🚨 Google は自己改善型動画生成 AI を構築したばかりです それはVISTAと呼ばれ、Sora以来のテキストからビデオへの最大の飛躍かもしれません。 ここでワイルドな部分は、文字通り、自社のビデオを視覚的、聴覚的、文脈的に批評し、次世代をより良くするために独自のプロンプトを書き直すということです。 再訓練はありません。 微調整は不要です。 純粋なテストタイムの内省です。 システムはプロンプトをシーンに分割→複数のビデオを生成→トーナメント→でそれらを審査し、3 人の内部「批評家」(視覚、聴覚、コンテキスト)を使用して、再試行する前に何が最悪だったかを把握します。 各ループ = よりスマートで、よりシャープで、より整列したビデオ。 数字はナッツです。 ⚡ 60%の勝率 vs. Veo 3のような最先端モデル ⚡ 66.4%の人間の好み ⚡ 忠実度、モーション、オーディオのアライメントをすべてモデルの重みに触れることなく、真の改善 AI監督が自分の映画を見て余白にメモを書き、次のテイクでより良いバージョンを撮影するようなものだと考えてください。 AI の創造性の未来は、より大きなモデルをトレーニングすることではありません。 それは彼らに自分自身から学ぶ能力を与えています。 VISTAは、改善方法を自分自身に学ぶビデオを作成しました。 論文全文:

🚨 Salesforce Research は BLIP3o-NEXT で大変なことをしました。 自己回帰推論 (GPT など)、拡散合成 (Imagen など)、強化アライメント (RLHF など) を融合します。 すべてが1つの統合されたトレーニングループ内にあります。 その融合は、テキストとピクセルの間のミッシングリンクかもしれません↓

🚨 Googleは、誰も話していない$100Bのクラウドの嘘を暴露したばかりです。 ビッグテックがサーバーのレンタルを強制する一方で、Google は「スマートウォッチ」で完全な LLM を実行するオープンソース チップである Coral NPU を静かに廃止しました。 512 共和党。テキストをチェックするよりも少ないパワー。 これはアップグレードではありません。これは、クラウド独占に対する「アーキテクチャの反乱」です。 他の誰もがデータセンターに何十億ドルも費やしています。 Google は、ワークロードの 90% でそれらを無関係にしただけです。 → ML ファーストのアーキテクチャ、ボルトオンではありません → RISC-Vと完全にオープンソース → ハードウェアのプライバシー — データがデバイスから流出することはありません →ネイティブTensorFlow、JAX、PyTorch ひねり?ウェアラブルの変圧器用に構築されています。 メガネはローカルでGeminiを実行します。 イヤフォンはオフラインで翻訳されます。 あなたの時計はインターネットがなくても文脈を理解します。 Synaptics はすでにこの設計のチップを出荷しています。デモではなく本物のシリコンです。 「すべてをクラウドにストリーミングする」時代に有効期限が迫ったばかりです。 AIの次の波は、より大きなデータセンターからではなく、自分で考えるエッジシステムからもたらされるでしょう。 クラウド依存型AIの時代? 最終章に入ったばかりです。