Microsoft 开始测试 Windows 版 Copilot 的一项新更新,该更新将允许用户与 AI 助手分享屏幕或应用程序。Copilot Vision 最初仅限于 Microsoft Edge 浏览器使用,但现在已经扩展到电脑上的所有应用程序。
Copilot Vision 将能够实现多项功能,比如指导用户使用 Adobe Photoshop 的功能,或分析用户正在查看的照片和网页。在上周 Microsoft 50周年庆典上,我体验了 Windows 版 Copilot Vision 的早期版本,AI 助手指导我玩 Minecraft 游戏,并帮助优化 Microsoft Clipchamp 视频编辑器的设置。
由于 Microsoft 将测试范围限制在美国测试用户,我还未能在 Insider 测试版中完整体验 Windows 版的 Copilot Vision。Copilot 将能够高亮显示屏幕的特定部分来指导用户使用应用程序,不过这个初始测试版本尚未启用该功能。Copilot Vision 可能听起来与 Microsoft 的 Recall 功能(允许自动截屏)相似,但实际上它更像是在 Microsoft Teams 通话中分享应用程序或整个桌面。
Microsoft 还开始测试 Windows 版 Copilot 的文件搜索功能,允许用户向 AI 助手询问电脑中文件的内容。文件搜索支持 .docx、.xlsx、.pptx、.txt、.pdf、.json 文件格式,用户可以使用 Copilot 轻松找到最近处理过的文档。
这些 Copilot 功能只需要 Windows 版 Copilot 应用程序即可使用,无需完整的 Copilot Plus PC。用户还可以在 iOS 和 Android 上使用 Copilot Vision。Microsoft 已经开始在 Windows Insider 中测试这些新功能,预计将在未来几周或几个月内向所有 Windows 11 用户推出。
好文章,需要你的鼓励
OpenAI首席执行官Sam Altman表示,鉴于投资者的AI炒作和大量资本支出,我们目前正处于AI泡沫中。他承认投资者对AI过度兴奋,但仍认为AI是长期以来最重要的技术。ChatGPT目前拥有7亿周活跃用户,是全球第五大网站。由于服务器容量不足,OpenAI无法发布已开发的更好模型,计划在不久的将来投资万亿美元建设数据中心。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
英伟达推出新的小型语言模型Nemotron-Nano-9B-v2,拥有90亿参数,在同类基准测试中表现最佳。该模型采用Mamba-Transformer混合架构,支持多语言处理和代码生成,可在单个A10 GPU上运行。独特的可切换推理功能允许用户通过控制令牌开启或关闭AI推理过程,并可管理推理预算以平衡准确性和延迟。模型基于合成数据集训练,采用企业友好的开源许可协议,支持商业化使用。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。