Navigate to WaytoAGI Wiki →
Home/Question List/Question Detail

斯坦福大学新出的AI工具storm

Answer

以下是关于斯坦福大学新出的 AI 工具 STORM 的相关信息： STORM 是斯坦福大学开发的创新写作系统，能够自动化编写具有维基百科深度的长篇文章。它通过模拟人类写作过程中的预写、起草和修订阶段，实现自动化的信息收集和大纲创建。相关链接：https://arxiv.org/abs/2402.14207 ，https://x.com/xiaohuggg/status/1762308686259929162?s=20

Content generated by AI large model, please carefully verify (powered by aily)

References

XiaoHu.AI日报

?https://x.com/xiaohuggg/status/1762319994833232353?s=205️⃣✍️STORM：斯坦福大学开发的创新写作系统自动化编写具有维基百科深度的长篇文章。通过模拟人类写作过程中的预写、起草和修订阶段，自动化信息收集和大纲创建。?https://arxiv.org/abs/2402.14207?https://x.com/xiaohuggg/status/1762308686259929162?s=206️⃣?Sora最新视频：创造未知生物根据提示，创造逼真的从未存在过的动物，自然纪实风格。?https://x.com/xiaohuggg/status/1762296483792191505?s=207️⃣?微软与Mistral合作Mistral AI推出性能接近GPT-4的Mistral Large模型，支持复杂多语言任务。?https://x.com/xiaohuggg/status/1762291157776892282?s=208️⃣?️MeloTTS：多语言文本到语音库支持多种语言，包括英语、中文等，支持实时语音合成。?https://x.com/xiaohuggg/status/1762279049056153743?s=20

XiaoHu.AI日报

?https://x.com/xiaohuggg/status/1762319994833232353?s=205️⃣✍️STORM：斯坦福大学开发的创新写作系统自动化编写具有维基百科深度的长篇文章。通过模拟人类写作过程中的预写、起草和修订阶段，自动化信息收集和大纲创建。?https://arxiv.org/abs/2402.14207?https://x.com/xiaohuggg/status/1762308686259929162?s=206️⃣?Sora最新视频：创造未知生物根据提示，创造逼真的从未存在过的动物，自然纪实风格。?https://x.com/xiaohuggg/status/1762296483792191505?s=207️⃣?微软与Mistral合作Mistral AI推出性能接近GPT-4的Mistral Large模型，支持复杂多语言任务。?https://x.com/xiaohuggg/status/1762291157776892282?s=208️⃣?️MeloTTS：多语言文本到语音库支持多种语言，包括英语、中文等，支持实时语音合成。?https://x.com/xiaohuggg/status/1762279049056153743?s=20

AIGC Weekly #27

近年来，生成式人工智能的进展使得在文本、视觉和音频等多个领域中创造新内容成为可能。这些模型通常依赖于将原始数据首先转换为一系列标记的压缩格式。在音频方面，神经音频编解码器可以将波形有效地压缩为紧凑的表示形式，这可以被反转以重构原始音频信号的近似值。通过将音频表示为一系列离散的标记，可以使用基于Transformer的序列到序列模型进行音频生成。与AutoLM等许多生成音频模型不同，SoundStorm能够并行生成标记，从而将推理时间减少了100倍，并产生了相同质量的音频和更高的语音和声学条件一致性。[heading2][AI或死亡：引领用户研究新时代](https://bootcamp.uxdesign.cc/ai-[content]本文讨论了传统用户研究方法在现代产品开发中的局限性，以及人工智能（AI）在用户研究中的应用。随着产品交付速度的加快，传统用户研究方法已经无法跟上节奏，导致产品团队在决策过程中缺乏及时、丰富和可行的用户见解。AI可以帮助用户研究克服这些挑战，通过处理复杂任务、快速筛选大型非结构化数据集并进行智能预测和判断，AI已经开始重塑行业。AI在用户研究中的潜在价值巨大，可以限制偏见、弥合文化和语言障碍、进行上下文、定位和触发式研究、24/7收集数据、无限扩展并在采访时分析数据，以实时揭示行为和态度。AI在用户研究中的应用已经开始出现，分为“启动器”和“执行者”两种类型的工具。在未来，AI将成为用户研究的重要工具，帮助企业更好地理解和满足用户需求。

