Trouver du contenu similaire

谷歌发布 Gemma 4 开源大模型，31B 参数性能达头部水准 谷歌今日正式发布Gemma 4大模型，据称是迄今为止谷歌最智能的开源模型，专为高级推理与智能体工作流打造。本次共推出四种规格：高效20亿参数版（E2B）、高效40亿参数版（E4B）、260亿混合专家模型（MoE）与310亿稠密模型（31B）。其中，31B模型在Arena AI文本榜单中位列全球开源模型第三，26B模型位居第六。E2B与E4B模型可在手机、树莓派、英伟达Jetson Orin Nano等端侧设备上完全离线运行。Gemma 4具备高级推理、智能体工作流、代码生成、视觉与音频处理等核心优势，支持140+种语言，端侧模型上下文窗口达128K，大模型最高支持256K。26B MoE模型推理时仅激活38亿参数，实现低延迟。IT之家 🏷#Gemma#大模型#开源#AI 📢频道👥群组📝投稿

🌟EX-4D: генерация видео с экстремальными движениями камеры. EX-4D - совместная разработка ByteDance и Pico, которая предлагает элегантное решение проблемы генерации экстремальных ракурсов камеры для видео. Методика позволяет генерировать видео с амплитудой угла камеры от -90° до 90°, опираясь на новый тип геометрического представления, Depth Watertight Mesh (DW-Mesh). В отличие от стандартных методов, которые строят 3D-сцену только из видимых поверхностей, DW-Mesh создает трехмерный замкнутый меш на основе данных о глубине сцены. Он моделирует не только то, что видит камера, но и пытается логически завершить скрытые от нее области. По сути, система строит цельный геометрический каркас сцены, который сохраняет свою форму даже при взгляде с самых неожиданных углов. Это предотвращает появление разрывов и искажений, когда ранее невидимая часть объекта попадает в кадр. При создании EX-4D использовали уникальную стратегию обучения, которая не требует многоракурсных видеосетов. Разработчики обошли эту проблему, заставив модель создавать обучающие данные для самой себя. Используя построенный DW-Mesh, система генерирует маски, симулируя, какие части сцены были бы скрыты при других ракурсах. Этот подход с двумя компонентами, Rendering Mask и Tracking Mask, имитирует реальные условия съемки с разных точек и дает временную согласованность маскировки, обучая модель правильно «додумывать» геометрию. Вся эта система работает на базе видеомодели Wan2.1 (рекомендуют версию 14B 480p), но не требует ее полной перетренировки. Геометрическая информация от DW-Mesh интегрируется с помощью LoRA-адаптера, он выступает мостом между меш-каркасом и генеративной нейросетью. В тестах EX-4D обходит TrajectoryCrafter и ReCamMaster, особенно на больших углах. В пользовательских тестах 70 % участников отдали предпочтение видео, сгенерированным EX-4D, отметив физическую консистентность и высокое качество картинки. ⚠️ Локальный запуск потребует значительных ресурсов, особенно для видео высокого разрешения. Помимо Wan2.1, самой EX-4D, еще понадобятся пакеты nvdiffrast от NVlabs и DepthCrafter от Tencent. В планах: оптимизация инференса, поддержка 1К и 2К разрешения и новые техники уточнения мешей. 📌Лицензирование: Apache 2.0 License. 🟡Страница проекта 🟡Модель 🟡Arxiv 🖥GitHub @ai_machinelearning_big_data #AI#ML#EX4D#ByteDance#Video

🤖 The moment he realized a robot just replaced his job. 在深圳街頭，一台全自動 AI 無人清掃機器人，安靜地完成了原本屬於人類的工作。 👇 留言告訴我 ! 你覺得 AI 是解放人類，還是淘汰人類？ 沒抗議、沒公告、沒有倒數。 它只是出現，然後開始工作。 ⚠️ 這不是科幻 ⚠️ 這不是未來 ⚠️ 這是正在發生的現在 當 AI 開始取代「體力＋重複性」工作， 下一步會輪到誰？ #AI#Automation#FutureOfWork #TechTrends#Ethereum#Web3 ——— 👇⭐️👇 🤣 🥲👇 資源搜索 🖲️👆

Transparency in AI-generated content: EU Commissioner calls for labeling EU Commissioner Vera Jourova has highlighted the importance of clearly identifying content that is generated or significantly influenced by AI systems. The proposal to label AI-generated content serves multiple purposes: protecting consumer rights, promoting accountability, and enabling individuals to distinguish between human-created and AI-generated information. The European Commission wants tech companies like Google, Facebook and TikTok to start labeling content created by artificial intelligence without waiting for digital laws to come into effect. As AI becomes more prevalent in content creation, legal concerns arise regarding authenticity, accountability, and the potential for misinformation. By introducing labeling requirements, the EU aims to provide legal clarity, allowing consumers and authorities to better navigate the digital landscape while holding AI systems accountable for the information they generate. While the EU takes a proactive stance in regulating AI-generated content, the implications extend beyond its borders. As AI transcends geographical boundaries, the need for transparent labeling practices becomes crucial on a global scale. International collaboration in developing standardized guidelines can enhance consistency and protect users' rights across jurisdictions. #artificialintelligence#AI#Law#EUCommission

