<div class="field field-name-field-news-column-category field-type-taxonomy-term-reference field-label-hidden"><div class="field-items"><div class="field-item even"><a href="/tags/%E6%96%B0%E8%81%9E">新聞</a></div></div></div><div class="field field-name-body field-type-text-with-summary field-label-hidden"><div class="field-items"><div class="field-item even"> <h3><span style="vertical-align: top; color: rgb(0, 0, 255);">重點新聞（1213～1219）</span></h3>
<p><span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> Meta </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 電腦視覺 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> LLM </span></strong></span></p>
<p><span style="font-size: 22px;"><strong>從虛擬人到LLM社交智力測試，Meta開源9大研究成果</strong></span></p>
<p>最近，Meta AI研究院FAIR開源今年度9大重點研究成果，從虛擬人型AI代理的動作控制、AI影片生成浮水印、多模態生成框架，再到LLM社交能力基準測試、大型概念模型（LCM）和另類Transformer視覺模型等，都包括在內。FAIR希望開源這些成果，來推動AI技術進步。開源重點如下：</p>
<ol>
<li><strong>Meta Motivo</strong>虛擬人行為基礎模型，能控制虛擬人型代理的動作，來完成複雜任務。該模型以非監督增強式學習方法和未標記的大量資料訓練而成，能學習人類行為，但也保有零樣本推論能力。團隊希望該技術能加速元宇宙全身化代理的開發、提高遊戲NPC擬真度，或是加速動畫角色的普及。</li>
<li><strong>Meta Video Seal</strong>影片浮水印生成模型，可在影片中嵌入肉眼看不見的浮水印，就算影片經過模糊化、剪輯或壓縮等編輯，依然能辨識，能用來追溯影片來源。</li>
<li><strong>Flow Matching</strong>生成框架指南和程式碼，可生成多種模態資料，如圖像、影片、音訊、音樂和3D結構（如蛋白質）等。Meta已用這個框架開發內部多款生成應用，如Movie Gen、Meta Audiobox等，業界也用來打造不同模型，如Stable-Diffusion-3、Flux等，取代了傳統擴散模型。</li>
<li><strong>Meta Explore Theory-of-Mind</strong>對抗數據生成框架，能以心智理論（ToM）來強化機器智慧，更能理解和推測人類想法。這個框架可生成資料集，來改善LLM的人際互動表現，還能收集互動資料集，或是作為評估LLM社交智力（Social intelligence）的基準測試。</li>
<li><strong>Large Concept Model</strong>（LCM）大型語言概念模型，是一種新型的模型訓練方法，不像傳統語言模型專門預測下一個字符，而是預測下一個概念或高階想法，並透過多模態和多語言嵌入空間來表示。這個方法讓模型在生成任務中，媲美甚至超越目前最先進的LLM表現。</li>
<li><strong>Dynamic Byte Latent Transformer</strong>是一種Transformer模型，因為不需要任何分詞（Tokenize）預處理，克服了傳統文本分詞帶來的限制，提高模型在長序列訓練和推論的效率。</li>
<li><strong>Memory Layers at Scale</strong>擴展記憶層方法，能提高LLM對複雜概念和語言細節的理解。這個方法還能在不增加運算量的情況下，為模型增加額外的參數，進而提高記憶效率。</li>
<li><strong>Image Diversity Modeling</strong>負責任的圖像生成模型，Meta特別與外部專家合作，請他們用這款模型來進行負責任研究，在模型保持高品質產出的同時，也兼顧安全。</li>
<li><strong>CLIP 1.2</strong>視覺-語言編碼器，可更好地學習、捕捉圖像與語義間的細微關聯。Meta這次開源了CLIP 1.2的演算法、訓練方法和基礎模型。 <a href="https://ai.meta.com/blog/meta-fair-updates-agents-robustness-safety-architecture/">（詳全文）</a></li>
</ol>
<p><img alt="" src="https://s4.itho.me/sites/default/files/images/%E8%9E%A2%E5%B9%95%E6%93%B7%E5%8F%96%E7%95%AB%E9%9D%A2%202024-12-20%20193124.png" /></p>
<p><span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 應用程式 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> ChatGPT </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> Notion </span></strong></span></p>
