AI的最新动态

个人通过 AI 获取收入的方式主要有以下几种： 1. 学习 AI 技术，从事相关高薪工作，如成为数据科学家、机器学习工程师等，在金融、医疗、制造业等行业找到工作机会，获得不错的收入。但能否赚钱取决于个人的学习能力、实际应用能力、对市场和商业的理解等，需要持续学习和实践。 2. 在公司给自己贴“AI 大神”标签，提升个人影响力。 3. 在社交网络分享相关成果，扩大影响力。 4. 承接项目开发，例如通过增加画板节点，结合公司 Logo 生成一系列公司主题的产品邮票，或者承接类似需求，扩充工作流以适应更复杂的业务。 5. 对于内容创作，利用生成式 AI 进行艺术创作，从消费者“仅为了娱乐”地创造内容，到创作者或个体创业者通过内容实现盈利。

以下是关于 AI 编程的相关内容： 1. 借助 AI 学习编程的关键： 打通学习与反馈循环，从“理解→实践→问题解决→加深理解”。 以 Hello World 为起点，验证环境、建立信心、理解基本概念。 建议使用流行语言和框架（如 React、Next.js、TailwindCSS）。 先运行再优化，小步迭代，一次解决一个小功能。 借助 AI 生成代码后请求注释或解释，帮助理解代码。 遇到问题三步走：复现、精确描述、回滚。AI 是强大的工具，但仍需人工主导，掌握每次可运行的小成果才能实现持续提升。原文： 2. 写提示词与直接写代码的价值探讨： 分享了 AI 编程工具 Composer 的使用方法与效率优势。 对比自然语言 Prompt 和直接写代码的场景，分析两者的适用性和优劣势。 提出适合 AI Composer 的场景，例如重构代码、写测试、跨端开发等。 3. 软件 2.0 编程： 在可以低成本反复评估、并且算法难以显式设计的领域，软件 2.0 日益流行。 考虑整个开发生态以及如何适配这种新的编程范式时，有很多令人兴奋的机会。 长远来看，这种编程范式拥有光明的未来，因为开发通用人工智能（AGI）时，很可能会使用软件 2.0。

要成为一名 AI 培训师，即使不懂编码，也可以从以下几个方面努力： 1. 深入理解 AI 理论和概念：掌握 AI 的基本原理、算法、应用场景等知识。 2. 熟悉 AI 工具和平台：了解并能熟练使用常见的 AI 工具和平台，如一些无需编码的 AI 应用开发工具。 3. 培养教学能力：包括课程设计、讲解技巧、与学员互动等方面的能力。 4. 注重案例分析：通过实际的 AI 应用案例，深入理解其实现过程和效果。 5. 持续学习和更新知识：AI 领域发展迅速，要不断跟进最新的技术和趋势。 对于编码相关的培训，如果您要教授编码课程，可能需要先让学生通过手动编码学习，掌握语言后再将 AI 生成的代码作为节省时间的工具。比如在健康类课程中，如果学生开发应用，您可能不太在意他们是否使用生成式 AI 来编写代码，而更关注学生基于健康习惯设计健康活动。但在编码课程中，可能需要对学生使用生成式 AI 编写代码进行严格要求。

在面对众多的 AI 站点和 AI 智能体时，您可以从以下几个方面进行选择： 1. 明确自身需求：确定您希望解决的具体问题和期望达到的目标，以便找到与之匹配的 AI 工具。 2. 了解功能特点：不同的 AI 智能体具有不同的功能和优势。例如，有些擅长自然语言处理和回答各种问题，有些则在特定领域如编程、设计等有出色表现。 3. 考虑技术能力：包括模型的性能、上下文窗口长度、响应速度和并发支持等。响应速度快、并发支持高的工具能在多人使用时保持良好性能。 4. 成本因素：关注免费或低价的选项，以降低使用成本。 5. 个性化需求满足：选择能够根据您的业务场景和个性化需求进行定制的 AI 智能体。 例如，字节的扣子（Coze）是新一代一站式 AI Bot 开发平台，无论有无编程基础都能构建各类问答 Bot，并可发布到多种社交平台和通讯软件上。而在开发 AI 插件时，像 AI Share Card 插件会根据需求选择合适的模型，如选用了具有较长上下文窗口、免费且并发支持高的 GLM4flash 模型。 总之，要综合考虑自身需求、功能特点、技术能力、成本和个性化等因素，选择最适合您的 AI 站点和智能体。