🚛 We’re building the future of freight operations. Datatruck has raised a $12M Series A round led by Avenue Growth Partners, to accelerate our mission of transforming how carriers manage operations and cash flow through AI-powered automation. Our AI-native TMS platform unifies dispatch, finance, and digital workflows into one intelligent system — empowering trucking companies to make faster, smarter, and more profitable decisions across their businesses. This investment will help us expand our product ecosystem, deepen AI capabilities, and scale adoption across North America’s freight network. We’re just getting started — the road ahead is wide open. 💡 👉 Learn more: Datatruck.io #freighttech#logistics#transportation#trucking#saas#ai#seriesa#startup#funding

🇪🇺EDPB Pushes Forward with Practical AI Compliance Training for DPOs The European Data Protection Board (EDPB) has released two new reports under its Support Pool of Experts (SPE) initiative, targeting one of the most pressing regulatory challenges in the EU: aligning AI with data protection law. The reports are designed not as theoretical statements, but as hands-on training tools for professionals grappling with AI systems that process personal data. ✔️Fundamentals of Secure AI Systems with Personal Data focuses on bridging urgent skill gaps in AI development and data protection. ✔️Law & Compliance in AI Security & Data Protection outlines a structured training program for Data Protection Officers (DPOs) to better navigate AI-specific risks. These tools signal the EDPB’s shift toward operationalizing GDPR compliance in the age of AI. #AI#GDPR#EDPB#DataProtection

🚀🤖 AI & SpaceX 🗣 Elon Musk 表示，要讓「星際爭霸不再只是科幻」，並將 AI、航天與軍民融合技術 推向現實層面。 #Ethereum#AI#SpaceX #Technology#Future#馬斯克 ——— 結構解讀關鍵👇🥇資源搜索群🖲️👆 🚀 核心背景： 事件發生在 SpaceX Starbase，現場可見多方人員互動，釋放出 航天 × AI × 戰略應用 的強烈信號。 🧠 關鍵解讀： • Starship 不再只是運載工具，而是 平台級基礎設施 • Grok / AI 系統可能成為航天與指揮決策中樞 • 太空科技正在走向 現實博弈與國家級競爭 ⚡️#Insight : • 當航天 + AI + 數據主權結合，邊界將被徹底重塑 • Musk 的佈局已超越商業，進入 基礎秩序重構階段 • 長期影響或波及：通信、算力、金融與加密基礎設施 👇⭐️👇 🤣 留言分享觀點 🥲👇

🚀 Tencent расширяет экосистему Hunyuan LLM и выкладывают в открытый доступ еще 4 компактных моделей — 0.5B, 1.8B, 4B и 7B! Эти модели заточены под low-power устройства: ПК, смартфоны, авто, умные дома и пользовательские GPU. Модели легко настраиваются под вертикальные задачи и запускаются даже на одной карте. 💡 Особенности: ✅ Fast/slow thinking режимы: лаконичные или глубокие ответы ✅ 256K контекст и продвинутые агентные способности (tool use, планирование, reasoning) ✅ Хорошие метрики на тестах по языку, математике и логике ✅ Модели готовы к продакшену — работают с SGLang, vLLM, TensorRT-LLM 🖥GitHub: - 0.5B: https://github.com/Tencent-Hunyuan/Hunyuan-0.5B - 1.8B: https://github.com/Tencent-Hunyuan/Hunyuan-1.8B - 4B: https://github.com/Tencent-Hunyuan/Hunyuan-4B - 7B: https://github.com/Tencent-Hunyuan/Hunyuan-7B 🤗 Hugging Face: - 0.5B: https://huggingface.co/tencent/Hunyuan-0.5B-Instruct - 1.8B: https://huggingface.co/tencent/Hunyuan-1.8B-Instruct - 4B: https://huggingface.co/tencent/Hunyuan-4B-Instruct - 7B: https://huggingface.co/tencent/Hunyuan-7B-Instruct 🔗 Подробнее: https://hunyuan.tencent.com/modelSquare/home/list @ai_machinelearning_big_data #Tencent#Hunyuan#ml#llm#ai#opensource

