整理 | 王啟隆

出品 | AI 科技大本營（ID：rgznai100）

一分鐘速覽新聞點！

全球 AI 要聞

特斯拉 CEO 馬斯克來華，媒體爆料特斯拉與百度合作

4 月 28 日晚間，特斯拉官方微博發文稱：將繼續在中國深耕，在人工智慧、電動車、儲能等領域與行業共同發展，加速清潔能源與自動駕駛技術落地，把美好願景變成現實。當日早些時候，埃隆・馬斯克的私人飛機已抵達北京首都國際機場，有傳言稱馬斯克此行計劃或與自動駕駛軟體 FSD 在中國落地有關。

隨後據彭博社報道，知情人士稱，特斯拉將與百度合作提供地圖和導航服務，以推動全自動駕駛系統。隨著中國本土電動車制造商的競爭日益激烈，特斯拉計劃加速推出價格更親民的新車型，預計最早將於 2025 年問世。

MongoDB CEO：向量資料庫都在堆功能，整合至綜合資料庫才是未來趨勢

M ongoDB 執行長 Dev Ittycheria 在掌舵十周年之際，回顧了公司從 3000 萬美元營收增長至近 20 億美元的歷程。近期，盡管面臨安全挑戰，MongoDB 仍緊跟 AI 革命步伐，於去年 6 月在 Atlas 中整合了向量搜尋功能，預示著對 AI 浪潮的準備。

向量資料庫作為處理非結構化數據的新星，特別適合大型語言模型和生成式 AI，透過向量嵌入捕捉數據間關系，簡化語意相似數據檢索。MongoDB 整合這一技術，旨在為開發者提供統一平台，減少多資料庫管理的復雜度。Ittycheria 認為當前專一型向量產品更多是功能堆砌，整合至綜合資料庫才是未來趨勢。

針對 AI 領域過度炒作現象，Ittycheria 持謹慎態度，強調真正價值在於技術套用層的構建。MongoDB 正利用向量搜尋開發「簡單套用」，如基於 Atlas 的 CoachGTM，助力銷售與客服即時獲取產品知識。

Yoneda Labs 融資 400 萬美元，目標打造化學領域的「OpenAI」

Yoneda Labs 宣布完成 400 萬美元種子輪融資，由 Khosla Ventures 領投，500 Emerging Europe、468 Capital 及 Y Combinator 參投。資金將用於購置自動化機器人裝置，以在其實驗室中執行化學反應，生成訓練 AI 模型所需的數據。這家初創企業由 Michal Mgeladze-Arciuch、Daniel Vlasits和Jan Oboril 創立，旨在開發化學制造的基礎模型。

華為 PixArt-Σ 影像模型革新 4K 文本轉影像技術

華為諾亞方舟實驗室與多所高校合作研發的 PixArt-Σ 影像生成模型近期引發關 註。該模型采用弱到強訓練策略，專為 4K 文本轉影像任務設計，展現卓越效能。值得註意的是，其 XL-1024 版本模型雖僅 2GB 大小，卻能在特定風格下與 SD3 模型相媲美，同時大幅提升了對提示詞的理解與影像生成品質。

最新進展顯示，PixArt-Σ 已獲得 diffusers 庫的支持，使用者可在 ComfyUI 平台上體驗。計畫團隊於 2024 年 4 月密集釋出了一系列更新，包括模型 checkpoint、LoRA 程式碼、線上演示及與 diffusers 整合的快速體驗流程。此外，計畫開源倉庫簡化了使用流程，便於社群成員貢獻與套用。

開源連結： https://github.com/PixArt-alpha/PixArt-sigma

Open Sora 1.1 版本升級：模型架構調整

近日，Open Sora 計畫迎來重大更新，釋出了 1.1 版本，其中核心亮點是一款全新 700M 參數模型，該模型基於改進的 STDiT 架構，利用 1000 萬數據集訓練而成，相較於前代 400K 數據訓練的模型，在處理能力上有顯著提升。 此次更新極大拓展了模型的創作邊界，支持生成 2 秒至 15 秒、144p 至 720p 分辨率、任意寬高比的文本到影像、文本到視訊乃至影像到視訊內容。

新版本的關鍵技術創新在於模型架構的調整，包括引入 Rope 嵌入以增強時間註意力、采用 AdaIN 和 LayerNorm 穩定訓練過程，以及實施 QK 歸一化以提升半精度訓練穩定性。此外，模型能夠自動適應不同輸入尺寸，並在訓練中條件化視訊的多種內容，如高度、寬度、幀長及幀率，進一步提升了靈活性和適應力。

開源連結： https://github.com/hpcaitech/Open-Sora

技術報告： https://github.com/hpcaitech/Open-Sora/blob/main/docs/report_02.md

Meta 最新論文研究 AdvPrompter 挑戰語言模型安全界限

近日，Meta 公布了一項最新研究成果——AdvPrompter，一種快速自適應對抗性提示生成系統，專為大型語言模型（LLMs）設計。 面對 LLMs 存在的安全隱患，如易受特定攻擊誘導產生不當或有害內容，AdvPrompter 提供了一種創新解決方案。

該技術透過雙階段交替訓練流程，首先利用自身語言模型 AdvPrompter 生成具有欺騙性的高品質對話字尾，隨後將這些對抗性對話用於微調 AdvPrompter 模型本身。此過程無需目標語言模型的梯度資訊，顯著提高了效率。經 AdvPrompter 訓練後，系統能夠迅速創造出既保持原意又隱秘的對話提示，誘導目標模型輸出有害回復，整個過程比傳統最佳化方法快約 800 倍。

論文連結： https://huggingface.co/papers/2404.16873

JPMorgan 推出 FlowMind：基於 LLM 自動工作流生成技術革新

JPMorgan（俗稱摩根大通、小摩）近日釋出 FlowMind，革新工作流自動化技術。該系統借助大型語言模型無反饋生成工作流，效能超 GPT 基線。FlowMind 透過智慧 API 整合，減少數據安全風險，提升使用者互動便捷性，並利用 NCEN-QA 數據集驗證其在金融問答任務的高效性。未來，計畫將探索眾包反饋及持續學習，擴大 API 套用範圍，不斷最佳化效能。

開源 InternVL 1.5 挑戰 GPT-4V 霸主地位

近日，開源社群迎來了一顆璀璨新星——InternVL 1.5，作為 GPT-4V 的強勁開源替代，它在技術融合與商用實踐上樹立了新標桿。InternVL 憑借其深度理解影像與文本間復雜關聯的能力，特別是在 OCR 與高精度文件理解上的突出表現，支持4K影像解析，革新了多模態數據處理的邊界。

這款開源模型不僅限於單一模態，而是能夠無縫融入現有大型語言模型，共同驅動開發高級多模態對話套用，解鎖人機互動新篇章。在一系列核心基準測試中，包括 DocVQA、ChartQA 和 MathVista，InternVL 1.5 展現了卓越效能，不僅比肩 GPT-4V 與 Gemini Pro等頂級營運模式，還在特定場景下實作了超越，彰顯了其強大的技術創新力與實際套用潛力，為AI領域帶來了激動人心的新選擇。

開源連結： https://github.com/OpenGVLab/InternVL