内存使用减少167.1倍。这种纯运行时优化不需要重新训练模型,为实际应用中的长文本处理提供了高效解决方案。