谷歌

云图NFT持续分享全球最新优质Al内容，每天更新，欢迎收藏

标签

谷歌-共 0 个作品今日上传 0个作品

升级会员发布作品

MusicFX-谷歌发布的免费AI音乐生成工具

MusicFX是什么？ MusicFX是谷歌推出的一款创新的人工智能音乐生成工具。它允许用户通过输入文字描述来创作音乐，旨在让音乐创作变得更加简单和易于访问。即使是没有专业音乐背景的用户，也能够轻松生成高质量的原创音乐。 MusicFX允许用户输入文本提示来描述他们希望创作的歌曲。默认情况下，MusicFX会生成两个 30 秒的版本，可以选择延长曲目（到 50 秒或 70 秒）或自动拼接开头和结尾…
AI视频
- 21
- 0
admin10月5日
Gemini-谷歌发布的多模态AI大模型

Google Gemini是什么？ AIHub 12 月 6 日消息，谷歌宣布推出其认为规模最大、功能最强大的人工智能多模态大模型Gemini。意味着它可以理解、操作和结合不同类型的信息，包括文本、代码、音频、图像和视频。根据谷歌给出的基准测试结果，Gemini 在许多测试中都表现出了「最先进的性能」，甚至在大部分基准测试中完全击败了 OpenAI 的 GPT-4。 Google官方介绍视频 G…
AI模型
- 39
- 0
admin9月29日
Gemma-谷歌发布的最新开放模型，小尺寸可商用

Gemma是什么？ Gemma是谷歌最新发布的一款轻量级开放模型，它采用了与创建Gemini模型相同的研究和技术，是一个小尺寸的大语言模型。Gemma是由Google DeepMind和Google其他团队合作开发的，并用拉丁语中意为“宝石”的gemma为其命名。 Gemma共有两个版本：Gemma 2B（20亿参数）和Gemma 7B（70亿参数），每种规模都提供了预训练和指令微调版本。这些模型…
AI模型
- 38
- 0
admin9月29日
Imagen 2：谷歌发布的AI绘画模型

Imagen 2是什么？ Imagen 2是Google DeepMind开发的最先进的文本到图像扩散技术。它能够生成高质量、逼真的图像，这些图像与用户的提示紧密对齐且一致。Imagen 2通过使用其训练数据的自然分布来生成更加逼真的图像，而不是采用预设的风格。这项技术现已通过Imagen API在Google Cloud Vertex AI上向开发者和云客户提供。 Imagen 2可以做什么？ …
AI绘画
- 30
- 0
admin9月29日
StyleDrop-谷歌推出的AI设计神器

StyleDrop是什么？ StyleDrop是一个强大的文本到图像的生成工具，它可以按照特定风格生成图像。只要给出一张图片作为参考，StyleDrop就能学习图片的风格，并帮助生成复刻出同风格作品。据称，谷歌的方法优于 Dreambooth、LoRA 或 Textual Inversion 等其他方法。 StyleDrop官网：https://styledrop.github.io/ 这个工…
AI视频
- 19
- 0
admin9月29日
Genie-谷歌发布的AI基础世界模型，一张图片生成交互世界

Genie是什么？ Genie是一个由Google发布的根据互联网视频训练的AI基础世界模型，中文意思为“精灵”。它是基于Google DeepMind的最新成果，采用了最先进的视频生成模型的思想，核心设计采用了时空变换器。Genie是第一个通过未标记互联网视频以无监督方式训练的生成式交互环境，能够接收文本提示、合成图像、照片甚至草图或想法，并生成无数种动作可控的、能够互动的虚拟世界环境。尽管G…
AI视频
- 19
- 0
admin9月27日
W.A.L.T：通过扩散模型生成逼真视频的AI模型

近日，谷歌与李飞飞的斯坦福团队携手推出了基于Transformer的视频生成模型W.A.L.T。该模型利用因果编码器和窗口注意的变压器架构，成功将图像和视频压缩到一个共享的潜在空间，实现了联合训练和生成。这一创新性的模型不仅在已建立的视频和图像生成基准测试上取得了SOTA，还展示了在文本到视频生成任务中的卓越性能。这种方法有两个关键的设计决策。首先，它使用因果编码器共同压缩图像和视频，使其在统一…
AI视频
- 26
- 0
admin9月27日
AlphaCode2-Google公布的基于Gemini的AI编程助手