Others are asking
最近新出的大模型有哪些
最近新出的大模型有： 1. 通义千问推出的 Qwen2.5Max 大型专家模型，通过 SFT 和 RLHF 策略后训练，性能与顶尖模型竞争，在多个基准测试中超越了 DeepSeek V3，引发了 AI 社区对大规模专家模型的高度关注。相关链接： Blog: Qwen Chat: （选择 Qwen2.5Max 模型） API: HF Demo: 2. 阿里云发布的 Qwen2.5VL 新一代视觉语言模型。
2025-03-27
最近国内外 有什么新出的AI产品
以下是国内外新出的一些 AI 产品： 图像类产品： 国内： 可灵：由快手团队开发，用于生成高质量的图像和视频，图像质量高，最初采用内测邀请制，现向所有用户开放，价格相对较高，重度用户年费可达几千元，平均每月使用成本在 400 到 600 元，也有临时或轻度使用的免费点数和较便宜包月选项。 通义万相：在中文理解和处理方面表现出色，可选择多种艺术和图像风格，生成图像质量高、细节丰富，操作界面简洁直观、用户友好度高，能与阿里其他产品和服务无缝整合，重点是现在免费，每天签到获取灵感值即可，但存在某些类型图像无法生成、处理非中文语言或国际化内容不够出色、处理多元文化内容可能存在偏差等局限性。 搜索类产品： 国内：大模型厂商推出的 ChatBot 产品（智谱清言、Kimi Chat、百小应、海螺 AI 等），搜索厂商或创业团队推出的 AI 搜索产品（360 AI 搜索、秘塔、博查 AI、Miku 等）。 海外：Perplexity、You、Phind 等。 中国公司和团队的出海产品：ThinkAny、GenSpark、Devv 等。 PPT 类产品： 国内：爱设计 PPT，背后有实力强大的团队，对市场需求有敏锐洞察力，把握住了 AI 与 PPT 结合的市场机遇，已确立市场领先地位，代表了当前国内 AI 辅助 PPT 制作的最高水平，能提高制作效率并保证高质量输出。
2025-01-06
斯坦福大学新出的AI工具storm，storm的主要功能有哪些，如何使用
STORM 是斯坦福大学开发的创新写作系统，主要功能包括： 1. 自动化编写具有维基百科深度的长篇文章。 2. 通过模拟人类写作过程中的预写、起草和修订阶段，实现自动化信息收集和大纲创建。 关于如何使用，目前提供的信息中未明确提及具体的使用方法。但您可以通过以下途径获取更多使用相关的信息： 1. 访问相关链接：https://arxiv.org/abs/2402.14207 、https://x.com/xiaohuggg/status/1762308686259929162?s=20 。 此外，还有一种用于语音增强和去发声的随机再生模型 StoRM ： 1. 代码获取：https://github.com/spuhh/storm 2. 演示查看：https://www.inf.unihamburg.de/en/inst/ab/sp/publications/storm 3. 论文查阅：https://arxiv.org/abs/2212.11851 其核心在于随机再生方法，能够结合预测模型和基于扩散的生成模型的优势，生成更清晰、更自然的语音输出。在实际应用中，可从受损的语音信号中恢复出干净的语音，且通过减少逆向扩散步骤的数量和避免使用复杂的修正器，显著降低了计算负担。在实验中，其在多个标准数据集上的表现均超过了现有的预测性和生成性语音增强方法。源代码和音频示例已公开，方便研究人员和开发者进一步探索和应用。
2025-01-03
openAI新出的o1是什么
OpenAI 于北京时间 9 月 13 号凌晨 1 点多宣布推出模型 o1perview 与 o1mini（真正的 o1 版本将在后续开放），拥有 Plus 版本的用户会陆续收到新模型权限，并可在 Web 客户端中尝鲜体验。 在评估结果方面： o1 在 2024 美国数学奥林匹克竞赛（AIME）资格赛中跻身美国前 500 名学生之列。 o1 在竞争性编程问题（Codeforces）中排名第 89 个百分位（这个版本的模型还没发布），而 o1perview 拿到了 62 个百分位。 在物理、生物和化学问题的基准（GPQA），o1 与 o1perview 都超过了人类博士水平的准确性。 关于“超过人类博士水平”的测试，OpenAI 在新 page 中答复：“我们还在 GPQA diamond 上评估了 o1，这是一个困难的智力基准测试，用于测试化学、物理和生物学方面的专业知识。为了将模型与人类进行比较，我们招募了拥有博士学位的专家来回答 GPQAdiamond 的问题。我们发现 o1 的表现超越了这些人类专家，成为第一个在这个基准测试上做到这一点的模型。”但 OpenAI 也表示“这些结果并不意味着 o1 在所有方面都比博士更有能力——只是说明该模型在解决一些预期博士能够解决的问题上更加熟练。在其他几个机器学习基准测试上，o1 改进了最先进的水平。” 推理模型的准确率不断攀升，这意味着 AI 技术可以渗透到更多行业、更多高精尖业务中去。OpenAI 推出的新模型为整个行业注入了强心剂，带来了新的活力和希望。从 OpenAI 提出的通往 AGI（通用人工智能）的分级来看，我们正在从第一级向第二级迈进，未来可能会见证 AI 从单纯的生成工具向真正的智能体转变。此外，4o 模型和 o1 在推理方面差距较大，红色线代表 4o 的得分，绿色线代表 o1 的得分，o1 在各项得分结果上均优于 4o。
