在迎来其 50 周年之际,Microsoft 一次性为 Copilot 更新了大量新功能,使其更加接近 ChatGPT 或 Claude 等竞品。这款使用多个 OpenAI 模型的 AI 助手现在支持记忆功能、个性化定制、网络操作、播客创作、相机和屏幕分析、深度研究等更多功能。
通过记忆功能,Copilot 现在能够追踪用户的偏好、兴趣和生日等个人信息,并利用这些信息来定制回答、建议或主动提供建议。Microsoft 表示,用户可以选择让 Copilot 记住哪些信息,也可以完全选择退出。
这是使 Copilot 更个性化的持续努力的一部分。Microsoft 表示公司"正处于这一思路的早期阶段",但"很快"用户就能够为 Copilot 定制个性化外观——是的,这包括带回 Clippy 的选项。
Microsoft AI 首席执行官 Mustafa Suleyman 表示:"Copilot 不仅仅是一个 AI,它是属于你的。每个 Copilot 都将拥有独特的风格和属性组合,完全适合每个人的需求。"
除了个性化之外,Copilot 变得更加强大。新的操作功能赋予了 AI 使用网络浏览器执行任务的能力,类似于 OpenAI 的 Operator agent 或 Amazon 最近发布的 Nova Act 模型。Microsoft 表示,它可以用于订购演出票、预订餐厅和购物,特别是当与新的购物功能结合使用时,Copilot 可以研究产品并寻找折扣和促销信息。
Copilot Vision 于 2024 年 12 月开始在网页工具中推出,现在扩展到 Windows 和移动应用程序。在 Windows 上,Copilot 能够"看到"其他应用程序和文件中的屏幕内容,以回答问题或与文件和内容进行交互,而在 iOS 和 Android 上,它可以讨论手机相机可见的任何内容或相机胶卷中的照片。
深度研究功能允许 Copilot 分析大量文档或在线资源用于复杂项目,其研究能力正被整合到 Bing 中,以在搜索引擎中提供 AI 驱动的响应。与其他 AI 工具一样,Copilot 现在也可以使用其研究成果生成播客风格的音频来解释主题,而新的 Pages 功能允许它将跨文档的笔记和研究整理到单一画布中。
Microsoft 表示,许多新功能从今天开始以"初始版本"推出,并将在"未来几周和几个月内"改进,具体可用性因功能、平台和市场而异。这些功能都不是首创——ChatGPT 去年就添加了记忆功能,Google Gemini 有视觉模式,而且每个 AI 公司都想打造个性化 AI 代理——但一次性添加所有这些功能表明 Microsoft 致力于跟上竞争步伐,更不用说充分利用其在 OpenAI 的投资。
更新(4 月 4 日):确认 Clippy 将作为 Copilot 个性化选项。
好文章,需要你的鼓励
Liquid AI发布了新一代视觉语言基础模型LFM2-VL,专为智能手机、笔记本电脑和嵌入式系统等设备高效部署而设计。该模型基于独特的LIV系统架构,GPU推理速度比同类模型快2倍,同时保持竞争性能。提供450M和1.6B两个版本,支持512×512原生分辨率图像处理,采用模块化架构结合语言模型和视觉编码器。模型已在Hugging Face平台开源发布。
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
阿里团队推出首个AI物理推理综合测试平台DeepPHY,通过六个物理环境全面评估视觉语言模型的物理推理能力。研究发现即使最先进的AI模型在物理预测和控制方面仍远落后于人类,揭示了描述性知识与程序性控制间的根本脱节,为AI技术发展指明了重要方向。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。