代表性或获得融资Ai项目研究之Meta Ai

代表性或获得融资AI项目研究之Meta AI

按：来源一： X 上 AI 领域的 100 家行业内最有实力、发展最好、得到投资界和消费者认可的 AI 企业；来源二：融资的项目作一个专题研究：1、融资了，说明得到资本界看好，可能是一个好的方向和项目；2、通过研究它们，可以了解外界或圈内人对这个行业的判断，是一种研究AI发展趋势的捷径和正确的路；3、基于X是目前国外信息最集中和更新快的平台，还依托于此来研究相应的融资项目。

Meta 的人工智能
，
@AIatMeta，
我们与人工智能社区一起，通过开放科学突破可能性的界限，创造一个更加互联的世界。
科技ai.meta.com，2018年8月加入，
287 正在关注，
69.9万关注者，

4月6日
今天是原生多模态人工智能创新新时代的开始。
今天，我们推出首批 Llama 4 型号：Llama 4 Scout 和 Llama 4 Maverick——这是我们迄今为止最先进的型号，也是同类产品中最好的多模态型号。
骆驼 4 侦察兵
• 17B 主动参数模型，有 16 位专家。
• 行业领先的 10M 代币上下文窗口。
• 在广泛的广泛接受的基准测试中优于 Gemma 3、Gemini 2.0 Flash-Lite 和 Mistral 3.1。
骆驼 4 特立独行
• 17B 主动参数模型，有 128 名专家。
• 一流的图像基础，能够将用户提示与相关的视觉概念保持一致，并将模型响应锚定到图像中的区域。
• 在广泛的广泛接受的基准测试中优于 GPT-4o 和 Gemini 2.0 Flash。
• 在推理和编码方面取得了与 DeepSeek v3 相当的结果——活动参数只有一半。
• 无与伦比的性价比，聊天版本在 LMArena 上的 ELO 得分为 1417。
这些模型是我们迄今为止最好的模型，这要归功于我们迄今为止最强大的模型 Llama 4 Behemoth 的蒸馏。Llama 4 Behemoth 仍在训练中，目前在以 STEM 为重点的基准测试中看到的结果优于 GPT-4.5、Claude Sonnet 3.7 和 Gemini 2.0 Pro。我们很高兴分享有关它的更多细节，即使它仍在飞行中。
阅读有关首批 Llama 4 模型的更多信息，包括训练和基准测试➡️ https://go.fb.me/gmjohs下载 Llama 4➡️ https://go.fb.me/bwwhe9

@AIatMeta
·
7月30日
今天，Mark 分享了 Meta 对每个人个人超级智能未来的愿景。
在这里阅读他的完整信：http://meta.com/superintelligence

我们很高兴拥有
@shengjia_zhao
担任 Meta Superintelligence Labs 的首席科学家。大事来袭！🚀请参阅马克的帖子：https://threads.com/@zuck/post/DMiwjXJSYCd

我们正在迅速扩展我们的人工智能基础设施，并采用了一种新颖的方法来建造防风雨帐篷来容纳 GPU 集群。这使我们能够在几个月而不是几年内让新的数据中心上线。🚀在此阅读更多内容
@FastCompany
品：https://fastcompany.com/91369896/meta-is-using-tents-to-build-its-giant-ai-data-centers

我们很高兴看到我们先进的 ML 模型和 EMG 硬件——将控制手腕肌肉的神经信号转换为无缝驱动计算机交互的命令——出现在最新版本的
@Nature
.
阅读故事：https://nature.com/articles/s41586-025-09255-w在
@github
:https://github.com/facebookresearch/generic-neuromotor-interface

新的开源掉落：AI 联盟现在正在支持 Llama Stack，这是 Meta 开发的模块化 AI 应用框架。
专为可移植性、开发人员选择和实际部署而构建。
详⬇️

Meta FAIR 最近发布了无缝交互数据集，这是同类产品中已知最大的高质量视频数据集，具有：
4,000+ 不同的参与者
4,000+ 小时的镜头
65k+ 互动
5,000+ 注释样本
这个全身、面对面、面对面的互动视频数据集是理解和建模人们在一起时如何沟通和行为的重要垫脚石，从而提高了人工智能生成更自然的对话和类似人类手势的能力。
下载数据集
@huggingface
:https://huggingface.co/datasets/facebook/seamless-interaction了解有关数据集的更多信息：https://aidemos.meta.com/seamless_interaction_dataset

