视频理解仍然是计算机视觉和人工智能领域的一个主要挑战。最近在视频理解上的许多进展都是通过端到端地训练多模态大语言模型实现的[1,2,3]。然而，当这些模型处理较长的视频时，内存消耗可能会显著增加，甚至变得难以承受，并且自注意力机制有时可能难以捕捉长程关系 [4]。这些问题阻碍了将端到端模型进一步应用于视频理解。
头部模型的新一代模型的是市场观测、理解 LLM 走向的风向标。即将发布的 OpenAI GPT-Next 和 Anthropic Claude 3.5 Opus 无疑是 AGI 下半场最关键的事件。
此次进攻电商，百度使出的杀手锏是AI。
AI半年考，人工智能上市公司的业绩答卷如何 截至 8 月底，据 IT 桔子不完全统计，至少有 34 家有人工智能相关业务的中国上市公司都已经公布了 2024 半年报。
GPT-5有3-5万亿参数，由7000块B100炼成？！
美东时间9月3日，AI+衰老药物发现公司 BioAge Labs（下称BioAge）正式向美国证券交易委员提交IPO上市申请。
近日，Mamba方面又搞出了有意思的研究：来自康奈尔、普林斯顿等机构的研究人员成功将Llama提炼成了Mamba模型，并且设计了新的推测解码算法，加速了模型的推理。
就在刚刚，Ilya创业新公司SSI完成一笔10亿美元融资。公司仅仅成立3个月，10位成员，如此神速地拿到巨额融资。目前，公司估值高达50亿美金。
AlphaFold2解决了很大程度上解决了单体蛋白质结构预测问题。
SSI计划利用刚拿到的这笔资金购买算力并聘请顶尖人才。