谷歌日前发布了AlphaCode2，这是一款由Gemini模型驱动的AI编程工具，是对前代AlphaCode的改进版本。与Gemini模型同时亮相，AlphaCode2在编程竞赛中表现出色，尤其在动态规划等复杂问题上具备更强大的能力。研究人员通过在CodeForces竞赛网站上收集的约15000个问题和3000万份人类编写的代码的数据集上对Gemini Pro系统进行精细调整，为AlphaCod…
AI视频
- 20
- 0
admin9月27日
MusicFX是什么？ MusicFX是谷歌推出的一款创新的人工智能音乐生成工具。它允许用户通过输入文字描述来创作音乐，旨在让音乐创作变得更加简单和易于访问。即使是没有专业音乐背景的用户，也能够轻松生成高质量的原创音乐。 MusicFX允许用户输入文本提示来描述他们希望创作的歌曲。默认情况下，MusicFX会生成两个 30 秒的版本，可以选择延长曲目（到 50 秒或 70 秒）或自动拼接开头和结尾以循环播放它们。 MusicFX结合了谷歌此前发布的MusicLM模型和DeepMind的水印技术SynthID，以便在事后识别出它们是否由AI制作而成，一定程度上可以解决创作人对于版权问题的担忧。 MusicFX的功能特色文本到音乐创作：用户可以通过输入文本描述来生成音乐。这些描述可以是关于音乐的风格、情感、场景或者任何能够激发音乐创作灵感的文字。多种音乐风格：MusicFX能够根据用户的描述生成多种风格的音乐，包括但不限于古典、爵士、摇滚等，满足不同用户的需求。简单易用的操作界面：用户只需在MusicFX的界面上输入描述，即可快速生成音乐，操作简单直观。广泛的应用场景：MusicFX适用于各种场合，无论是专业音乐制作、视频背景音乐，还是个人娱乐，都能提供强大的音乐支持。如何使用MusicFX？ MusicFX目前可通过谷歌的AI Test Kitchen访问使用。用户只需访问MusicFX的官网，输入想要的音乐描述，即可生成独特的音乐作品。这个工具适合所有对音乐创作感兴趣的用户，无论是专业音乐人还是业余爱好者。 MusicFX官网入口：https://aitestkitchen.withgoogle.com/tools/music-fx