本周，我们分享了一个开源人工智能工具，它将有助于加速发现高性能、低碳混凝土。请参阅下面的帖子中的完整故事。
您还可以在这里找到该项目的研究成果：1️⃣包含模型和优化算法详细信息的技术报告：https://arxiv.org/abs/2310.18288
2️⃣开源 SustainableConcrete 存储库以及相关的数据和代码https://github.com/facebookresearch/SustainableConcrete

“我们实验室的使命是向世界上的每个人提供个人超级智能。这样，我们就可以将这种权力交到每个人的手中。
观看 Mark 对 The Information 的完整采访，他将更深入地了解 Meta 的超智能愿景和对人工智能计算基础设施的投资。

今天，Mark 宣布了 Meta 的重大人工智能计算投资。
见他的帖子：https://facebook.com/share/v/1AnKhQouDb/

还有一件事......您还可以查看此技术报告，详细介绍了我们在数据集上构建运动模型的方法，以及此类模型的评估框架：https://ai.meta.com/research/publications/seamless-interaction-dyadic-audiovisual-motion-modeling-and-large-scale-dataset/?utm_source=twitter&utm_medium=organic_social&utm_content=video&utm_campaign=seamlessinteraction
Meta 的人工智能
@AIatMeta
·
6月28日
前往我们的博客以深入了解完整故事：https://ai.meta.com/blog/seamless-interaction-natural-conversational-dynamics/?utm_source=twitter&utm_medium=organic_social&utm_content=video&utm_campaign=seamlessinteraction

🚀Meta FAIR 的新功能：今天我们推出无缝交互，这是一个致力于人际动态建模的研究项目。
该项目以一系列视听行为模型为特色，是与 Meta 的编解码器头像实验室 + 核心人工智能实验室合作开发的，可将两个人之间的语音渲染成多样化、富有表现力的全身手势和主动倾听行为，从而允许创建完全具身的 2D 和 3D 化身。
这些模型有可能创建更自然、交互式的虚拟代理，可以在各种环境中进行类似人类的社交互动。
了解更多信息：https://ai.meta.com/research/seamless-interaction/?utm_source=twitter&utm_medium=organic_social&utm_content=video&utm_campaign=seamlessinteraction
我们还公开发布了无缝交互数据集，有 4,000+ 参与者和 4,000+ 小时的交互，使其成为同类视频数据集中已知最大的视频数据集。
该数据集使我们的视听行为模型能够理解和生成类似人类的社会行为，并代表了理解和建模人们在一起时如何交流和行为的重要垫脚石。
我们在这里分享它是为了帮助研究界推进他们的工作：https://github.com/facebookresearch/seamless_interaction

厌倦了手动提示调整？观看最新的 Llama 教程，了解如何使用开源 Python 库“llama-prompt-ops”优化 Llama 的现有 GPT 或其他 LLM 提示！
在此视频中，合作伙伴工程师 Justin Lee 演示了安装、项目设置、迁移第一个提示以及分析性能提升。
立即观看以发现：✨为什么系统的提示优化对于从 GPT 迁移到 Llama 至关重要。💻客户服务分类任务中“llama-prompt-ops”的实时代码演练。
在此处观看完整教程：https://bit.ly/40p7EsF

通过我们的最新课程，将您的人工智能开发技能提升到一个新的水平http://Deeplearning.ai，“与骆驼一起建造 4”，授课者
@AndrewYNg
以及 Meta 人工智能团队合作伙伴工程总监 Amit Sangani。
在这个综合课程中，您将学习如何利用

我们首个 Llama 创业计划的反响令人震惊，在审查了 1,000 多份申请后，我们很高兴地宣布我们的第一个小组。
这群不拘一格的早期初创公司已准备好突破 Llama 的可能性界限，并推动 GenAI 市场的创新。我们将为他们提供支持 Llama 技术团队和云信用报销，以帮助抵消使用 Llama 构建的成本。
了解有关 Llama 创业计划的更多信息：http://ai.meta.com/blog/llama-startup-program-first-cohort