在写文章方面，AI 能为我们提供多方面的帮助： 1. 文献管理和搜索： Zotero：结合 AI 技术，可自动提取文献信息，助力管理和整理参考文献。 Semantic Scholar：由 AI 驱动的学术搜索引擎，能提供相关文献推荐和引用分析。 2. 内容生成和辅助写作： Grammarly：通过 AI 技术提供文本校对、语法修正和写作风格建议，提升语言质量。 Quillbot：基于 AI 的重写和摘要工具，可精简和优化论文内容。 3. 研究和数据分析： Google Colab：提供基于云的 Jupyter 笔记本环境，支持 AI 和机器学习研究，便于进行数据分析和可视化。 Knitro：用于数学建模和优化的软件，帮助进行复杂的数据分析和模型构建。 4. 论文结构和格式： LaTeX：结合自动化和模板，高效处理论文格式和数学公式。 Overleaf：在线 LaTeX 编辑器，提供丰富模板库和协作功能，简化论文编写过程。 5. 研究伦理和抄袭检测： Turnitin：广泛使用的抄袭检测工具，确保论文原创性。 Crossref Similarity Check：通过与已发表作品比较，检测潜在抄袭问题。 利用 AI 不到 30 分钟打造爆款公众号文章的关键在于提供清晰且具指导性的提示词（prompt）： 已有基本提示词时，AI 能生成基础文章。 若想提升质量，可提供更详细、具创意的提示词，让 AI 更好捕捉文章语气、风格和重点。 例如：“请根据我们收集的关于 OpenAI 回应马斯克言论的资讯，创作一篇既深入又易于理解的科技资讯文章。文章应该有一个吸引人的标题，开头部分要概述事件的背景和重要性，主体部分详细分析 OpenAI 的回应内容及其可能产生的影响，结尾处提出一些引人深思的问题或观点。”这样的提示词不仅提供明确指导，还设定文章基本结构和内容要求，AI 会据此生成结构完整、内容丰富、观点鲜明的文章。但最终产出的内容可能需微调，以符合预期和公众号风格。

AI 可以用于算命相关的应用，例如有“AI 算命”项目，将传统与科技融合，通过用户提供的出生时间等信息推测命理。但需要注意的是，AI 算命并非真正意义上的科学算命，其结果不具有科学性和可靠性。从科学角度来看，算命本身缺乏科学依据，更多是一种娱乐和心理安慰的方式。

以下是了解 AI 最新发展动态的一些方法： 1. 持续学习和跟进：AI 是快速发展的领域，新的研究成果和技术不断涌现。您可以关注 AI 领域的新闻、博客、论坛和社交媒体，保持对最新发展的了解。 2. 加入相关社群和组织：考虑加入 AI 相关的社群和组织，参加研讨会、工作坊和会议，与其他 AI 爱好者和专业人士交流。 3. 阅读权威报告：例如《2024 年度 AI 十大趋势报告》，此类报告通常会从技术、产品、行业等多个维度呈现 AI 的现状和未来走势，深入剖析前沿科技如何迭代技术能力、重塑商业版图、引领产业升级，并对未来路径进行前瞻性展望。 4. 关注权威媒体和学者：关注 AI 领域的权威媒体和学者，了解 AI 技术的最新进展，思考 AI 技术对未来社会的影响，培养对 AI 的思考和判断能力。

以下是微软的相关动态： 1 月 3 日： 微软研究团队利用合成数据训练 AI，减少成本和偏见，生成 100 种语言的文本数据提高训练效率，论文链接：https://arxiv.org/abs/2401.00368 ，https://x.com/xiaohuggg/status/1742473942252855795?s=20 。 微软推出 Microsoft 365 Copilot Chat 基础版支持 GPT4o，功能包括联网查询、文档处理、内容制作等；高级版支持创建 AI 代理，提升 CRM 和实时服务效率。无缝连接 Office 系列工具显著提高生产力。 。 1 月 17 日： 微软推出 Microsoft 365 Copilot Chat 基础版支持 GPT4o，功能包括联网查询、文档处理、内容制作等；高级版支持创建 AI 代理，提升 CRM 和实时服务效率。无缝连接 Office 系列工具显著提高生产力。 。 Microsoft Build 2024： 发布包括大杀器 Copilot Studio 在内的 50+项更新。 硬件层面：与英伟达、AMD 合作，推出新芯片 Cobalt 。 生态层面：与众多模型生态合作，推出 Phi3vision 多模态小模型，更新 Azure AI Studio 。 数据层面：Fabric 支持实时智能。 工具链层面：GitHub Copilot 迎来 Extension 。 应用层面：推出 Copilot Team 和 Copilot Studio 。

