302.AI

10月22日，Stability AI推出最新图像生成模型Stable Diffusion 3.5，其中包括Stable Diffusion 3.5 Large、Stable Diffusion 3.5 Large Turbo两个版本，并宣布预计在10月29日上线Medium版本。 10月29日，Stable Diffusion 3.5 Medium如期推出…

11月2日，Anthropic在社交媒体平台宣布，在其Claude 3.5 Sonnet 模型中增加了PDF理功能，这一功能不仅能读懂PDF中的文字，还能看懂图表、图片等视觉元素。 目前这一新功能已进入公开测试阶段，用户可以利用该模型来分析PDF文档中的文本和视觉元素（如图像、图表和表格），适用于财务报告、数据分析、法律文件和文档翻译等多种场景。 而这一PD…

近日，一个名为red_panda的模型在Hugging Face的文本生成图像模型排行榜中位居榜首， 这引起了许多网友对这一神秘“小熊猫”背后公司身份的种种讨论。 有网友猜测小熊猫会不会是Midjourney的新产物，也有网友猜测可能是来自OpenAI： 甚至有网友猜测，因为熊猫生活在亚洲，而中国公司在视频生成方面表现卓越，所以猜测它来自像百度或腾讯这样的中…

在众多AI产品中，自然语言处理（NLP）技术是连接人类与机器的桥梁。NLP使得机器能够理解、解释和生成人类语言，从而实现更自然、更高效的交互。它允许用户通过文本或语音与AI进行实时对话，获取信息、解决问题或执行任务。 随着对话式交互的广泛普及，提示词（prompt）的精确度对AI产出内容的质量起到直接影响，它们已成为引导AI模型生成预期响应的关键因素。一个好…

在10月初，OpenAI在旧金山召开了开发者大会。在发布会中，OpenAI推出了Realtime API 的公开测试版。 Realtime API是一种实时多模态API，它允许开发人员构建低延迟、多模态的AI应用体验。这个API背后的技术是GPT-4o模型，它支持音频输入和输出，能够实现超越传统基于文本的AI对话的实时、自然的语音交互。 像Realtime这…

什么是Artifacts？ 在数字化时代，AI对话工具已经成为我们日常工作的得力助手。然而，这些工具通常局限于输出纯文本内容，如Markdown和代码，使得用户在验证AI生成内容的实际效果时，不得不在多个软件和平台间频繁切换，这一过程不仅耗时耗力，还极大地降低了生产力和工作流畅性。 如今，Claude 3.5 Sonnet的Artifacts功能以其创新的技…

最近，随着NotebookLM的爆火，AI播客生成领域迎来了前所未有的热闹。 AI播客生成的兴起并不是偶然的，在信息爆炸的时代，用户往往会被海量的内容所淹没，很难去有效筛选和吸收有价值的内容，从而导致时间和精力的浪费。 而AI播客的出现改变了这一现状，比如曾经需要用3小时的时间才能通读一篇长论文才能提炼有效的关键信息，现在只需要3分钟，获取信息的过程也不再受…

10月22日，Genmo在社交媒体平台发布消息，推出最新的开源视频生成模型 Mochi V1。Mochi V1采用创新的 Asymmetric Diffusion Transformer（AsymmDiT）架构，拥有高达100亿个参数，是迄今为止公开发布的最大视频生成模型。 根据Genmo官方介绍，Mochi V1模型在提示词遵循和动作质量方面表现十分出色：…

美国时间10月22日，Anthropic推出重大更新！其中包括升级版的 Claude 3.5 Sonnet 以及一款新的 Claude 3.5 Haiku 模型，除此之外，这次还带来了全新功能Computer Use，这一功能支持像人类一样操作计算机，可以遵循用户的命令在计算机屏幕上移动光标，点击相关位置，并通过虚拟键盘输入信息，模拟人们与自己计算机的交互方…

您是否遇到过这样的问题？大语言模型回答答非所问，或者直接在胡说八道。这种情况一般是因为大语言模型产生了幻觉。在开发和实际应用中，幻觉问题是一个常见且严重的问题，因为幻觉的存在，会导致回答的可信度大大降低。 幻觉出现的原因通常是模型对于某些特定领域或最新信息缺乏了解的情况下，而RAG（Retrieval-Augmented Generation）技术通过结合检…