Amazon 升级了其 AI 视频模型 Nova Reel,现在可以生成长达两分钟的视频。
Nova Reel 于 2024 年 12 月发布,是 Amazon 首次进军生成式视频领域的尝试。该模型与 OpenAI、Google 等公司的模型在这个快速发展的市场中展开竞争。
AWS 开发者倡导者 Elizabeth Fuentes 在一篇博客文章中解释说,最新的 Nova Reel 1.1 可以生成具有"一致风格"的"多镜头"视频。用户可以提供最多 4,000 个字符的提示,生成由 6 秒镜头组成的、长达两分钟的视频。
Nova Reel 1.1 还引入了一个名为"多镜头手动模式"的新功能。在这种模式下,模型可以参考图像和提示,对视频镜头的构图进行更精确的控制。据 Fuentes 介绍,在提供 1280x720 分辨率的图像和最多 512 字符的提示的情况下,多镜头手动模式可以生成包含多达 20 个镜头的视频。
Nova Reel 仅通过包括 Bedrock (Amazon 的 AI 开发套件) 在内的 AWS 平台和服务提供,客户需要申请特殊访问权限。与大多数生成式 AI 系统一样,人们对 Reel 的开发方法是否符合伦理存在质疑。
视频生成模型通过大量视频样本的训练来"学习"视频中的模式,从而生成新的视频片段。一些公司在未获得所有者或创作者许可的情况下,使用受版权保护的视频训练模型。当这些模型"重现"受版权保护的画面时,模型的使用者可能面临知识产权诉讼。
Amazon 尚未披露 Reel 的训练数据来源,也没有为可能向模型数据集提供视频的创作者提供明确的退出机制。不过,该公司表示,根据其赔偿政策,将保护因使用其模型生成的媒体而被指控侵犯版权的 AWS 客户。
好文章,需要你的鼓励
来自香港科技大学和MiniMax的研究团队开发了SynLogic,一个可合成35种逻辑推理任务的框架与数据集,填补了AI逻辑训练资源缺口。研究表明,在SynLogic上进行强化学习训练显著提升了模型逻辑推理能力,32B模型在BBEH测试中超越了DeepSeek-R1-Distill模型6个百分点。更值得注意的是,将SynLogic与数学和编程数据混合训练不仅提高了这些领域的学习效率,还增强了模型的泛化能力,表明逻辑推理是构建通用AI推理能力的重要基础。
这项研究揭示了大型语言模型的惊人能力:只需两个特殊训练的向量,冻结的语言模型就能在一次计算中生成数百个准确词汇,而非传统的逐词生成。研究者发现,这种能力要求特定的输入排列方式,且生成速度比自回归方法快约279倍。这一发现不仅展示了语言模型未被充分探索的并行生成潜力,还为快速文本重建开辟了新方向。
腾讯混元团队提出的"ConciseR"是一种通过两阶段强化学习实现大模型简洁推理的新方法。研究遵循"先走后跑"原则,先确保模型具备准确推理能力,再优化输出简洁性。第一阶段通过改进的群体相对策略优化(GRPO++)提升推理能力,第二阶段通过长度感知的群体相对策略优化(L-GRPO)减少输出长度。实验结果显示,该方法在AIME、MATH-500等多个基准测试中既减少了输出长度(平均20%以上),又保持或提高了准确率,展现出高效率-高准确率的理想平衡。
这项由香港科技大学团队开展的研究首次全面评估了压缩对大语言模型Agent能力的影响。研究发现,虽然4位量化能较好地保留工作流生成和工具使用能力(仅下降1%-3%),但在实际应用中性能下降达10%-15%。团队提出的ACBench基准测试横跨工具使用、工作流生成、长文本理解和实际应用四大能力,评估了不同压缩方法对15种模型的影响。结果显示,AWQ量化效果最佳,蒸馏模型在Agent任务上表现不佳,大型模型对压缩更具韧性。研究还提出ERank等创新分析方法,为实际部署提供了切实指导。