很抱歉，目前知识库中没有关于“ImportError: DLL load failed while importing libpaddle: 动态链接库初始化例程失败”这个错误的具体解决方法。但您可以尝试以下常见的解决步骤： 1. 检查相关依赖库的安装是否完整和正确，确保没有遗漏或损坏的部分。 2. 确认您的系统环境是否满足该库的要求，包括操作系统版本、硬件架构等。 3. 尝试重新安装相关库，确保安装过程中没有出现错误。 4. 查看是否存在其他软件或进程与该库的使用产生冲突，如有，尝试关闭或卸载冲突的软件。 希望这些建议能对您有所帮助，如果问题仍未解决，建议您进一步查阅相关技术文档或向更专业的技术社区寻求帮助。

以下是一些可以将静态图生成动态图的工具： 1. Comfyui LivePortrait： 可以精确控制眼睛和嘴唇的动作，无缝拼接多个肖像，将不同人物特征合并成一个视频，确保过渡自然流畅。 使用了不同于主流扩散方法的隐式关键点框架，在计算效率和可控性之间取得有效平衡。 生成的动画质量优于现有的非扩散和扩散模型方法，在 RTX 4090 GPU 上，生成速度为每帧 12.8 毫秒。 支持各种风格的图片，常见的动物面部迁移，并可以微调面部运动幅度。 工作流与模型地址： https://pan.baidu.com/s/1FkGTXLmM0Ofynz04NfCaQ?pwd=cycy https://pan.quark.cn/s/8dfd7ace4f05 内容依技术发展更新，请以文档为准 https://xiaobot.net/post/74238a84d2734b2ca195ed2858b24ffe 2. 视频工具 VIGGLE： Mix（让视频的动作映射到图片人物身上）：先上传一个视频和一张角色图像，Viggle 会自动将视频的动态赋予给这个角色，形成一段新视频。能模拟出角色的 3D 状态，准确还原处理原视频中身体旋转、四肢交叠等动作。（也可以利用现有的模版视频作为动作获取来源） Multi（多人模式）：通过视频的动作，将上传的多个角色进行识别并赋予给这个角色，形成一段新视频。 Move（将视频的动作直接映射在图片人物身上）：不同于 Mix 的图片元素替换原视频内容，Move 主要是通过将动作映射在图像里面的人物身上，实现“让静态图动起来”。 案例： 评价： ：https://x.com/imxiaohu/status/1771173928591093940 兄弟们，又出来个牛 P 玩意阿里那个被截胡了，这个直接能用可以直接通过文字描述让任何静态图动起来，而且能做各种动作，跳舞什么的都是小 case...最牛 P 的是，他们的模型能能理解真实世界的物理运动原理，所以出来的视频很真实。不仅如此，它还能直接文字生成视频，进行各种角色混合和动作替换...其核心技术基于 JST1 模型。JST1 是首个具有实际物理理解能力的视频3D 基础模型，能够根据用户的需求，让任何角色按照指定的方式进行运动。核心功能： 可控制的视频生成：用户可以通过文字描述指定角色的动作和场景的细节，Viggle 将根据这些指示生成视频。 基于物理的动画：JST1 模型的一个显著特点是其对物理原理的理解，这意味着生成的视频不仅看起来真实，而且角色的动作和互动符合实际物理规律。这提高了视频的质量和真实感。 3D 角色和场景创建：Viggle 不仅限于传统的 2D 视频制作，它还能够创建 3D 角色和场景。

