🏇【AIGC每日新闻】
【用 AI 还原古诗词】中国首部文生视频 AI 系列动画片《千秋诗颂》，依托“央视听媒体大模型”，将200多首统编语文教材中的诗词转化为动画形式。这部系列动画片旨在为小学生提供教育和娱乐，由CCTV-1和人民教育出版社合作制作。动画片在尊重历史的基础上，重新构建故事剧本，以生动的方式展现诗词的意境和情感，首次推出六集，计划从2月26日起在CCTV-1播出。
【Stable Diffusion 3推出】Stability AI 最近推出了其图像生成器的最新版本——Stable Diffusion 3。这一新版本在图像质量、多主题生成能力以及图像内文字拼写准确性方面带来了显著提升。Stable Diffusion 3 采用了与 OpenAI 的 Sora 类似的新型 Transformer 架构，这一架构的引入旨在提高模型的性能和生成图像的质量。新版本提供了多种不同规模的模型，参数量从 800M 到 8B 不等，为用户提供了多样化的选择以满足不同的需求。此外，改进的排版技术使得模型能够更准确地在图像中生成文本，包括完整的句子。这一版本的发布，预示着 Stability AI 在图像生成领域的进一步发展，同时也为用户带来了更加丰富和高质量的创作工具。
【AI新研究】普林斯顿大学的科学家们刚刚在追求近乎无限的清洁能源方面取得了突破，他们使用人工智能解决了托卡马克反应堆中聚变反应堆内的一个关键的不稳定性挑战。研究人员利用基于强化学习的人工智能（AI）来控制等离子体，避免撕裂不稳定性，这是导致等离子体操作终止的主要原因。通过一个多模态动态模型，AI被训练以预测并防止撕裂不稳定性。在美国最大的磁聚变设施DIII-D上，这种AI控制成功降低了破坏性撕裂不稳定性的可能性，即使在不利条件下也能保持等离子体的稳定性和高性能，为ITER未来稳定高效的操作场景铺平了道路。
⛷️【今日份Sora相关论文分享】 Attention Is All You Need 摘要： 主要序列转导模型基于复杂的循环或卷积神经网络，采用编码器-解码器配置。表现最好的模型还通过注意力机制连接编码器和解码器。我们提出了一种新的简单网络架构，即Transformer，它完全基于注意力机制，完全摒弃了循环和卷积。在两个机器翻译任务上的实验表明，这些模型在质量上更优，同时更易于并行化，并且训练时间显著减少。我们的模型在WMT 2014英语到德语翻译任务上达到了28.4 BLEU，超过了现有最佳结果，包括集成模型，提高了超过2 BLEU。在WMT 2014英语到法语翻译任务上，我们的模型在八块GPU上训练3.5天后，以文献中最佳模型的一小部分训练成本，建立了新的单模型最先进的BLEU分数41.8。我们展示了Transformer在其他任务上的泛化能力，成功地将其应用于英语成分句法分析，无论是在大量还是有限训练数据的情况下。