<p><span style="font-size: 22px;"><strong>ChatGPT整合30多種第三方桌面應用程式</strong></span></p>
<p>OpenAI最近展開12天直播更新，在第11天，他們揭露了一項新進展，ChatGPT可以支援包含MacOS作業系統的30多個第三方桌面應用程式了，Windows部分則要明年才會正式支援。這代表，使用者可在ChatGPT中，下提示要求分析Notion或Apple Notes等程式的筆記內容，意味著ChatGPT從對話助理開始轉型為代理型工具了。</p>
<p>進一步來說，ChatGPT支援的熱門桌面應用程式有Apple Notes、Notion、Warp、Xcode等30多個。OpenAI團隊還在影片中示範，ChatGPT如何與Notion應用程式配合使用，比如取得文件選定的內容，下提示來要求產出其他相關內容。 這個功能還支援語音模式，ChatGPT可根據使用者語音命令，來與應用程式配合使用。不過，ChatGPT這項支援第三方桌面應用程式的新功能，目前只對ChatGPT Plus、Pro、Team、Enterprise和Edu訂閱者開放，目前還沒透露何時對免費用戶提供。<a href="https://www.youtube.com/watch?v=g_qxoznfa7E">（詳全文）</a></p>
<div class="media_embed" height="315px" width="560px">
<iframe allow="accelerometer; autoplay; clipboard-write; encrypted-media; gyroscope; picture-in-picture; web-share" allowfullscreen="" frameborder="0" height="315px" referrerpolicy="strict-origin-when-cross-origin" src="https://www.youtube.com/embed/g_qxoznfa7E?si=w4duE9LmFZppl5DC" title="YouTube video player" width="560px"></iframe></div>
<p> </p>
<p><span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 生成式AI </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> Nvidia </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 超級電腦 </span></strong></span></p>
<p><span style="font-size: 22px;"><strong>Nvidia推出輕巧實惠的生成式AI超級電腦</strong></span></p>
<p>最近Nvidia推出體積小巧的生成式AI超級電腦，名為Jetson Orin Nano Super開發者套件，價格從499美元降至249美元，使用者可透過軟體升級，來以更低價格享有更高效能，打造生成式AI邊緣裝置。</p>
<p>這個開發者套件約手掌大小，與前代產品相比，這款套件的生成式AI推論效能提高了1.7倍、運算效能提高70%，達到67 INT8 TOPS，記憶體頻寬還加大50%，達到每秒102 GB，因此足夠執行多種熱門的生成式AI模型，或是Transformer類的電腦視覺模型。</p>
<p>Nvidia表示，這款超級電腦可用來打造檢索增強生成（RAG）的LLM聊天機器人、視覺AI代理，也能部署AI機器人。對於已擁有Jetson Orin Nano開發者套件的使用者來說，也能升級這款Jetson Orin Nano Super軟體更新服務，來提高執行生成式AI的效能。<a href="https://www.nvidia.com/en-us/autonomous-machines/embedded-systems/jetson-orin/nano-super-developer-kit/">（詳全文）</a></p>
<p><img alt="" src="https://s4.itho.me/sites/default/files/images/%E8%9E%A2%E5%B9%95%E6%93%B7%E5%8F%96%E7%95%AB%E9%9D%A2%202024-12-20%20194545.png" /></p>
<p><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> 微軟 </span></strong></span> <span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> Phi-4 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 小型語言模型 </span></strong></span></p>
<p><span style="font-size:22px;"><strong>微軟發布140億參數小語言模型Phi-4</strong></span></p>
<p>微軟日前發布輕量級語言模型Phi-4，具140億參數，但擁有良好的語言和數學推理能力，尤其在數學推理測試上，效能足以媲美700億參數的Llama等大模型。這意味著，輕量模型也能實現高效能。</p>