以下是视觉理解技术的最新动态和趋势： 一、视觉分析技术 1. Transformer 视觉模型优点 2. Transformer 视觉模型的局限 二、图像语言模型 三、视频语言模型 四、LLM 多模态 Agent 五、应用场景 1. 多模态内容理解与处理 2. 智能交互与自动化 3. 具身智能 4. 未来发展趋势（2024 ？） 5. 视频生成模型 mapping 六、未来发展方向 1. 技术路径而言：利用预训练 LLMs 进行指令调整 最初，多模态融合方法常采用预训练的目标检测器，如 ViLBERT、VisualBERT 和 UnicoderVL，通过提取图像特征和执行交叉模态预训练任务，为后续的图像 文本任务奠定基础。 随着 ViT 的出现和普及，更多方法开始利用 ViT 作为图像编码器，强调大规模预训练，以提高模型的性能和泛化能力，例如 Flamingo。 近期，向多模态 LLMs 发展，从进行预训练到向指令调整（instruction tuning）转变，如 LLaVA 和 MiniGPT4，融合视觉和语言信息，能更有效地完成视觉理解相关任务，提升模型对于指令的理解能力和零样本性能，更好地泛化到未见过的任务和领域。 2. 应用场景而言：赋予机器理解多模态的能力 此外，李飞飞在 2015 年的 TED 演讲《我们怎么教计算机理解图片？》中提到了计算机视觉方面的研究进展，指出虽然在科技上取得了很多进步，但在计算机视觉方面仍存在一些问题，如自动驾驶车辆的视觉敏锐度、向盲人传递画面、无人机的视觉技术等。

很抱歉，目前没有关于如何根据您提到的库存水平、需求预测、补货成本、库存持有成本等因素，使用线性规划、动态规划、随机优化等方法来调整库存结构的具体内容。但我可以为您提供一些一般性的思路和步骤： 首先，需要对库存水平、需求预测、补货成本和库存持有成本等数据进行详细的收集和分析。 对于线性规划方法，您可以建立一个目标函数，例如最小化总成本（包括补货成本和库存持有成本），同时满足库存水平和需求预测的约束条件。通过求解这个线性规划问题，得到最优的库存调整策略。 动态规划则是将问题分解为多个阶段，在每个阶段根据当前状态和决策选择来优化未来的结果。在库存调整中，可以根据不同时期的库存和需求情况，逐步做出最优决策。 随机优化适用于需求存在不确定性的情况。您可以建立概率模型来描述需求的不确定性，然后通过优化算法找到在不确定性条件下的最优库存策略。 不过，具体的应用和实现需要根据您的实际业务情况和数据特点进行深入研究和定制化的建模。

Coze 集成了新闻搜索插件，其中的头条新闻插件能够持续更新，让您了解最新的头条新闻和新闻文章。所以在 Coze 中使用搜索插件是可以搜索到最新新闻的。Coze 还提供了多样化的插件库，涵盖了从基础的文本处理到高级的机器学习功能，以及众多符合平民生活化的插件，如天气预报、出行必备、生活便利等方面的插件。

以下是最新 AI 行业的一些融资事件： 据《2024 年度 AI 十大趋势报告》，2024 年国内 AI 行业融资总金额增加，但事件数同比下降，马太效应明显，资本更青睐热点和高成熟度赛道。其中智能驾驶在各细分赛道中独占鳌头，投资事件数量和金额总数远超其他赛道，且多家企业成功 IPO。AI+教育、AI+游戏、AI+医疗等赛道投资总额也有增长。政府积极推进 AI 原生行业发展，北京、上海、武汉等城市出台系列政策吸引人才和企业，国家队频繁出手投资。 AIGC Weekly28 报道：Celestial AI 融资 1 亿美元用于使用基于光的互连传输数据；Zenarate 融资 1500 万美元，其为提供 AI 模拟培训平台的公司；Augmedics 获得 8250 万美元，用于使用 AR 和 AI 进行脊柱手术；CalypsoAI 筹集了 2300 万美元，用于生成 AI 模型的护栏。 近期热门融资 AI 产品速递中，包括多种搜索模式且重隐私的搜索引擎 You.com、通过 Sparkpages 来满足用户个性化搜索需求的 Genspark、刚被 OpenAI 收购的提供实时搜索和分析数据库服务的 Rockset、人类与 AI 共存的社交软件 Butterflies AI、可以对销售通话进行记录和辅导的 AI 助手 MeetRecord 等。