MusicFX-谷歌发布的免费AI音乐生成工具
AI视频
- 16
- 0
admin7月2日
Google Gemini是什么？ AIHub 12 月 6 日消息，谷歌宣布推出其认为规模最大、功能最强大的人工智能多模态大模型Gemini。意味着它可以理解、操作和结合不同类型的信息，包括文本、代码、音频、图像和视频。根据谷歌给出的基准测试结果，Gemini 在许多测试中都表现出了「最先进的性能」，甚至在大部分基准测试中完全击败了 OpenAI 的 GPT-4。 Google官方介绍视频 Google Gemini有什么？谷歌针对不同场景发布了三种不同版本：Gemini Ultra、Gemini Pro 和 Gemini Nano。这些不同的版本也将适用于不同的场景和案例： Gemini Ultra – 用于处理高度复杂任务的最强、最大的模型。 Gemini Pro – 用于扩展各种任务的最佳模型。 Gemini Nano – 用于手机等设备的最高效模型。 1、Gemini Nano 的更轻版本，旨在在 Android 设备上本地离线运行。 Gemini Nano 对于设备上的任务非常高效。 Android 开发者可以通过 Android AICore 注册 Gemini Nano 的抢先体验计划，Pixel 8 Pro 用户已经可以看到它在录音机中的汇总和 Gboard 中的智能回复等功能中推出，以及更多即将推出的功能！ 2、Gemini Pro 的更强大版本，它将很快为许多 Google AI 服务提供支持，并且从今天开始成为 Bard 的支柱。现在，Gemini Pro 今天在 Bard 迄今为止最大的更新中推出（在 170 个国家/地区提供英语），在响应中提供了更高级的推理和理解。 Bard Advanced with Ultra 是我们用于高度复杂任务的最通用、最强大的模型，将于明年初推出。从 12 月 13 日开始，开发者和企业客户将可以通过 Google AI Studio 或 Google Cloud Vertex AI 访问 Gemini Pro 的 Gemini API。 3、还有一个功能更强大的模型，称为 Gemini Ultra，它是 Google 迄今为止创建的最强大的大模型，主要是为数据中心和企业应用程序设计的。 Gemini Ultra 目前只提供给被邀请的客户、开发者、合作伙伴以及安全专家进行早期实验和反馈，并计划于明年初向开发者和企业客户推出。 Google Gemini性能表现 Gemini Ultra 的性能在 32 个广泛使用的学术基准测试中的 30 个上超过了当前最先进的水平。 Gemini Ultra 的得分为 90.0%，是第一个在 MMLU 上超越人类专家的模型。 Gemini Ultra 的得分率为 90.0%，是第一个在 MMLU（大规模多任务语言理解）测试中超过人类专家的模型，MMLU 综合使用了数学、物理、历史、法律、医学和伦理等 57 个科目，用于测试世界知识和解决问题的能力。在图像基准测试中，Gemini Ultra 在不使用对象字符识别 (OCR) 系统来提取图像中的文本进行下一步处理的情况下，表现优于以前最好的模型。这些基准测试凸显了 Gemini 的原生多模态性，并显示出了 Gemini 具有更复杂推理能力的潜力。 Gemini 目前仅提供英语版本，其他语言显然很快就会推出。该模型最终将被整合到谷歌的搜索引擎、广告产品、Chrome 浏览器等世界各地。 Gemini官方测试视频如何使用Google Gemini？个人用户对于普通用户，现在可以去Google bard免费使用Gemini了。使用地址：https://bard.google.com/ 为了使用Gemini Pro模型，您需要满足以下条件: 您的Bard界面语言必须为英语您的Bard节点必须位于美国您必须使用最新版本的Bard 如果您满足上述条件，您可以通过以下步骤来启用Gemini Pro模型: 1.打开Bard界面 2.点击“设置”图标 3.点击“模型” 4选择“Gemini Pro” 5.点击“保存” 完成这些步骤后，Bard将开始使用GeminiPro模型。您可以通过以下方法来验证是否已成功启用GeminiPro模型 1.点击“帮助”图标 2.点击“关于Bard” 3.查看“模型”部分如果“模型”部分显示“Gemini Pro”则表示您已成功启用Gemini Pro模型开发者和企业用户今天（12月14日）， Google 的 Gemini Pro 通过 Gemini API 上线，并且提供了 API 访问，同时还有一个开发者的利好：目前 Gemini Pro 可免费使用！ Gemini API 地址：http://ai.google.dev Gemini API支持32k上下文窗口，在一定限制内可免费使用，具有函数调用、嵌入、语义检索和自定义知识基础以及聊天功能，支持全球180多个国家和地区、38种语言，支持文本、图像输入和文本输出，提供SDK（软件开发工具包）。现在可在在线免费开发者工具Google AI Studio、云托管AI平台Vertex AI上使用该模型。定价方面，免费版本支持每分钟最多60个请求，但输入输出数据将被用于改善谷歌的模型。之后将推出付费计划，每千字符输入定价0.00025美元（约合人民币0.0018元），每张图像输入定价0.0025美元（约合人民币0.018元），每千字符输出定价0.0005美元（约合人民币0.0036元）。了解更多详情：官方中文内容：https://www.aihub.cn/news/google-gemini/ 官方英文博客：https://blog.google/technology/ai/google-gemini-ai/ →想免费在线AI绘画，点此立即使用！

