AI趋势周报第243期：群创光电开源70亿参数的繁中语言模型白龙

Meta公开新影片生成模型V-JEPA

科技巨头Meta人工智慧研究团队，最近揭露用于影片预测的非生成式AI模型V-JEPA，透过预测影片中缺失或被遮蔽的部分，来提高AI对这个世界的理解。V-JEPA的灵感来源，是来自Meta AI首席科学家Yann LeCun在2022年提出的JEPA架构，Meta曾在去年以JEPA架构开发电脑视觉模型I-JEPA，能预测画面缺失的资讯，来生成图像。

现在，Meta进一步扩展JEPA，发展出能处理影片的V-JEPA。就训练方法来说，团队让模型观看一系列影片，并将这些影片遮蔽处理，来要求预测器在只有一小部分影片内容的上下文中，填充缺失的内容。这么做的好处是，让模型专注于影片的高层次概念，而非钻牛角尖于对下游任务不重要的细节。V-JEPA采自监督学习方法，使用未标记的资料进行预训练，只在要模型适应特定任务时，才会使用标签。V-JEPA还能丢弃不可预测的资讯，提高训练和采样效率达1.5到6倍。

.NET 9预览版来了！聚焦云原生和AI支援

微软才发布.NET 8不久，.NET 9预览版已经来了！.NET 9的重点仍是效能提升、云端原生与AI开发支援。首先，微软在第9版改善了Visual Studio和VS Code，加入.NET Aspire技术框架新的开发和部署功能，如元件配置、除错支援、全面整合开发者仪表板，来让开发者更轻松管理和监控应用程式。开发者也可从Visual Studio、VS Code，结合使用Azure Developer CLI，将应用程式快速部署到Azure容器，让应用程式更快上云。

Stability AI发表新一代图像生成模型，比前一代更省16倍成本

Stability AI日前发表新一代文字转图像模型Stable Cascade，可简单地在消费级硬体上训练和微调。就流程来说，Stable Cascade有3步骤将文字转换为图像，包括潜在解码阶段的步骤A与步骤B，以及潜在生成阶段的步骤C。

其中，步骤C是将用户的指令，转换成一张小型且简化的图像草稿，只包含重要资讯，再将草稿输入至步骤A和步骤B，同时加入更多细节并放大，形成一张详细且高解析度的图片。由于步骤C与步骤A、B分离，因此可单独对步骤C额外训练和微调，包括ControlNet和LoRA的训练。这种设计，让新模型与训练一个类似大小的Stable Diffusion模型相比，节省了16倍成本。

开发者可在浏览器训练模型！ONNX Runtime 1.17还支援联合学习

微软更新AI推论与训练加速引擎ONNX Runtime（ORT），加入网页训练功能，让开发者在浏览器中启用模型训练功能，如此装置上的资料就能透过浏览器，进行联合学习和个人化应用。