以下是关于 DeepSeek 的最新消息： DeepSeek 深夜发布大一统模型 JanusPro，将图像理解和生成统一在一个模型中。模型（7B）：https://huggingface.co/deepseekai/JanusPro7B ；模型（1B）：https://huggingface.co/deepseekai/JanusPro1B 。JanusPro 是一种新型的自回归框架，通过将视觉编码解耦为独立的路径来解决先前方法的局限性，同时利用单一的统一变压器架构进行处理，超越了之前的统一模型，并匹配或超过了特定任务模型的性能。 DeepSeek 以小成本实现媲美领先 AI 产品的性能，并在全球主要市场 App Store 登顶。高盛认为 DeepSeek 或改变科技格局，降低 AI 行业的进入门槛。 DeepSeek 在中文场景表现优秀，日常写作和表达习惯贴近人类，但专业论文总结略弱。数学能力不错，编程能力逊于 GPT。采用 GRPO 算法替代传统 PPO，提升语言评价灵活性与训练速度。 1 月 28 日（除夕）有一场关于 DeepSeek 的高质量闭门会，其创始人梁文锋强调团队文化与长远智能探索。DeepSeek 在技术上虽有优势，但资源有限，需聚焦核心；其推理模型推动效率提升，挑战传统 SFT 方法，标志着新的模型训练范式。 DeepSeek 近日开源了多模态模型 JanusPro，寓意古罗马双面神雅努斯，既能进行视觉理解，也能生成图像。与 DALLE 3 相比，JanusPro 在参数上领先，并具备图像识别、地标识别等多种能力。该模型通过更优化的训练策略、更海量的数据和更大规模的参数（70 亿）实现了更强的智能表现。全面开源，支持商用，MIT 协议，部署使用便捷，Benchmark 表现优异，能力更全面。

以下是关于国内 AI 排名的相关信息： 根据《2024 年度 AI 十大趋势报告》，在 APP 端，截至 2024 年 10 月，夸克和豆包的历史总下载量已过亿，共 56 款产品的历史下载量超百万，8 款产品历史下载量超千万。从单月新增来看，夸克、豆包和 Kimi 智能助手月增长可达到千万级，10 款产品可达百万级；DAU 方面，夸克 DAU 超过 2600 万，豆包、Kimi、天天跳绳和文小言 DAU 超百万；用户粘性方面，夸克和叨叨三日留存率超过 30%。 在 Web 端，月总访问量超千万的共 7 款产品，包括夸克、腾讯文档、百度文库、Kimi 智能助手、文心一言、豆包和通义。在用户活跃度上，共 3 款产品——夸克、Notion 和百度文库的 MAU 超过千万，19 款产品 MAU 超过百万。仅有 14 款产品人均每月访问超过 5 次，13 款产品平均访问时长超过 10 分钟。 另外，AI 智库的月度榜单（9 月）中也有相关排名，如美趣 AI、说得相机提词器、AI 智能写作、创客贴 AI 等产品均在列，同时还包括了排名、产品、特性、分类、应用名称、下载量、环比变化和所属公司等具体信息。

学习 AI 提示词是有必要的。提示词是给大语言模型的输入文本，用于指定模型应执行的任务和生成的输出，能“提示”模型做什么。设计高质量提示词需根据目标任务和模型能力精心设计，良好的提示词可让模型正确理解需求并给出符合预期的结果。 了解大模型的特性以及具备清晰表述自己需求和任务的能力，才能用好这个工具。 不过也有人持反对观点，认为像打字和写作一样，方法论不是关键，不断尝试和大模型交互就是最佳方法。但在与大模型交互时，用 Markdown 格式清晰表达问题有助于模型更好地理解用户意图，其具有结构清晰、格式化强调、适用性广等优点。 像 DeepSeek 这样的推理型大模型，更懂人话，不需要用户提供详细的步骤指令或特定的提示词模板，用自然语言描述真实场景和具体需求即可。还可以通过一些方式让 DeepSeek 的回答更符合需求，如让其“说人话”、激发深度思考、进行文风转换等。 总之，尽管有些模型可能不太依赖提示词，但学习提示词仍有助于您更好地与各类模型进行交互，并更有效地获得满意的结果。