Gemini-谷歌发布的多模态AI大模型
AI视频
- 27
- 0
admin7月2日
Gemma是什么？ Gemma是谷歌最新发布的一款轻量级开放模型，它采用了与创建Gemini模型相同的研究和技术，是一个小尺寸的大语言模型。Gemma是由Google DeepMind和Google其他团队合作开发的，并用拉丁语中意为“宝石”的gemma为其命名。 Gemma共有两个版本：Gemma 2B（20亿参数）和Gemma 7B（70亿参数），每种规模都提供了预训练和指令微调版本。这些模型尺寸相对较小，应用成本也更低，适合各种规模的组织（无论规模大小）进行商用和分发。未来，Gemma这个系列还会发布更大尺寸的模型。在训练数据上，Gemma主要在大量英文文本数据上进行训练的，这些数据主要来源于网络文档、数学和代码。具体来说，Gemma 2B模型训练了大约2万亿（2T）个token，而Gemma 7B模型则训练了大约6万亿（6T）个token。不过，Gemma没有接受过处理图像或视频等非文本数据的训练，也没有专门针对多语言任务进行优化。为了方便开发者，谷歌不仅开源模型，还附带开发套装，包括全新的“负责任生成式AI工具包”，为基于Gemma开发安全的人工智能应用程序提供了必要指导和工具，以及跨主流框架（如JAX、PyTorch及原生Keras 3.0下的TensorFlow）的推理和监督微调（SFT）工具链。各种设备也已经适配好。谷歌已经基于英伟达的GPUs和谷歌云TPUs等多个AI硬件平台，对Gemma进行优化，让模型可以直接在笔记本电脑或台式机上运行。 Gemma官网入口：https://ai.google.dev/gemma Gemma的主要特点以下是Gemma模型的一些主要特点：模型大小：Gemma提供了两种大小的模型权重，分别是Gemma 2B和Gemma 7B，每种大小都有预训练和指令调整（instruction-tuned）的变体。负责任的生成AI工具包：Google发布了一个新的工具包，提供指导和必要工具，帮助开发者使用Gemma创建更安全的AI应用。工具链支持：Gemma模型支持在所有主要框架（JAX、PyTorch和TensorFlow通过原生Keras 3.0）上进行推理和监督式微调（SFT）。易用性：提供了预制的Colab和Kaggle笔记本，以及与Hugging Face MaxText、NVIDIA NeMo TensorRT-LLM等流行工具的集成，使得开始使用Gemma变得容易。预训练和指令调整的Gemma模型可以在笔记本电脑、工作站或Google Cloud上运行，并且可以轻松部署在Vertex AI和Google Kubernetes Engine（GKE）上。性能优化：Gemma模型在多个AI硬件平台上进行了优化，包括NVIDIA GPU和Google Cloud TPUs，确保了行业领先的性能。负责任的设计：Gemma在设计时遵循了Google的AI原则。为了确保预训练模型的安全和可靠性，Google使用了自动化技术从训练集中过滤掉某些个人信息和其他敏感数据。此外，通过人类反馈的强化学习（RLHF）对指令调整模型进行了广泛的微调，以确保模型行为的负责任性。Google还进行了包括手动红队测试、自动化对抗性测试和模型能力评估在内的严格评估。跨框架、工具和硬件优化：Gemma模型可以在多种工具和系统上进行微调，以适应特定应用需求，如摘要或检索增强生成（RAG）。Gemma支持多种工具和系统，包括跨设备兼容性和与NVIDIA GPU的优化。免费资源：为了支持开发者和研究人员，Google提供了Kaggle的免费访问、Colab笔记本的免费层级，以及首次使用Google Cloud的300美元信用额度。研究人员还可以申请高达50万美元的Google Cloud信用额度以加速他们的项目。 Google期待随着Gemma模型家族的扩展，将引入更多针对不同应用的新变体，并在接下来的几周内提供连接、学习和与Gemma共同构建的活动和机会。 Gemma的评测结果在Gemma的技术报告中，谷歌放出了大量训练细节，其中就包括Llama-2的测试对比结果图，大多数指标都超过了Llama-2。 Gemma与Llama-2的测试对比结果图在测试中，Gemma模型在18个文本任务中的11个上超越了同样规模的开放模型。它在问答、常识推理、数学和科学以及编程等领域表现出色。Gemma 7B模型在70亿参数规模的语言模型中表现最佳，甚至超过了一些参数量更大的模型。 Gemma模型在18个文本任务中的评测结果而最近风头正盛，号称要做“欧洲版OpenAI”的MistralAI是开源领域的新势力，旗下的Mistral 7B被誉为是“最强7B模型”。在问答、推理、数学/科学、代码场景里，Gemma的表现同样领先。 Gemma与Mistral 7B的评测结果如何使用Gemma？ 1、个人用户体验地址：https://huggingface.co/chat，模型里选择Gemma即可体验。 2、开发者使用：Gemma提供了面向开发者的快速入门指南，开发者和研究人员可以通过ai.google.dev/gemma了解更多关于Gemma的信息，并获取快速入门指南。

