头条

忘记 Midjourney 吧 — Flux 是人工智能图像生成的新王者

https://www.tomsguide.com/ai/ai-image-video/forget-midjourney-flux-is-the-new-king-of-ai-image-generation-and-heres-how-to-get-access

Black Forest Labs 的 Flux AI 已成为最新的有前途的开源人工智能图像生成工具。它能够在消费级笔记本电脑上运行。它在渲染人物和快速遵守方面表现出色，在某些方面胜过 Midjourney 等竞争对手。该模型有 Pro、Dev 和 Schnell 版本，即将推出的文本转视频模型也宣布为开源。

YouTube 正在测试使用 Gemini 提出视频创意

https://techcrunch.com/2024/08/07/youtube-is-testing-a-feature-that-lets-creators-use-google-gemini-to-brainstorm-video-ideas/

YouTube 正在试用“Brainstorm with Gemini”功能，该功能可帮助创作者使用 Google 的 AI 生成视频创意和缩略图。该工具可供选定的创作者测试，它可以通过利用 AI 进行内容创作来区分 YouTube 与竞争对手。该平台正在评估创作者的反馈，然后再决定是否更广泛地发布。

OpenAI 的创始团队正在经历重大人员流动，11 名原始成员中目前只有 2 名活跃，人们越来越担心该组织从最初的非营利理想转向更以利润为导向的结构。此次离职包括联合创始人 Greg Brockman（休假）和 Ilya Sutskever（已离职），外界猜测他们可能会精疲力竭，并希望获得丰厚的二次财务回报。该组织面临挑战，因为它可能需要一个新的主要现金合作伙伴，并预计 GPT-5 的发布会延迟，而业界正在考虑“开放”与“封闭”人工智能模型的优点。

研究

Gemma Scope

https://arxiv.org/abs/2408.05147
几周前，DeepMind 在 Gemma 2 模型套件上发布了一些稀疏自动编码器。这是现在的配套论文，研究人员在其中讨论了训练范式和一些有趣的结果。

Event Stereo Matching

https://eventvppstereo.github.io/

研究人员提出了一种通过将立体事件相机与固定频率 LiDAR 传感器集成来改进事件立体匹配的方法。

PDE 的神经求解器

https://arxiv.org/abs/2408.04846v1

UGrid 求解器是一种新开发的线性偏微分方程 (PDE) 神经求解器，它结合了 U-Net 和 MultiGrid 技术的优势。

工程

LLM 辅助 OCR 项目

https://github.com/Dicklesworthstone/llm_aided_ocr
LLM 辅助 OCR 项目使用高级 NLP 和 LLM 提高 OCR 准确性，支持错误更正、markdown 格式和页眉/页码处理等功能。它适用于本地和基于 API 的 LLM，提供异步处理和质量评估。