微软 GitHub 推出跨模型 AI 审查：Claude Sonnet 4.6 搭配 GPT-5.4，弥补 74.7% 性能差距 微软 GitHub 于 4 月 6 日发布博文，宣布 Copilot CLI 推出实验性功能 Rubber Duck，旨在通过引入异构模型审查机制提升 AI 性能。该功能采用跨模型家族组合策略，用户选择 Claude 系列模型为主控，Rubber Duck 调用 GPT-5.4 进行审查，检查智能体工作并输出关注点清单。SWE-Bench Pro 基准测试显示，Sonnet 4.6 搭配 Rubber Duck 后，弥补了 74.7% 的性能差距，在复杂任务中得分比基线高出 3.8%。Rubber Duck 支持主动、被动及用户触发三种模式，目前已在实验模式下线，用户需安装 GitHub Copilot CLI 并运行 /experimental 命令启用，并开通 GPT-5.4 访问权限。IT之家 🏷#GitHub#Copilot#AI#模型审查 📢频道👥群组📝投稿

🌟GLM-4.5 и GLM-4.5-Air: релиз гибридных моделей, заточенных под агентные задачи. В новом семействе GLM, Z.AI объединили в одной модели возможности для рассуждений, кодинга и агентных сценариев. Семейство построено на архитектуре MoE и может работать в двух режимах: thinking mode для сложных задач с использованием инструментов и non-thinking mode для быстрых ответов. 🟡В релиз вошли: 🟢GLM-4.5 с 355 млрд. общих параметров (32 млрд активных) и ее облегченная версия; 🟠GLM-4.5-Air, облегченная версия со 106 млрд. общих параметров (12 млрд активных). Интересно, что разработчики пошли по пути увеличения глубины модели (количества слоев), а не ширины (скрытого измерения), так как обнаружили, что модели с большим количеством слоев лучше справляются с рассуждениями. 🟡 Для эффективного RL таких крупных моделей был разработан и открыт собственный фреймворкslime. Он поддерживает как синхронное, так и асинхронное обучение, что критически важно для агентных задач. Его инфраструктура полностью разделяет движки для роллаутов (сбора опыта) и движки для обучения, которые могут работать на разном железе. 🟡Главный акцент GLM-4.5 - агентные возможности. Для их оценки использовались 3 бенчмарка. На TAU-bench модель GLM-4.5 показала результат в 70.1 балла, что практически идентично Claude 4 Sonnet (70.3) и заметно лучше, чем у o3 (61.2). На бенчмарке для вызова функций Berkeley Function Calling Leaderboard v3 результат составил 77.8, снова опережая Claude 4 Sonnet с ее 75.2 баллами. Но самый показательный результат был на BrowseComp, сложном тесте для веб-браузинга. В нем GLM-4.5 набрала 26.4, что выше, чем у Claude-4-Opus (18.8) и почти как у o4-mini-high (28.3). Что касается классических задач на рассуждения, здесь модели показывают уверенные, хотя и не рекордные, результаты. На MMLU Pro у GLM-4.5 84.6 балла, чуть меньше, чем у Claude 4 Opus (87.3) и Grok 4 (86.6). В математическом тесте AIME24 модель набрала 91.0, ближайшие лидеры Qwen3 и Grok 4 - 94.1 и 94.3 соответственно. На GPQA разрыв побольше: 79.1 у GLM-4.5 против 87.7 у Grok 4, а на сложном тесте по научной литературе HLE модель получила 14.4 балла, уступив Gemini 2.5 Pro (21.1) и Grok 4 (23.9). В задачах, связанных с кодом, на тесте SWE-bench Verified модель набрала 64.2 балла, немного уступая Claude 4 Sonnet (70.4) и o3 (69.1), но опережая многие другие. А вот в агентном кодинге, который оценивался людьми с помощью Claude Code, картина иная. В прямом сравнении GLM-4.5 выигрывает у Kimi K2 в 53.9% случаев и обходит Qwen3-Coder с винрейтом 80.8%. Самый важный показатель - успешность вызова инструментов, где GLM-4.5 достигла 90.6%, опередив Claude-4-Sonnet (89.5%) и Kimi-K2 (86.2%). 📌Лицензирование: MIT License. 🟡Страница проекта 🟡Набор моделей 🟡Demo 🟡Сообщество в Discord 🖥GitHub @ai_machinelearning_big_data #AI#ML#GLM#MoE#ZAI

抓包现场：谷歌 AI 食谱被曝抄袭，“越红线”被批不再为原创导流 科技媒体报道称，谷歌NotebookLM团队因AI抄袭事件面临公关危机。起因是谷歌发布了一张由AI生成的“经典黄油香草填料”食谱信息图，用于推广其图像模型Nano Banana Pro和NotebookLM的制图功能。该推广内容随后被指控剽窃内容创作者成果，谷歌紧急删除了相关推文。X用户Nate Hake指出，AI生成的配料表和制作结构与美食博客HowSweetEats上的内容高度一致，实为模型直接抓取原网页内容。Hake批评谷歌AI摘要不提供源网站链接，违反了网站使用条款，并损害了原创者的流量。IT之家 🏷#谷歌#NotebookLM#AI#抄袭 📢频道👥群组📝投稿

◀️--sref 2736713076 --s 450 #3D#Cartoon#Detailed#StyleRandom#MidJourney#AiGenLabs#Ai 〰️〰️〰️〰️〰️ main channel📎