看點概覽：

一、OpenAI發布Canvas，像文案、代碼編輯器一樣

二、全國產化替代，國內首個萬卡萬參大模型

三、Video Ocean文生視頻的光影魔術和焦點藝術

四、四足機器人又出新品種了

五、邁向多語言醫療大模型

一、OpenAI發布Canvas，像文案、代碼編輯器一樣

（圖源：微信公眾號@量子位）

OpenAI發布Canvas，一個與ChatGPT合作寫作和編程的新界面。這個全新的界面，是由OpenAI的GPT-4o來構建，需要在模型選擇欄中單獨pick出來使用——“GPT-4o with canvas”。在Canvas模式之下，就不僅僅是簡單對話的過程了，而是允許用戶可以對生成的內容進行二次創作和編排，就像文案、代碼編輯器一樣。

在ChatGPT給出生成內容之后，在界面的右下角有一個“編輯”的按鈕，這個按鈕展開之后有五個功能：

● 編輯建議（Suggest edits）

● 調整上下文長度（Adjust the length）

● 更改閱讀水平（Reading level）

● 添加最終潤色（Add final polish）

● 添加表情包（Add emojis）

Canvas編程包含以下五種功能：

● 審查代碼（Review code）

● 添加日志（Add logs）

● 添加注釋（Add comments）

● 修復bug（Fix bugs）

● 轉換語言（Port to a language）

內容詳情：OpenAI重磅發布Canvas：跟ChatGPT一起寫作編程

二、全國產化替代，國內首個萬卡萬參大模型

（圖源：微信公眾號@中國電信人工智能研究院）

中國電信人工智能研究院（TeleAI）成功完成國內首個基于全國產化萬卡集群訓練的萬億參數大模型（萬卡萬參），并正式對外開源首個基于全國產化萬卡集群和國產深度學習框架訓練的千億參數大模型——星辰語義大模型 TeleChat2-115B。

這是由中國電信集團 CTO、首席科學家、中國電信人工智能研究院（TeleAI）院長李學龍教授帶領團隊完成的又一項里程碑式的重要科研成果，標志著國產大模型訓練真正實現全國產化替代，正式進入全國產自主創新、安全可控的新階段。

TeleAI 連獲中國計算語言學大會（CCL2024）挑戰賽兩項冠軍，以及NLPCC2024 中文議論文挖掘（Shared Task5）挑戰賽冠軍。

內容詳情：重磅！TeleAI 完成首個全國產化萬卡萬參大模型訓練，并正式開源 TeleChat2-115B

三、Video Ocean文生視頻的光影魔術和焦點藝術

精準捕捉面部細節，真實感渲染技術，賦予數字面孔新生命

深入微觀世界，探索細節之美，將精細成像的藝術發揮到極致。

（圖源：微信公眾號@潞晨科技）

潞晨Video Ocean文生視頻應用正式上線，在本次產品迭代中，對人臉渲染進行了深度優化，同時擴展了鏡頭語言的多樣性，提升了畫面的紋理和質感，風格上也更加多元化，為用戶打造了一個更加立體和多彩的視覺體驗，使得視頻創作變得簡單便捷。

內容詳情：潞晨Video Ocean正式全面公測，視頻大模型全方位升級重塑視覺體驗

四、四足機器人又出新品種了

（圖源：https://helpful-doggybot.github.io/）

斯坦福大學的研究團隊最近發布了一款名為Helpful DoggyBot的四足機器人，通過整合先進的計算機視覺技術和自然語言處理，機器人能夠理解人類的指令，并在復雜的環境中尋找和抓取物體。借助視覺－語言模型（VLMs）和低級全身控制策略的協調指令，DoggyBot機器人能夠執行以下任務：

● 爬上床去取一個網球；

● 低下身子撿起一個水瓶；

● 爬上沙發拿起一個毛絨玩具；

● 在取回網球后，從床上下來。

內容詳情：開源小狗機器人：助你獲取開放世界中任何物品！

五、邁向多語言醫療大模型

在醫療領域中，大語言模型已經有了廣泛的研究。然而，這些進展主要依賴于英語的基座模型，并受制于缺乏多語言醫療專業數據的限制，導致當前的醫療大模型在處理非英語問題時效果不佳。

為了克服這一挑戰，近期一篇發表在《nature communications》的論文全面地從數據、測評、模型多個角度考慮了多語言醫學大語言模型的構建，做出了三項貢獻：

1. 創建了一個包含 25.5 Billion tokens 的多語言醫療語料庫 MMedC。

2. 開發了一個全新的多語言醫療問答評測標準 MMedBench, 覆蓋了 6 種語言，21 種醫學子課題。

3. 推出了一款名為 MMed-Llama 3 的全新基座模型，以 8B 的尺寸在多項基準測試中超越了現有的開源模型，更加適合通過醫學指令微調，適配到各種醫學場景。

所有數據和代碼、模型均已開源。

論文標題：Towards building multilingual language model for medicine

論文地址：https://www.nature.com/articles/s41467-024-52417-z項目地址：https://github.com/MAGIC-AI4Med/MMedLM

Leaderboard: https://henrychur.github.io/MultilingualMedQA/

內容詳情：邁向多語言醫療大模型：大規模預訓練語料、開源模型與全面基準測試

AI 創新｜分享人工智能領域的技術革新和創新應用的新動態，與讀者共同關注AI領域的創新思維與實踐。

AI美圖