为#CVPR2025，深入了解人工智能领域一些最聪明的人的最新研究论文👇
Meta 的人工智能
@AIatMeta
·
6月14日
奏鸣曲：推进 3D 点表示的自监督学习
Sonata 代表了 3D 自监督学习领域的重大飞跃。通过识别和解决几何快捷方式并引入灵活、高效的框架，它是一个非常强大的 3D 点表示。
这工作推进了最先进的技术，并为 3D 感知及其应用的未来创新奠定了基础。
了解更多信息➡️ https://projectaria.com/news/introducing-sonata/
野外阅读识别：从自我中心传感器套件理解人类阅读过程中行为的数据集
这个大型多模态数据集具有视频、眼睛注视和头部姿势传感器输出，旨在帮助解决从可穿戴设备读取识别的任务。值得注意的是，这是第一个以 60 Hz 收集的高频眼动追踪数据为特色的以自我为中心的数据集。
探讨➡️ https://projectaria.com/news/introducing-reading-recognition-in-the-wild/

介绍 V-JEPA 2，这是一种在视觉理解和预测方面具有最先进性能的新世界模型。
V-JEPA 2 可以在机器人中实现零样本规划，使它们能够在不熟悉的环境中规划和执行任务。
下载 V-JEPA 2 并阅读我们的研究论文➡️ https://ai.meta.com/vjepa/

我们的愿景是让人工智能使用世界模型来适应新的动态环境并有效地学习新技能。
我们正在分享 V-JEPA 2，这是一种在视觉理解和预测方面具有最先进性能的新世界模型。
V-JEPA 2 是一个包含 12 亿参数的模型，经过视频训练，可以在机器人中实现零样本规划，使机器人能够在不熟悉的环境中规划和执行任务。
了解有关 V-JEPA 2 的更多信息➡️https://ai.meta.com/blog/v-jepa-2-world-model-benchmarks/随着我们继续努力实现高级机器智能（AMI）的目标，我们还发布了三个新的基准测试，用于评估现有模型从视频中推理物理世界的能力。
了解更多信息并下载新的基准测试➡️https://ai.meta.com/blog/v-jepa-2-world-model-benchmarks/

Aria Gen 2 眼镜标志着可穿戴技术的重大飞跃，提供增强的特性和功能，可满足更广泛的应用和研究人员的需求。我们相信，来自工业界和学术界的研究人员可以使用 Aria Gen 2 加速他们在机器感知、上下文人工智能、机器人技术等方面的工作。
Aria Gen 2 详细信息 + 注册以获取可用性更新➡️ https://ai.meta.com/blog/aria-gen-

Blackwell 创造了新的推理速度世界纪录 — 一台配备 8 个#NVIDIABlackwell在 Llama 4 Maverick 模型上，GPU 每个用户每秒可以生成超过 1,000 个代币（TPS），这是
@AIatMeta
骆驼 4 家族。

Meta FAIR 和罗斯柴尔德基金会医院提出了一项开创性的研究，绘制了语言表征如何在大脑中出现，揭示了与法学硕士的惊人相似之处。
这项研究为语言的神经发育提供了前所未有的见解，展示了 wav2vec 2.0 和 Llama 4 等人工智能模型如何反映大脑的语言处理。
了解这些发现如何为理解人类智能和开发语言支持临床工具的新框架铺平道路。📄阅读完整的研究论文：➡️
https://go.fb.me/trxfbc

骆驼创业计划现已开放申请！🚀我们很高兴地宣布 Llama 创业计划，这是一项新计划，旨在帮助早期初创公司使用 Llama 进行创新和构建生成式 AI 应用程序。
为什么要加入骆驼创业计划？☑️云报销以抵消成本。☑️Llama 专家的实践技术支持可帮助您利用 Llama 的功能。☑️充满活力的社区和直接获取资源的途径，以帮助您的初创公司蓬勃发展。
谁应该申请？
任何资金低于 1000 万美元且至少有一名开发人员的美国早期初创公司。
申请截止日期为 2025 年 5 月 30 日下午 6 点（太平洋时间）
了解更多信息并立即申请！➡️https://go.fb.me/8rn4dh

介绍伴随采样，这是一种新的学习算法，可根据标量奖励训练生成模型。
基于FAIR开发的理论基础，伴随采样产生了一种高度可扩展的实用算法，可以成为进一步研究高度可扩展采样方法的基础。
阅读我们关于伴随采样的研究论文，并下载模型、代码和基准➡️ https://go.fb.me/q5l4cz

来自 Microsoft Build 的令人兴奋的消息：即将推出，Llama 模型群将成为 Azure AI Foundry 中的直接第一方产品，由 Microsoft 直接托管和销售，并具有 Azure 客户期望从任何 Microsoft 产品获得的所有 SLA。
我们很高兴能让企业更轻松地使用 Llama 进行构建！#MSBuild 🦙

