上周AI领域的重点内容包括OpenAI的SearchGPT、完全体O1模型、AMA活动,Physical Intelligence发布的通用机器人策略模型π0,实时生成可操作的AI游戏生成模型Oasis等。本文对这些内容进行了总结提炼。
OpenAI推出了SearchGPT,提供了更快、更准确的网络搜索体验。完全体O1模型被推出,支持多模态,具有强大的能力。但使用中存在一些限制和修复。
OpenAI主创人员进行了AMA活动,分享了关于模型未来的重要信息,如GPT和o1两个模型系列的开发,新型文本生成图像模型的开发等。
Physical Intelligence发布了一个通用机器人策略模型π0,该模型结合了大规模的多任务和多机器人数据收集,以及新型的网络架构,使机器人能够完成各种开放域的任务。
Oasis是一个实时生成可操作的AI游戏生成模型,可以生成类似《我的世界》的游戏内容。它基于transformer技术,可以接收用户输入并生成实时游戏玩法。
Open AI 的一些消息:SearchGPT、完全体 O1、AMA
最近 Open AI 动作挺多的可能终于感受到压力了,先是推出了 SearchGPT,然后疑似故意泄露完全体 O1 模型使用链接,还跟自己的新领导层搞了一个 AMA。
发布 Search GPT
[2]
之前测试了很久的 ChatGPT 搜索功能终于出了,他们说可以提供更快、更准确的网络搜索体验,并直接链接到高质量来源。
为了获得更高质量的数据他们还跟天气、股票、体育、新闻和地图数据服务商合作获取数据,而且这些内容都做了单独的 UI 适配比看文字直观很多。
你可以直接在 ChatGPT 网站上搜索,也可以安装他们的
浏览器插件
[3]
设置成默认搜索。
完全体多模态 O1 模型泄露
在上周六下午推上突然说完全体的 O1 泄露了,从一个
指定链接
[4]
进去就可以使用,进去看了一下还真是,支持多模态而且能力也非常强,有 200K 的长下文窗口。
拿一个高中数学联赛的几何题试了一下居然能答对。另外还拿一个正常的高中奥赛数学题试了一下,Claude 3.5不行、o1-preview都做不对,都在瞎做,他也答对了。
刚想要上点重量给他一个出生日期让它算依稀八字命盘,结果就被修复了,细带大选之后可以使用
Open AI 主创的的 AMA 总结
[5]
31 号 SearchGPT 发布之后 Sam 和其他 Open AI 的领导层一起在 Reddit 做了一次 AMA,回答了很多问题,列几条相对重要的,
完整的总结可以在这里看
[6]
。
•
今年没有计划发布名为 GPT-5 的模型,不过之后会有重要发布。
•
目前重点是改进 o1 系列及其后续版本,而不是推出 GPT-5(完全体 O1 这就出了)。
•
OpenAI 将继续开发 GPT 和 o1 两个模型系列,预计这两个系列最终会合并。
•
新的文本生成图像模型正在开发中,但未宣布发布日期。
•
o1 模型将在未来几个月支持图像输入,以及多模态和工具使用等功能。
•
OpenAI 认为可以用现有硬件实现 AGI。
•
ChatGPT 独立执行任务的能力预计将成为 2025 年的主要主题。
•
当被问及是否是"草莓哥"时,Sam 回应了一个草莓表情。
Physical Intelligence 发布通用机器人策略模型 π0
[7]
Physical Intelligence 发布了一个通用机器人策略模型。
目前的机器人大多是窄领域的专家,它们的行为需要大量的手动编程。而通过 AI 技术,机器人能够学习并遵循用户指令,使得编程新的行为变得更加简单。
可以指导机器人完成各种开放域的任务,而不需要专门训练,比如洗衣服、叠箱子、收拾餐桌等家务。这个机器人在智能上比马斯克前几天发布那个强多了。
训练方法
:
模型结合了大规模的多任务和多机器人数据收集,以及一种新型的网络架构,使得机器人能够以前所未有的能力和灵巧性进行控制。
π0 模型继承了互联网规模的语义知识和视觉理解,并通过流匹配方法将预训练的视觉语言模型增强为连续动作输出,实现了高频率的灵巧控制。
Oasis:实时生成可操作的AI游戏生成模型
[8]
虽然有很多关于AI实时生成可操作的游戏内容研究了,但是都停留在研究和Demo阶段,而且操作也很简单稳定性也很差。
Decart 发布的这个Oasis第一次提供了可以试玩的Demo,而且几乎具备完全体的《我的世界》功能,你可以砍树、挖石头等等。
Oasis 是交互式视频游戏,但由transformer在逐帧的基础上端到端生成。Oasis 接收用户键盘和鼠标输入并在内部生成实时游戏玩法,可以以 20 帧的速度实时渲染,零延迟。
为了实现 Oasis,需要两方面的根本进展:一是改进模型架构,以便模型能够捕捉并模拟整个世界;二是在模型推理技术上的突破,以便用户可以通过最小延迟实时交互。
Decart 发布了 Oasis 的代码和模型权重,以及一个可在本地运行的更大的模型的实时可玩演示。
同时他们因为这个Demo获得了2100 万美元的种子轮融资。
同时类似的研究还有:
腾讯出的游戏视频模型 GameGen-O
[9]
、
谷歌发布 GameNGen 项目
[10]
、
DIAMOND 这个项目可以实时玩 CS GO
[11]
。
Github发布会发布多个AI功能和产品
[12]
Github 发布会的主要内容,GitHub Spark 新产品类似 Bolt 或者 V0 这种输入需求直接生成。
GitHub Copilot 多模型支持
•
新增对多个 AI 模型的支持:Claude 3.5 Sonnet、 Gemini 1.5 Pro、o1-preview 和 o1-mini。
•
开发者可以自由选择最适合的模型
•
组织和企业可以控制团队使用的模型范围
AI 原生开发体验增强
•
Copilot Workspace:在 Pull Request 中快速优化和验证代码,与 Copilot Code Review、Autofix 和第三方扩展集成
•
Copilot Code Review:PR 创建后即可获得 AI 反馈,支持 C#、Java、JavaScript、Python、TypeScript、Ruby、Go 和 Markdown,可配置团队规则以保证代码质量
GitHub Spark (技术预览版)
•
面向个人的软件创作工具
•
使用自然语言创建微型应用
•
支持实时历史记录、预览和直接代码编辑
•
目标是帮助 10 亿人成为开发者
GitHub Models
•
不再需要等待名单,直接可用
•
模型并排比较
•