10月26日,快手正式内测“AI小快”账号,在短视频评论区为用户提供互动问答、图片生成、攻略检索、文案修改等多种基于短视频应用场景的AIGC服务。“AI小快”背后是快手自研大模型的强力支持,包括快手从零到一独立自主研发的大规模语言模型“快意”大模型和文生图大模型“可图”。据悉,这是今年快手在评论区场景落地的首款人格化应用,也集成了大语言模型和文生图模型的能力,让“AI小快”实现了“能说会画”的能力。今年以来,快手加快了AIGC的技术布局。8月,快手宣布内测自研大语言模型“快意”(KwaiYii),9月,快手推出了文生图大模型“可图”(Kolors),在大模型业务方面继“文生文”之后又补上了“文生图”这块版图。
短视频评论区天然是一个用户表达、互动、交流的公域场地,各品类内容下均存在用户表达和提问的诉求,而且用户的提问类别丰富,覆盖视频内容的讨论交流、对专业信息的疑惑以及自我情绪的抒发等。在快手3.76亿DAU的社区生态中,用户的每一次表达,每一次提问,都是对社区的信任,背后都是对“被回应”的期待。
为了更好的满足用户在评论区的诉求,让用户表达有途径、互动有回应、互动有惊喜,“AI小快”应运而生。据了解,用户在快手搜索“AI小快”即可申请参与内测,获得资格的用户在短视频评论区发布艾特@AI小快 的评论,便可收到@AI小快 的回复。“AI小快”不仅可以为用户们的提问给出有效的答案和信息参考,且能在短视频信息延展的基础上,有效提升用户之间的互动频次和信息交互体验。
值得一提的是,“AI小快”也具有自己的人设,即一个有态度、有能力、有感情、有梗的四有AI账号。无论是聊刷剧细节还是数理化难题,只要是用户在评论区的评论,“AI小快”有问必答。同时,AI小快也是一个活泼友爱的聊天搭子,既能提供有效的情绪价值,也能根据网络热梗、时事热点等信息随时“造梗”,力求打造评论区的显眼包。
据了解,“AI小快”的背后是快意大模型强大的理解、生成与交互能力的支持。本次发布的“AI小快”的能力已升级到了快意大模型的 66B 版本。这也是继8月份快手发布快意13B模型后的又一次技术升级。更大规模的模型,也带来了更强大的能力。
今年下半年以来,快手加快AIGC的布局。8月,快手宣布内测自研大语言模型“快意”(KwaiYii),打造“全模态大模型AIGC解决方案”。基于自研的基座大模型,为用户提供包括文本生成、图像生成、3D素材生成、音频生成、视频生成等在内的多种技术能力。其中,KwaiYii-13B在多个 Benchmark 上都处于领先水平,证明了其在自然语言处理任务中的出色性能。
基于目前在大模型的技术积累,快手已经在搜索、评论等多个场景实现了应用落地。7月8日,快手开启智能问答产品的内测;8月8日,启动“AI对话”内测,并于8月18日在快手App安卓版本开放内测“快手AI对话”功能;9月15日,快手宣布在站内短视频评论开始内测AI文生图功能——快手AI玩评,用户通过输入各种创意文字,可一键生成海量风格图片,更便捷的在评论区进行趣味互动。
随着AIGC商业落地迎来新一轮波峰,技术与产业的融合度及场景应用丰富度在迅速提高。短视频拥有庞大的用户基础和强大社交属性,为AIGC的落地提供了更多应用场景。未来,快手将持续深耕AI技术,推动产品形态、用户体验发展,探索短视频业务的第二曲线,推动其成为短视频+直播平台的基础设施。
好文章,需要你的鼓励
GeoVerse融合几何潜在扩散模型与Wan2.2视频生成先验,并引入全局空间记忆机制,实现了跨视角一致、生成质量高且推理速度快的新视角合成,在多个数据集上大幅超越现有方法GLD。
本文解读TT-VidT,一种通过分离外观锚点与动作令牌、结合Diff Compression训练目标的视频自监督方法。在24种架构目标组合的受控实验中,仅TT3D与Diff Compression搭配才能进入强动作敏感区,且计算量比同类方法降低近一半。
Q&A Q1:Imprint Reader是什么? A:Imprint Reader是上海人工智能实验室团队开发的模型,通过SMaRT训练方法学会读取另一个模型冻结的权重更新,把参数层面的变化翻译成自然语言描述,判断这次更新到底注入了什么知识或诱导了什么行为习惯。 Q2:MetaEdit能做什么? A:MetaEdit能把Reader对目标行为的梯度信号迁移到原始模型上,不需要任何目标任务的训练数据,只用一句行为描述就能定向调整模型参数,已经在安全性拒绝率调节、数学推理风格转变和工具调用能力提升上验证过效果。 Q3:Imprint Reader读权重更新的准确率高吗? A:目前还不高,知识类目标的Pass@100只有2%,行为类目标是16%,说明自由生成描述的可靠性有限,但相比原始模型完全答不出来的0%基线,已经证明了权重更新的自然语言读取是可行的。
统一多模态模型能看也能画,理论上该会自我修正。本论文提出UMM-Reflection,用整条轨迹的强化学习联合训练诊断和修图能力,GenEval提升12分,且迁移到多个未训练基准,揭示RL提升的是选择可靠性而非新能力。