---

头条

---

Waymo发现其无人驾驶汽车“显著优于”人类

https://9to5google.com/2023/12/20/waymo-driverless-humans/

Waymo的研究人员表示，与人类驾驶员相比，其无人驾驶汽车在警方报告的事故率和造成伤害的事故率方面都有显著降低。Waymo正在广泛推动国际标准化，以有效分析自动驾驶汽车的事故数据。

Zoo Dev推出文本到CAD功能

https://zoo.dev/blog/introducing-text-to-cad
Zoo Dev（原名Kitty Cad）已更名，并推出了新的文本到CAD功能。这是一个强大的平台，可以生成可用于打印或部件的3D资产。

---

研究

---

双子星论文

https://arxiv.org/abs/2312.11805
这篇由850多名作者参与的论文概述了Google的双子星语言建模工作。论文在关键的架构和数据集细节上略显简短，但提供了归属和评估细节。

阿里巴巴的FontDiffuser：一次性字体生成

https://yeungchenwa.github.io/fontdiffuser-homepage/
FontDiffuser是一种基于扩散的自动字体生成方法，特别擅长处理复杂字符和大的风格变化。它采用了多尺度内容聚合模块以更好地保持笔画，以及风格对比精炼模块进行风格转移。

从2D标志重建3D结构

https://arxiv.org/abs/2312.11894v1
新的3D-LFM模型使用变换器从2D标志重建3D结构，无需使用“对应”的3D数据。这种方法是首次尝试，能有效处理不同点数、遮挡，并能泛化到未见过的类别。

---

工程

---

WhisperPlus (GitHub Repo)

https://github.com/kadirnar/whisper-plus
高级语音到文本处理。

TinyZero (GitHub Repo)

https://github.com/s-casci/tinyzero
轻松训练AlphaZero类代理，适用于任何环境。

语音分离模型 (GitHub Repo)

https://github.com/alibabasglab/MossFormer2
MossFormer2模型，是原始MossFormer的进阶版，提供了改进的单声道语音分离能力。

---

杂七杂八

---

多语言场景文本生成

https://arxiv.org/abs/2312.12232
Diff-Text是一种新的无需训练的框架，用于创建带有任何语言文本的逼真图片。它通过使用草图图像作为先验，增强了稳定扩散模型的多语言能力。

当我看到AI在短短六小时内掌握世界上最难的物理游戏之一时，我惊呆了

https://www.techradar.com/computing/artificial-intelligence/my-jaw-hit-the-floor-when-i-watched-an-ai-master-one-of-the-worlds-toughest-physical-games-in-just-six-hours
AI在仅用14.8秒的最佳时间内，能够指数级优于人类玩迷宫游戏，并且在短短六小时内学会如何这样做。迷宫是一款极其困难的物理桌游，赢得比赛需要精细的运动控制、灵巧性和大量的实时问题解决能力。

在发现包含儿童性虐材料后，最大的AI图像数据集被移除

https://www.404media.co/laion-datasets-removed-stanford-csam-child-abuse/
由于斯坦福大学的一项研究发现，Stable Diffusion和其他主要AI产品使用的LAION-5B数据集中含有3,226例涉嫌儿童性虐材料，其中1,008例得到了外部验证，该数据集已被移除。

Meta首席技术官谈生成式AI热潮如何促使公司“改变策略”

https://www.semafor.com/article/12/20/2023/meta-cto-andrew-bosworth-on-the-generative-ai-craze
Meta首席技术官安德鲁·博斯沃思谈论AI热潮及该技术将如何引导公司发展。

工程级别的顶级薪酬

https://www.levels.fyi/2023/
对于初级工程师而言，顶级薪酬的公司是Jane Street，L1级别的总薪酬套餐为350,000美元。