搜索
理想中的多模态大模型应该是什么样？十所顶尖高校联合发布General-Level评估框架和General-Bench基准数据集，用五级分类制明确了多模态通才模型的能力标准。当前多模态大语言模型在任务支持、模态覆盖等方面存在不足，且多数通用模型未能超越专家模型，真正的通用人工智能需要实现模态间的协同效应。
多模态大模型（Multimodal Large Language Models, MLLM）正迅速崛起，从只能理解单一模态，到如今可以同时理解和生成图像、文本、音频甚至视频等多种模态。正因如此，在AI竞赛进入“下半场”之际（由最近的OpenAI研究员姚顺雨所引发的共识观点），设计科学的评估机制俨然成为决定胜负的核心关键。
随着生成式人工智能技术的飞速发展，合成数据正日益成为大模型训练的重要组成部分。未来的 GPT 系列语言模型不可避免地将依赖于由人工数据和合成数据混合构成的大规模语料。
Ilya Sutskever，曾亲手缔造OpenAI的联合创始人，仿佛人间蒸发一般，只留下一家没有产品、没有收入、却估值高达300亿美元的公司Safe Superintelligence。当Altman在忙着打官司、重组OpenAI时，Ilya选择了「消失」，也许只为等待那个值得他出手的「超级智能」。
外媒记者发现：哥大退学哥的「Cheat Everything」作弊神器，实测翻车了！不仅反应慢，回答几乎没法用，还会造成工作会议中诡异的麦克风问题。其实，这不是AI作弊器第一次被曝出问题，但各大机构的投资狂热，却丝毫没有要停下来的意思。
单视角三维场景重建一直是计算机视觉领域中的核心挑战之一，尤其在捕捉高保真室外场景细节时，如何确保结构一致性和几何精度显得尤为困难。
AI 初创公司 ElevenLabs，刚刚筹集了 1.8 亿美元巨额融资 ，主要以其音频生成能力而闻名。该公司通过推出首个独立语音转文本模型 Scribe，迈向了另一个技术方向。
ElevenLabs 似乎无处不在。2025年 1 月，Lex Fridman在基辅对乌克兰总统Zelenskyy进行了长达三小时的采访，采访中使用了ElevenLabs 提供的AI英语、乌克兰语和俄语翻译，完美地保留了泽连斯基的语音和语调。这是AI消除语言障碍能力的一次引人注目的展示。
Level AI 创始人 Ashish Nagar 具有深厚的 AI 背景，曾在亚马逊 Alexa 团队工作。他观察到传统客服行业存在质量监控效率低、数据价值难以挖掘、实时支持能力不足等问题，因此创立 Level AI。
最引人注目四笔过亿（刀乐）投资，其中三家是依靠AI驱动业务，另外一家也是早就布局AI。还是要感谢生成式AI，2024年又开始有人愿意大笔投资法律科技了！