我们发布了 Open Molecules 2025 （OMol25），这是一个新的分子化学密度泛函理论（DFT）数据集，以及 Meta 的 Universal Model for Atoms （UMA），一种机器学习原子间势。
这些工具将加速分子和材料的发现，释放创新和影响的新可能性。
OMol25 是生物分子、金属配合物和电解质的高精度量子化学计算最大、最多样化的数据集。
UMA 经过超过 300 亿个原子的训练，可提供更准确的预测和对分子行为的理解。
下载 OMol25 和 UMA 的论文、模型和数据集➡️ https://go.fb.me/q5l4cz

宣布 Meta FAIR 的最新版本。我们正在发布新的突破性模型、基准和数据集，这些模型、基准和数据集将改变研究人员处理分子特性预测、语言处理和神经科学的方式。1️⃣Open Molecules 2025 （OMol25）：一个用于模拟大型原子系统的分子发现数据集。2️⃣原子通用模型：一种机器学习原子间势，用于模拟各种材料和分子之间的原子相互作用。3️⃣伴随采样：一种可扩展的算法，用于训练基于标量奖励的生成模型。4️⃣FAIR 和罗斯柴尔德基金会医院合作开展了一项大规模研究，揭示了人类语言发展与法学硕士之间的惊人相似之处。
阅读更多➡️ https://go.fb.me/q5l4cz

CATransformers 是一个碳驱动的神经架构和系统硬件协同设计框架。使用 CATransformers，我们发现了更环保的 CLIP 模型，这些模型在保持准确性（或提高准确性）和延迟的同时，实现了平均 9.1% 的总生命周期碳排放减少潜力。
这项研究首次研究碳驱动的神经架构和系统硬件协同设计。它是由我们在 FAIR 上开发的首创建筑碳建模工具 ACT 实现的。
退房：
我们的论文➡️ https://go.fb.me/nedmh0;
代码仓库➡️ https://go.fb.me/7jcp6q;
以及可持续人工智能中的其他碳设计工具和研究成果➡️https://go.fb.me/csee32

继 ICML 2024 教程取得成功之后，我们现在发布了语言模型物理学的第 4 部分，这是 FAIR 在 Meta 开展的一项研究工作，旨在通过受控的科学实验揭示人工智能的普遍定律。
在第 4 部分中，我们通过引入合成预训练游乐场来挑战当今的架构设计范式（通常由嘈杂的现实世界预训练驱动），这些游乐场能够跨模型系列进行精确的同类比较。
利用这个框架，本文提出了 12 个关键结果——最引人注目的是，发现佳能层（跨标记添加“水平残差链接”的轻量级组件）可以显着改善 Transformers、Mamba、GLA 等中的推理和泛化。

介绍协作推理器：一个改进语言模型协作推理的框架。
Collaborative Reasoner 为开发可以与人类和其他代理合作的社会代理铺平了道路。
阅读研究论文并下载代码。https://go.fb.me/je2t32

我们正在发布 8B 参数动态字节潜在转换器的模型权重，这是传统标记化方法的替代方案，有可能重新定义语言模型效率和可靠性的标准。
详细了解动态字节潜在转换器如何为语言建模领域的突破性发展铺平道路。
阅读研究论文，并下载模型和代码。https://go.fb.me/je2t32

Meta 和 NVIDIA 联手将 NVIDIA cuVS 集成到 Meta 的相似性搜索开源库 Faiss v1.10 中，从而增强 GPU 上的矢量搜索能力。此次合作带来了突破性的性能改进：🔹IVF 索引：NVIDIA cuVS 将构建时间缩短多达 4.7 倍，并将搜索延迟缩短多达 8.1 倍。🔹图形索引：CUDA 人工神经网络图（CAGRA）的 CPU HNSW 构建时间最多可达 12.3 倍，搜索延迟最多可降低 4.7 倍。
Faiss 由 Meta FAIR 开发，改变了矢量搜索领域的游戏规则，可在 GPU 和 CPU 之间无缝切换。现在，凭借 NVIDIA 的尖端贡献，Faiss 1.10.0 提供了更大的灵活性和强大功能。
对矢量搜索的基准和未来感到好奇吗？深入阅读完整的博客文章，探索细节，并了解这种合作伙伴关系如何突破可能的界限。阅读博客文章：https://engineering.fb.com/2025/05/08/data-infrastructure/accelerating-gpu-indexes-in-faiss-with-nvidia-cuvs/