2024-09-18
如何让企业微信可以接上 AI？让我的企业微信号变成一个 AI 客服
要让企业微信接上 AI 并变成一个 AI 客服，可以参考以下内容： 1. 基于 COW 框架的 ChatBot 实现方案：这是一个基于大模型搭建的 Chat 机器人框架，可以将多模型塞进微信（包括企业微信）里。张梦飞同学写了更适合小白的使用教程，链接为： 。 可以实现打造属于自己的 ChatBot，包括文本对话、文件总结、链接访问、联网搜索、图片识别、AI 画图等功能，以及常用开源插件的安装应用。 正式开始前需要知道：本实现思路需要接入大模型 API 的方式实现（API 单独付费）。 风险与注意事项：微信端因为是非常规使用，会有封号危险，不建议主力微信号接入；只探讨操作步骤，请依法合规使用，大模型生成的内容注意甄别，确保所有操作均符合相关法律法规的要求，禁止将此操作用于任何非法目的，处理敏感或个人隐私数据时注意脱敏，以防任何可能的滥用或泄露。 支持多平台接入，如微信、企业微信、公众号、飞书、钉钉等；多模型选择，如 GPT3.5/GPT4.0/Claude/文心一言/讯飞星火/通义千问/Gemini/GLM4/LinkAI 等等；多消息类型支持，能处理文本、语音和图片，以及基于自有知识库进行定制的企业智能客服功能；多部署方法，如本地运行、服务器运行、Docker 的方式。 2. DIN 配置：先配置 FastGpt、OneAPI，装上 AI 的大脑后，可体验知识库功能并与 AI 对话。新建应用，在知识库菜单新建知识库，上传文件或写入信息，最后将拥有知识库能力的 AI 助手接入微信。
2025-05-09
围棋AI
围棋 AI 领域具有重要的研究价值和突破。在古老的围棋游戏中，AI 面临着巨大挑战，如搜索空间大、棋面评估难等。DeepMind 团队通过提出全新方法，利用价值网络评估棋面优劣，策略网络选择最佳落子，且两个网络以人类高手对弈和 AI 自我博弈数据为基础训练，达到蒙特卡洛树搜索水平，并将其与蒙特卡洛树搜索有机结合，取得了前所未有的突破。在复杂领域 AI 第一次战胜人类的神来之笔 37 步，也预示着在其他复杂领域 AI 与人类智能对比的进一步突破可能。此外，神经网络在处理未知规则方面具有优势，虽然传统方法在处理象棋问题上可行，但对于围棋则困难重重，而神经网络专门应对此类未知规则情况。关于这部分内容，推荐阅读《这就是 ChatGPT》一书，其作者备受推崇，美团技术学院院长刘江老师的导读序也有助于了解 AI 和大语言模型计算路线的发展。
2025-05-08
什么AI工具可以实现提取多个指定网页的更新内容
以下 AI 工具可以实现提取多个指定网页的更新内容： 1. Coze：支持自动采集和手动采集两种方式。自动采集包括从单个页面或批量从指定网站中导入内容，可选择是否自动更新指定页面的内容及更新频率。批量添加网页内容时，输入要批量添加的网页内容的根地址或 sitemap 地址然后单击导入。手动采集需要先安装浏览器扩展程序，标注要采集的内容，内容上传成功率高。 2. AI Share Card：能够一键解析各类网页内容，生成推荐文案，把分享链接转换为精美的二维码分享卡。通过用户浏览器，以浏览器插件形式本地提取网页内容。
2025-05-01
AI文生视频
以下是关于文字生成视频（文生视频）的相关信息： 一些提供文生视频功能的产品： Pika：擅长动画制作，支持视频编辑。 SVD：Stable Diffusion 的插件，可在图片基础上生成视频。 Runway：老牌工具，提供实时涂抹修改视频功能，但收费。 Kaiber：视频转视频 AI，能将原视频转换成各种风格。 Sora：由 OpenAI 开发，可生成长达 1 分钟以上的视频。 更多相关网站可查看：https://www.waytoagi.com/category/38 。 制作 5 秒单镜头文生视频的实操步骤（以梦 AI 为例）： 进入平台：打开梦 AI 网站并登录，新用户有积分可免费体验。 输入提示词：涵盖景别、主体、环境、光线、动作、运镜等描述。 选择参数并点击生成：确认提示词无误后，选择模型、画面比例，点击「生成」按钮。 预览与下载：生成完毕后预览视频，满意则下载保存，不理想可调整提示词再试。 视频模型 Sora：OpenAI 发布的首款文生视频模型，能根据文字指令创造逼真且充满想象力的场景，可生成长达 1 分钟的一镜到底超长视频，视频中的人物和镜头具有惊人的一致性和稳定性。