<p>微軟解釋，Phi-4之所以在基準測試中達成良好的表現，得益於資料集品質的提升。他們採用高品質合成資料和精心收集的真實資料，再加上創新的後訓練技術，大幅提升了模型推理精準度。Phi-4目前已在微軟Azure AI Foundry平臺上提供，之後將登陸Hugging Face。小型語言模型優勢在於資源效率和應用靈活性，對硬體需求較低，開發者能以更低成本部署，甚至適用於邊緣裝置或行動設備。此外，小型語言模型還很適合需要即時回應的場景。<a href="https://techcommunity.microsoft.com/blog/aiplatformblog/introducing-phi-4-microsoft%E2%80%99s-newest-small-language-model-specializing-in-comple/4357090">（詳全文）</a></p>
<p><img alt="" src="https://techcommunity.microsoft.com/t5/s/gxcuf89792/images/bS00MzU3MDkwLVRQSzEzTw?revision=7" /></p>
<p><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> Veo 2 </span></strong></span> <span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> 影像生成 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> Google DeepMind </span></strong></span></p>
<p><span style="font-size:22px;"><strong>Google DeepMind推Veo 2影像生成模型</strong></span></p>
<p>在12月初測試影像生成模型Veo後，Google DeepMind最近發布Veo 2版，要挑戰Meta和OpenAI Sora模型。Google指出，Veo 2理解力更強了，可以判斷實體世界物理作用、人類運動和表情的細微差異，來強化影片的細節和真實性。它也理解電影攝影的獨特語言，用戶可以指定鏡頭和想要的影像效果，例如要求從場景中間以低角度平移追蹤。</p>
<p>Veo 2最高可以生成一部4K（4096 x 2160）解析度畫質、長2分鐘的影片。這個能力是OpenAI Sora影片最高解析度的4倍，長度則超過6倍。Google還提供千名使用者評估，Veo 2和其他模型如Meta MovieGen、Sora Turbo相比，Veo 2在整體偏好及提示遵從度，都超過其他模型。Google表示，Veo 2雖然有幻覺問題，但頻率大為降低。Veo 2已在Vertex AI上線，Google也在新推的Google Labs影像生成服務VideoFX和實驗專案Whisk上，線逐步開放給創作者使用，但僅支援720p和8秒影片生成。<a href="https://blog.google/technology/google-labs/video-image-generation-update-december-2024/">（詳全文）</a></p>
<p><img alt="" src="https://storage.googleapis.com/gweb-uniblog-publish-prod/images/12-16-24_GenMedia_Hero-1_FEraqiS.width-1200.format-webp.webp" /><span style="color: rgb(255, 255, 255);"><strong><span style="background-color:#3399ff;"> Claude </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color:#3399ff;"> Clio </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 使用分析 </span></strong></span></p>
<p><span style="font-size:22px;"><strong>Anthropic推出Claude使用分析系統Clio</strong></span></p>
<p>日前，Anthropic公開一項Claude使用分析系統，名為Clio，結合了隱私保護和安全分析功能，企業用戶可用來了解大型語言模型的實際應用情境。Anthropic表示，Clio設計的初衷是為了要解決兩大挑戰，首先是Claude等大型語言模型的應用場景廣泛且多元，要全面偵測和理解其使用方式非常困難，再來還得兼顧用戶資料隱私。</p>
<p>為兼顧分析和隱私，Anthropic開發這套自動化分析系統，能以匿名和資料聚合技術，將大量對話資料轉化成為抽象的主題叢集，供使用者得以分析結果，且不涉及個人資訊。這個分析流程可分為4階段，首先是擷取每段對話的主題和語言等多種屬性，進行語義分群，接著是針對每個叢集，生成簡潔的標題與摘要，最後是建置多層結構來分析。這些步驟由Claude系統自動執行，不需人工介入。</p>
<p>Anthropic已用Clio探索數百萬筆對話資料，發現Claude主要用於程式開發、教育學習和商業策略等領域，其中程式相關的使用情境占超過10％，像是程式碼除錯和版本控制工具的解釋等。除此之外，Clio也發現Claude常用於解夢、災害準備和桌上角色扮演遊戲策略建議等小眾用途。<a href="https://www.anthropic.com/research/clio">（詳全文）</a></p>
<p><img alt="" src="https://www.anthropic.com/_next/image?url=https%3A%2F%2Fwww-cdn.anthropic.com%2Fimages%2F4zrzovbb%2Fwebsite%2F7d27ae68696871a7fc0e49d219ae3b7bc0fe98d0-2401x1520.png&w=3840&q=75" /></p>
