微软正在推出一项名为Copilot Vision的新AI功能,该功能能够扫描并识别用户屏幕上的所有内容。这项技术标志着微软在生成式AI领域的又一重要进展。
Copilot Vision基于先进的计算机视觉技术,能够实时分析用户屏幕上显示的文字、图像、应用程序界面等各种元素。该功能的推出将为用户提供更加智能化的交互体验,可以根据屏幕内容提供相关建议和帮助。
这项新功能的核心技术依托于微软在人工智能领域的深厚积累,特别是在图像识别和自然语言处理方面的技术突破。通过整合这些技术,Copilot Vision能够理解屏幕内容的上下文,并提供更加精准的智能助手服务。
据了解,该功能在隐私保护方面也采取了相应措施,确保用户数据的安全性。微软表示,屏幕扫描功能将在用户明确授权的情况下才会启用,并且相关数据处理将遵循严格的隐私保护标准。
这一创新功能的推出,预计将进一步提升微软Copilot在智能办公和个人助手领域的竞争力,为用户带来更加便捷和智能的使用体验。
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。