2025-04-20
学AI上钉钉
以下是在钉钉上学 AI 的相关内容： 从 AI 助教到智慧学伴的应用探索： 登录钉钉客户端，在右上角依次选择钉钉魔法棒、AI 助理、创建 AI 助理。进入创建 AI 助理页面后，填写 AI 助理信息，设置完成即可创建成功。 AI 领导力向阳乔木：未提及具体的在钉钉上学 AI 的操作方法。 基于 COW 框架的 ChatBot 实现步骤： 创建应用： 进入，登录后点击创建应用，填写应用相关信息。 点击添加应用能力，选择“机器人”能力并添加。 配置机器人信息后点击发布，发布后点击“点击调试”，会自动创建测试群聊，可在客户端查看。点击版本管理与发布，创建新版本发布。 项目配置： 点击凭证与基础信息，获取 Client ID 和 Client Secret 两个参数。 参考项目，将相关配置加入项目根目录的 config.json 文件，并设置 channel_type:"dingtalk"，注意运行前需安装依赖。 点击事件订阅，点击已完成接入，验证连接通道，会显示连接接入成功。 使用：与机器人私聊或将机器人拉入企业群中均可开启对话。
2025-04-19
AI术语解释
以下是一些常见的 AI 术语解释： Agents（智能体）：一个设置了一些目标或任务，可以迭代运行的大型语言模型。与大型语言模型在像 ChatGPT 这样的工具中的通常使用方式不同，Agent 拥有复杂的工作流程，模型本质上可以自我对话，无需人类驱动每一部分的交互。属于技术范畴。 ASI（人工超级智能）：尽管存在争议，但通常被定义为超越人类思维能力的人工智能。属于通识范畴。 Attention（注意力）：在神经网络的上下文中，有助于模型在生成输出时专注于输入的相关部分。属于技术范畴。 Bias（偏差）：AI 模型对数据所做的假设。“偏差方差权衡”是模型对数据的假设与给定不同训练数据的模型预测变化量之间必须实现的平衡。归纳偏差是机器学习算法对数据的基础分布所做的一组假设。属于技术范畴。 Chatbot（聊天机器人）：一种计算机程序，旨在通过文本或语音交互模拟人类对话。通常利用自然语言处理技术来理解用户输入并提供相关响应。属于通识范畴。 CLIP（对比语言图像预训练）：由 OpenAI 开发的 AI 模型，用于连接图像和文本，使其能够理解和生成图像的描述。属于技术范畴。 TPU（张量处理单元）：谷歌开发的一种微处理器，专门用于加速机器学习工作负载。属于技术范畴。 Training Data（训练数据）：用于训练机器学习模型的数据集。属于技术范畴。 Transfer Learning（迁移学习）：机器学习中的一种方法，其中对新问题使用预先训练的模型。属于技术范畴。 Validation Data（验证集）：机器学习中使用的数据集的子集，独立于训练数据集和测试数据集。用于调整模型的超参数（即架构，而不是权重）。属于技术范畴。 Knowledge Distillation（数据蒸馏）：数据蒸馏旨在将给定的一个原始的大数据集浓缩并生成一个小型数据集，使得在这一小数据集上训练出的模型，和在原数据集上训练得到的模型表现相似。在深度学习领域中被广泛应用，特别是在模型压缩和模型部署方面。可以帮助将复杂的模型转化为更轻量级的模型，并能够促进模型的迁移学习和模型集成，提高模型的鲁棒性和泛化能力。属于技术范畴。 RAG（检索增强生成）：检索增强生成。属于技术范畴。 Forward Propagation（前向传播）：在神经网络中，输入数据被馈送到网络并通过每一层（从输入层到隐藏层，最后到输出层）以产生输出的过程。网络对输入应用权重和偏差，并使用激活函数生成最终输出。属于技术范畴。 Foundation Model（基础模型）：在广泛数据上训练的大型 AI 模型，旨在适应特定任务。属于技术范畴。 GAN（通用对抗网络）：一种机器学习模型，用于生成类似于某些现有数据的新数据。使两个神经网络相互对抗：一个“生成器”，创建新数据，另一个“鉴别器”试图将数据与真实数据区分开来。属于技术范畴。 Generative AI/Gen AI（生成式 AI）：AI 的一个分支，专注于创建模型，这些模型可以根据现有数据的模式和示例生成新的原创内容，例如图像、音乐或文本。属于通识范畴。 GPU（图形处理单元）：一种特殊类型的微处理器，主要用于快速渲染图像以输出到显示器。在执行训练和运行神经网络所需的计算方面也非常高效。属于产品范畴。
2025-04-18