<p><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> ChatGPT </span></strong></span> <span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> 多模態 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 統一管理 </span></strong></span></p>
<p><span style="font-size:22px;"><strong>OpenAI ChatGPT看得見了</strong></span></p>
<p>在OpenAI展開的12天直播中，揭露兩款新功能Advanced Voice Mode with Vision和Projects，分別讓ChatGPT看得見，還能同時儲存專案檔案和對話了。進一步來說，Advanced Voice Mode是以GPT-4o等多模態模型為基礎，賦予ChatGPT聽力，能更流暢、更快速和用戶交談。在第6天的新功能發布中，OpenAI為這個功能加入了影片、螢幕共享和圖片上傳的支援能力，用戶可將手機對準電視播放的影片，問ChatGPT問題，或是和ChatGPT視訊對話，讓ChatGPT一步步教用戶完成手沖咖啡。該功能目前開放給ChatGPT Plus、Pro 方案用戶以手機App存取。</p>
<p>另一項新功能Projects則提供對話和檔案統一管理的新方法，來簡化需要大量交談的工作。Projects可將對話內容、檔案和自訂指令儲存於單一個地方，以便管理。它還支援OpenAI的現有功能，包括Canvas文件編輯、進階資料分析、DALL-E和搜尋等。該功能將陸續推向所有ChatGPT 付費用戶，包括Teams、Plus、Pro方案，但ChatGPT Enterprise及Edu方案用戶要等到明年初。<a href="https://help.openai.com/en/articles/10271060-12-days-of-openai-release-updates">（詳全文）</a></p>
<p><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> Gemini 2.0 Flash </span></strong></span> <span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> AI代理 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 瀏覽器 </span></strong></span></p>
<p><span style="font-size:22px;"><strong>Google揭露最新模型Gemini 2.0，還推出4款AI代理 </strong></span></p>
<p>12月11日，Google發布專為代理型AI（Agentic AI）打造的多模態語言模型Gemini 2.0，並開放Gemini 2.0 Flash實驗版，還揭露了4款AI代理。Google執行長Sundar Pichai指出，最新的Gemini 2.0是Google歷來最強大的多模態模型，可處理音訊、圖片、影片和文字，還能與Google搜尋和地圖整合。Gemini 2.0一樣是系列模型，目前亮相的第一款模型為Gemini 2.0 Flash，在理解、數學、推理、事實貼近、圖像辨識、語音辨識及影像分析等多個基準測試中，大幅超越前一代Flash模型和1.5 Pro模型。Gemini 2.0 Flash目前還是實驗版，但開發者可透過Google AI Studio和Vertex AI的API，來打造AI應用程式。</p>
<p>與此同時，Google還發表了4款以Gemini 2.0 Flash為基礎的AI代理，這些代理可以使用工具、呼叫函數，還能即時回應API。第一個AI代理是Project Astra，是一款手機助理，可以即時辨識影片、文字、圖像和音訊，還與Google服務整合，能協助管理日曆、發送郵件和搜尋查詢。再來是Project Mariner，是專門用於瀏覽器的AI代理，能理解像素、文字、程式碼、圖片及表格等Web元素，還能透過一款Chrome外掛來執行任務，像是讀取網頁、比較產品價格、買票和安排時程表等。</p>
<p>第三個代理是Deep Research，是一款多模態研究助理，能分析資料集、文章摘要、編譯報告等。它是為學術和專業研究設計，Gemini Advanced訂閱者可以使用。第四個則是Jules，可整合到GitHub工作流程的AI代理，能處理程式開發問題、建立規畫並執行。<a href="https://blog.google/technology/google-deepmind/google-gemini-ai-update-december-2024/#ceo-message">（詳全文）</a></p>
<p>圖片來源／Meta、OpenAI、Nvidia、微軟、Google、Anthropic</p>
<p><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> AI近期新聞 </span></strong></span></p>
<p><strong>1. Google開始測試有推理能力的Gemini 2.0 Flash模型</strong></p>
<p><strong>2. Salesforce升級Agentforce 2.0，新技能庫要助企業打造高效智慧代理</strong></p>
<p><strong>3. GitHub Copilot推出免費版本</strong></p>
<p><strong>4. Google發表3D場景生成模型Genie 2</strong></p>
<p>資料來源：iThome整理，2024年12月</p>
</div></div></div>