Gemma-谷歌发布的最新开放模型，小尺寸可商用
AI视频
- 21
- 0
admin7月2日
Imagen 2是什么？ Imagen 2是Google DeepMind开发的最先进的文本到图像扩散技术。它能够生成高质量、逼真的图像，这些图像与用户的提示紧密对齐且一致。Imagen 2通过使用其训练数据的自然分布来生成更加逼真的图像，而不是采用预设的风格。这项技术现已通过Imagen API在Google Cloud Vertex AI上向开发者和云客户提供。 Imagen 2可以做什么？ Imagen 2的主要功能包括：生成高质量、逼真的图像：根据用户的文本提示生成与之紧密对齐且一致的图像。改进的图像-标题理解：通过在训练数据集的图像和标题中添加更多描述，帮助Imagen 2学习不同的标题风格，并更好地理解广泛的用户提示。更逼真的图像生成：在渲染逼真的手和人脸方面取得了进步，同时减少了分散注意力的视觉伪影。流畅的风格条件化：Imagen 2的扩散技术提供了高度的灵活性，使得调整图像风格变得更加容易。先进的图像编辑能力：包括“内画”（inpainting）和“外画”（outpainting）功能，允许用户在原始图像中直接生成新内容或扩展原始图像的边界。 Imagen 2适用人群 Imagen 2适用于需要高质量、逼真图像生成的各类专业人士，包括：视觉艺术家和设计师：可以利用这项技术根据文本提示创造出逼真的艺术作品。开发者和云计算用户：通过Google Cloud Vertex AI上的Imagen API，他们可以集成这项技术到自己的应用中。教育和研究人员：探索AI在图像生成和视觉艺术方面的应用。内容创作者和营销专业人士：用于快速生成吸引人的视觉内容，增强品牌形象和营销活动。如何使用Imagen 2？这项技术现已通过Imagen API在Google Cloud Vertex AI上向开发者和云客户提供。如果想使用，可以前往接入使用。了解更多:https://deepmind.google/technologies/imagen-2/

Imagen 2：谷歌发布的AI绘画模型
AI视频
- 21
- 0
admin7月2日
StyleDrop是什么？ StyleDrop是一个强大的文本到图像的生成工具，它可以按照特定风格生成图像。只要给出一张图片作为参考，StyleDrop就能学习图片的风格，并帮助生成复刻出同风格作品。据称，谷歌的方法优于 Dreambooth、LoRA 或 Textual Inversion 等其他方法。 StyleDrop官网：https://styledrop.github.io/ 这个工具的核心是Muse，一个文本到图像的生成视觉变换器。StyleDrop的特点在于其极高的灵活性和对用户提供的风格的微妙细节和特性的捕捉能力，如色彩方案、阴影、设计模式以及局部和全局效果。大家可以看看以下官方案例: 设计出原风格的水彩绘画: 设计出原风格的logo: 设计出原风格的字母: StyleDrop通过微调少量可训练的网络参数来学习新的风格，然后通过人工或自动反馈的迭代训练来提高模型的质量。 StyleDrop能做什么？从单一图像生成风格化的文本到图像：StyleDrop可以从文本提示中生成任何由单一参考图像描述的风格的高质量图像。生成风格化的字符渲染：StyleDrop可以生成由单一参考图像描述的一致风格的字母图像。与您的风格助手协作：StyleDrop易于训练，可以帮助您快速原型化您自己的风格的想法。以我的风格生成我的主题的图像：结合StyleDrop和DreamBooth，可以生成“我的主题”在“我的风格”中的图像。如何使用StyleDrop？官网：https://styledrop.github.io/ 论文地址：https://arxiv.org/abs/2306.00983 使用步骤：提供一个风格参考图像：用户需要提供一个图像，该图像代表了他们想要生成的图像的风格。提供文本提示：用户需要提供一个文本提示，StyleDrop将根据这个提示生成图像。训练和生成：StyleDrop将根据提供的风格参考图像和文本提示，通过其内部的Muse视觉变换器进行训练，并生成符合指定风格的图像。总的来说，StyleDrop是一个强大的工具，它可以根据用户的需求和指示，生成具有特定风格的图像。

