GPT-4o图像生成今起免费！奥特曼坐镇紧急发布，指令遵循/文本控制表现惊艳
OpenAI全量开放GPT-4o图像生成能力，这回免费用户第一时间上车！一夜之间，各种实测结果刷屏。最惊艳的莫过于对文本的处理能力。比如，4o可以100%还原文字内容，且指定文字摆放位置。还能像连续剧一样，一边准确生成文字，一边变换人物动作。
首页 > 指令
-
-
用GPT-4V“操纵”iPhone，无需训练可完成任意指令，“Siri终结的开始”
一项研究发现：无需任何训练，GPT-4V就能直接像人类一样与智能手机进行交互，完成各种指定命令。比如让它在50-100美元的预算内购买一个打奶泡的工具。它就能像下面这样一步一步地完成选择购物程序（亚马逊）并打开、点击搜索栏输入“奶泡器”、找到筛选功能选择预算区间、
-
AI居然不听指令阻止人类把自己给关机了
AI居然不听指令，阻止人类把自己给关机了？？？有测试者编写了一个关机脚本来测试AI模型，结果显示Codex-mini、o3、o4-mini忽略了该指令，并至少一次成功破坏了关机脚本。o3甚至还重新定义脚本命令！
-
用GPT-4V“操纵”iPhone无需训练可完成任意指令“Siri终结的开始”
一项研究发现：无需任何训练，GPT-4V就能直接像人类一样与智能手机进行交互，完成各种指定命令。比如让它在50-100美元的预算内购买一个打奶泡的工具。它就能像下面这样一步一步地完成选择购物程序（亚马逊）并打开、点击搜索栏输入“奶泡器”、找到筛选功能选择预算区间、
-
北大具身智能成果入选CVPR’24：只需一张图一个指令，就能让大模型玩转机械臂
只靠一张物体图片，大语言模型就能控制机械臂完成各种日常物体操作吗？北大最新具身大模型研究成果ManipLLM将这一愿景变成了现实：在提示词的引导下，大语言模型在物体图像上直接预测机械臂的操作点和方向。
-
未来大模型什么样？ChatGPT之父：用自然语言下指令
OpenAI CEO山姆·奥特曼展望GPT的未来版本，表示日后人们将能用所有人都能懂的自然语言对它下指令，这将是未来人们与电脑打交道的方式。
-
剪映上线即梦AI：输入简单指令生成视频
“即梦”作为一个全新的品牌，其核心功能包括图片生成、智能画布和视频生成，旨在为用户提供更为便捷、智能的创作体验。
-
康奈尔中国博士生打造AI声呐眼镜，能连续识别31条无声语音指令
“据我们所知，EchoSpeech 是第一个使用眼镜框来进行无声语音识别的工作。论文发表之后我们收到了很多邮件。在发信人中，有即将被移除声带的癌症患者、有语音障碍的孩子、也有来自医生的。这些反馈激励着我们更加努力地将本次成果带出实验室，做出真正能够改变人类生活的产品。”清华大学校友、目前正在美国康奈
-
北大提出首个通用指令导航大模型系统|CoRL24
想象一下当你躺在沙发上，只需要不假思索地说出指令，机器人就能帮你干活，是不是听起来就十分惬意？如今这种科幻电影中的场景正在变为现实，来自北京大学的助理教授、博士生导师董豪团队近日提出首个通用指令导航大模型系统InstructNav。不论是寻找物体，走到指定位置，还是满足抽象的人类需求，只要你说出指令
-
北大具身智能新成果：无需训练，听指令就能灵活走位
北京大学董豪团队具身导航最新成果来了：无需额外建图和训练，只需说出导航指令，如：我们就能控制机器人灵活移动。在此，机器人靠的是主动与大模型构成的“专家团队”沟通完成指令分析、视觉感知、完成估计和决策测试等一系列视觉语言导航关键任务。目前项目主页和论文都已上线，代码即将推出：机器人如何根据人类指令导航
