一、亿万富翁Mark Cuban警告美国必须赢得人工智能竞赛，否则将“失去一切” 亿万富翁投资者马克·库班警告称，美国在全球人工智能（AI）领导力竞争中的成败将决定国家的军事主导地位和全球地位。 军事重要性：库班强调，“我们的军事主导地位、我们在世界上的地位取决于我们投资AI的能力。谁在AI方面领先，谁就拥有最强大的军事力量。”他认为AI将直接决定美国的军事实力，并将影响美国在全球的地位和竞争力。 当前投资情况：虽然美国的私营企业和国防部正在对AI进行投资，但库班认为这些投资还远远不够，需要做得更多。他认为，赢得AI竞赛将是确保美国在地缘政治和金融方面保持实力的关键。 对未来的警告：库班指出，“我们不能输掉这场战斗，否则我们将失去一切。这将决定我们的货币、全球竞争力和军事力量。因此，对AI的投资至关重要。” 来源：https://fortune.com/2024/09/28/mark-cuban-ai-race-us-military-dominance-artificial-intelligence-investment-industrial-policy/       二、AI发展没变慢！头部创业者揭秘：o1模型带来质变，AI正迈向“会思考”时代 多位国内头部AI创业者否认AI发展速度放缓，并指出今年AI行业呈现出群雄并起、你追我赶的态势。他们认为OpenAI发布的o1模型是AI领域的一件大事，它意味着AI的上限提升，并首次证明了语言模型可以拥有“慢思考”的能力。o1模型内置了思维链推理提示工程技术，能够自我反思、自我纠错，标志着AI正在向更高级别的思考能力迈进。创业者们也强调AI目前仍处于快速发展阶段，并预言AI技术曲线将变得越来越陡峭，通用人工智能（AGI）会以更快的速度实现。虽然AI落地情况距离预期还有差距，但AI技术本身正不断突破，未来将带来更大的改变。 https://m.eeo.com.cn/2024/0920/688126.shtml         三、StoryMaker: 一致的人物角色，让文本生成图像更精彩！   StoryMaker 是一款个性化解决方案，可以保持图像中多个角色的面部、服装、发型和身体的一致性，使其成为制作由一系列图像组成的故事的强大工具。该模型提供了多种应用场景，例如生成人物肖像、创作不同场景的图像，以及制作具有情节性的图像序列。StoryMaker 基于 Hugging Face 平台发布，用户可以通过 Hugging Face 或 hf-mirror 下载模型。为了使用 StoryMaker，用户需要安装必要的库并准备模型文件，包括 face encoder 和 adapter。使用示例代码，用户可以自定义图像生成，例如加载图像、设置提示词和生成图像序列。 https://huggingface.co/RED-AIGC/StoryMaker         四、SigLIP: 基于WebLi训练的图像文本预训练模型，性能超越CLIP SigLIP 是一种基于 CLIP 的多模态模型，使用新的 sigmoid 损失函数，在 WebLi 数据集上进行预训练，性能超越 CLIP。SigLIP 的 sigmoid 损失函数仅在图像-文本对上进行操作，不需要全局视图进行归一化，因此可以进一步扩展批次大小，同时在较小的批次大小下也能表现更好。SigLIP 可以用于零样本图像分类、图像文本检索等任务，并提供代码示例。SigLIP 在图像分类、图像文本检索等任务上取得了显著的性能提升，在 WebLi 数据集上超越了 CLIP。该模型在 16 个 TPU-v4 芯片上训练了 3 天，并提供了详细的训练数据、预处理和计算信息。 https://huggingface.co/google/siglip-base-patch16-512         五、长文本摘要神器：LongT5-TGlobal-Base-16384 模型解析及使用指南 本文介绍了 pszemraj/long-t5-tglobal-base-16384-book-summary 模型，该模型基于 Google 的 LongT5 架构，针对书籍摘要任务进行了微调，可以生成简洁、准确的摘要。该模型在 Booksum 数据集上进行了训练，并能够处理长达 16384 个词元的文本，可用于学术文本、叙事文本等多种类型文本的摘要。文章提供了模型的使用方法，包括 Python 代码示例和 Hugging Face 空间示例，方便用户快速上手。此外，文章还介绍了模型的训练过程、超参数设置、版本更新等信息，以及如何进行进一步微调和使用 textsum 包进行简化操作。文章还讨论了模型的局限性，提醒用户不要完全依赖摘要结果，并提供了一些最佳实践建议。 https://huggingface.co/pszemraj/long-t5-tglobal-base-16384-book-summary           六、PySyft-dev: 数据科学新方式，无需访问数据本身   PySyft 允许数据科学家在不访问数据的情况下进行数据分析，通过连接到 Datasite 进行远程数据科学。Datasite 类似于网站，但用于数据，通过结构化 透明性原则保护数据所有者的控制权。PySyft 支持任何统计分析或机器学习，支持直接运行 Python 代码，甚至使用第三方 Python 库。PySyft 可在 Linux、macOS、Windows、Docker 和 Kubernetes 上运行。PySyft 提供了一系列 API 和文档，用于使用 Datasite 服务器和 Syft 客户端。 https://github.com/murnl/PySyft-dev         七、语言模型助力任务解决：Agent Workflow Memory提升复杂任务效率   提出Agent Workflow Memory (AWM)方法，旨在让语言模型学习并重复使用任务流程，从而提高复杂任务的解决效率。 AWM通过分析历史数据或实时查询结果，识别出重复的步骤序列（即工作流程），并将其提供给模型以指导未来的行为。在Mind2Web和WebArena两个大型网页导航数据集上进行实验，AWM取得显著效果，成功率分别提升24.6%和51.1%。AWM还减少了完成任务所需的步骤数，并能够在跨任务、网站和领域评估中保持鲁棒性。AWM可以用于离线和在线场景，在离线场景中，模型提前从训练数据中学习工作流程，而在在线场景中，模型实时从测试查询中学习工作流程。** 这使得AWM能够适应不同的应用场景。这项研究为构建能够像人类一样灵活处理复杂任务的智能代理提供了新思路，为人工智能在现实世界中的应用带来了新的可能性。 https://arxiv.org/abs/2409.07429         八、视觉表示定律：多模态大模型中的视觉表示与性能关联 本文揭示了多模态大语言模型（MLLMs）中的“视觉表示定律”。该定律表明，跨模态对齐和视觉表示一致性与MLLM性能之间存在强相关性。研究人员通过对13种不同视觉表示设置和8个基准的评估，发现跨模态对齐和一致性得分（AC得分）与模型性能线性相关。这一发现能够帮助识别和训练最佳视觉表示，无需每次都微调语言模型，从而将计算成本降低99.7%。该研究为多模态大模型的视觉表示优化提供了新的思路。 https://arxiv.org/abs/2408.16357