StyleDrop-谷歌推出的AI设计神器
AI视频
- 22
- 0
admin7月2日
Genie是什么？ Genie是一个由Google发布的根据互联网视频训练的AI基础世界模型，中文意思为“精灵”。它是基于Google DeepMind的最新成果，采用了最先进的视频生成模型的思想，核心设计采用了时空变换器。Genie是第一个通过未标记互联网视频以无监督方式训练的生成式交互环境，能够接收文本提示、合成图像、照片甚至草图或想法，并生成无数种动作可控的、能够互动的虚拟世界环境。尽管Genie已经展示了其强大的能力，但它目前仍处于研究预览阶段，这意味着它还在不断的开发和完善中，以达到更广泛的应用和更高的性能水平。了解更多详情：项目地址：https://sites.google.com/view/genie-2024/home 论文地址：https://arxiv.org/abs/2402.15391 Genie的模型规模及技术架构 Genie的模型规模及技术架构具有以下特点：模型规模：Genie拥有110亿参数，属于一个大规模的AI模型。这使得它能够处理复杂的数据和生成高质量的交互式虚拟环境。训练数据：Genie通过网络上超过20万小时的2D游戏视频进行训练，这些视频提供了丰富的动作和交互数据，帮助模型学习如何生成和控制虚拟环境。值得注意的是，这一训练过程是在无监督和无标签视频的情况下进行的，展示了模型强大的学习能力。技术架构：基础架构：Genie的底层基于ViT（Vision Transformer），采用了一套内存高效的ST-transformer架构，这包含了时空注意力机制。关键组件：时空视频分词器：用于处理视频数据，将视频分割成可以被模型理解和处理的小块。因果动作模型（LAM，基于像素）：这是一个关键的创新点，允许模型学习和推断动作的因果关系，而不仅仅是动作本身。动力学模型（基于视频token）：用于理解和模拟物理世界中的动力学行为，如物体的运动和相互作用。 Genie的这一技术架构和模型规模使其成为一个强大的工具，能够生成复杂且高度互动的虚拟世界，为用户提供前所未有的体验，并为AI领域的发展开辟新的可能性。 Genie可以做什么？无需行动标签的学习控制：Genie能够通过分析大量的公开互联网视频学会精细的控制技巧，识别可控制的图像部分，并推断出在各种生成环境中一致的潜在动作。激发新一代内容创作者：Genie为内容创作者提供了新的工具和方法，使得仅需一张图像即可创造出全新的交互环境，降低了创造复杂虚拟环境的门槛。训练通用型AI代理：Genie不仅提供了创造交互式环境的能力，还为AI研究提供了一个有价值的资源，促进了通用型AI代理的发展。跨领域应用：Genie是一个通用方法，适用于多个领域，不需要任何额外的领域知识，其潜在应用范围非常广泛。 Genie适用人群内容创作者和游戏开发者：可以使用Genie快速原型设计和实现他们的创意，通过结合最先进的文本到图像生成模型，创作者可以将文本描述转换成图像，然后使用Genie为这些图像赋予交互性和可玩性。 AI研究人员：Genie为AI研究提供了一个有价值的资源，通过在不断生成的新世界中训练，未来的AI代理可以在多样化的环境下学习和适应。跨领域专业人士：由于Genie的通用性，它适用于多个领域的专业人士，包括但不限于游戏设计、教育、模拟训练等领域，为他们提供了一个强大的工具来创造和探索虚拟世界。总之，Genie模型的出现不仅为用户提供了创新的交互体验和内容创作的新方法，也为AI研究和跨领域应用开辟了新的道路，预示着AI技术在生成交互式虚拟环境方面的巨大潜力和未来的发展方向。

Genie-谷歌发布的AI基础世界模型，一张图片生成交互世界
AI视频
- 29
- 0
admin7月1日
近日，谷歌与李飞飞的斯坦福团队携手推出了基于Transformer的视频生成模型W.A.L.T。该模型利用因果编码器和窗口注意的变压器架构，成功将图像和视频压缩到一个共享的潜在空间，实现了联合训练和生成。这一创新性的模型不仅在已建立的视频和图像生成基准测试上取得了SOTA，还展示了在文本到视频生成任务中的卓越性能。这种方法有两个关键的设计决策。首先，它使用因果编码器共同压缩图像和视频，使其在统一的潜在空间内进行训练和生成，支持跨模态操作。其次，为了内存和训练效率，它使用了专为联合空间和时空生成建模量身定制的窗口注意力架构。这些设计决策的结合使得W.A.L.T在已建立的视频（如UCF-101和Kinetics-600）和图像（如ImageNet）生成基准测试中达到了最先进的性能，而且不需要使用无分类器的引导。 W.A.L.T官方演示视频： W.A.L.T项目地址：https://walt-video-diffusion.github.io/

W.A.L.T：通过扩散模型生成逼真视频的AI模型
AI视频
- 19
- 0
admin7月1日
谷歌日前发布了AlphaCode2，这是一款由Gemini模型驱动的AI编程工具，是对前代AlphaCode的改进版本。与Gemini模型同时亮相，AlphaCode2在编程竞赛中表现出色，尤其在动态规划等复杂问题上具备更强大的能力。研究人员通过在CodeForces竞赛网站上收集的约15000个问题和3000万份人类编写的代码的数据集上对Gemini Pro系统进行精细调整，为AlphaCode2的问题解决能力提供了强大支持。根据谷歌在Codeforces平台上的数据，AlphaCode2在涵盖Python、Java、C++和Go等多语言的编程竞赛中，平均胜过了约85%的竞争对手，相较于前代，这是一次显著的提升。在技术白皮书中指出，在12场最近的竞赛中，AlphaCode2解决了77个问题中的43%，而前代仅在25%的问题上获得成功。动态规划是编程竞赛中常见的复杂问题之一，而AlphaCode2展现出其在这方面的卓越表现。DeepMind研究科学家Rémi Leblond在一段预录视频中解释说，AlphaCode2不仅知道何时正确实施动态规划策略，还知道在何处使用它。这对于原始AlphaCode在处理需要动态规划的编程问题时曾经遇到的困难而言，是一项显著的进步。 AlphaCode2的工作原理涉及一系列“策略模型”，这些模型为每个问题生成多个代码样本。不符合问题描述的代码样本被过滤掉，然后通过聚类算法将“语义相似的代码样本”分组，以避免冗余。最终，AlphaCode2内的评分模型确定每个最大代码样本“簇”中的最佳候选答案。尽管AlphaCode2在编程竞赛中表现出色，但白皮书指出其存在一些缺陷。例如，AlphaCode2需要大量的试错，运营成本较高，且过于依赖于过滤明显错误的代码样本。据猜测，迁移到更强大的Gemini版本，如Gemini Ultra，可能会缓解这些问题。 Google DeepMind相信，通过使用Gemini Ultra，一个比Gemini Pro更大更强大的大型语言模型，他们可以构建一个更出色的代码编写模型，并表示正在努力将其能力提供给开发者。团队希望将AlphaCode2的独特能力引入基础Gemini模型，使这种新的编程范式成为所有人的首选。关于AlphaCode2是否会成为产品的问题，DeepMind的产品副总裁Eli Collins在一次简报中暗示了这一可能性。他表示:“关于最新结果最让我兴奋的事情之一是，当程序员与[由Gemini提供动力的] AlphaCode2合作时，通过定义代码应遵循的某些属性，[模型]的性能会变得更好。” 他进一步指出:“在未来，我们预见程序员将利用高度 capable 的AI模型作为协作工具，从问题推理到辅助实施，助力整个软件开发过程。”

AlphaCode2-Google公布的基于Gemini的AI编程助手
AI视频
- 19
- 0
admin7月1日

❯

搜索

幸运之星正在降临...

点击领取今天的签到奖励！

恭喜！您今天获得了{{mission.data.mission.credit}}积分

今日签到

连续签到

{{item.credit}}

连续{{item.count}}天

查看所有

我的优惠劵

_￥_优惠劵

使用时效：无法使用

使用时效：
之前

使用时效：永久有效

优惠劵ID：
×

限制以下商品使用：限制以下商品分类使用：不限制使用：

[{{ct.name}}]

所有商品和商品类型均可使用

没有优惠劵可用!

购物车

×

删除

购物车空空如也!

清空购物车前往结算

您有新的私信

没有新私信

写新私信查看全部