Meta開源大禮包：探索圖像分割、語音識別、文本處理等前沿科技的無限可能！

原標題：一文看盡Meta開源大禮包！全面覆蓋圖像分割、語音、文本、表征、材料發現、密碼安全性等
文章來源：新智元
內容字數：6434字

Meta開源AI項目推動技術進步

Meta最近推出了一系列開源AI項目，涵蓋了圖像處理、語音識別和材料科學等多個領域，進一步推動了人工智能的快速發展。以下是這些項目的主要內容和創新點。

1. SAM 2.1：圖像分割模型的升級

   Meta更新了Segment Anything Model 2.1 (SAM 2.1)，引入了新的數據增強技術和改進的訓練方法，顯著提升了模型在遮擋處理能力上的表現。該模型已被廣泛應用于醫學圖像和氣象學研究中，下載量超過70萬次。

2. Spirit LM：多模態語言模型

   Spirit LM是Meta首個開源的多模態語言模型，能夠將文本與語音混合。研究人員開發了基礎版和表達版，后者能夠生成更自然的語音，具備自動語音識別和語音分類的能力。

3. Layer Skip：加速生成時間

   Meta推出的層跳過技術能夠在不依賴專用硬件的情況下，加速大型語言模型的生成時間。該方法通過局部執行模型層并進行驗證，提升了模型性能約1.7倍。

4. Salsa：量子密碼標準驗證

   Salsa是一種新方法，旨在攻擊和NIST標準中的稀疏秘密，使研究人員能夠基準測試基于AI的攻擊手段。這為密碼學研究提供了新的思路。

5. Meta Lingua：高效模型訓練

   Meta Lingua是一個輕量級代碼庫，旨在加速語言模型的訓練，提供一個研究友好的環境，幫助研究人員快速測試新想法，同時保持高效性和可重用性。

6. Open Materials 2024：無機材料發現

   Meta開源的Open Materials 2024數據集和模型為材料科學研究提供了一個有競爭力的選擇，能夠加速無機材料的發現，縮小開放與專有模型之間的差距。

7. Mexma：改進的句子表征

   Mexma是一個跨語言句子編碼器，通過結合token和句子級別的目標進行訓練，提升了句子表示的質量，支持多達80種語言的處理。

8. Self-Taught Evaluator：生成獎勵模型

   自學評估器能夠生成合成偏好數據以訓練獎勵模型，且無須人工標注，表現超越了許多大型語言模型，獲得了AI社區的廣泛認可。

Meta的這些開源項目不僅展示了其在AI領域的創新能力，也為研究人員提供了強大的工具，助力各領域的技術進步。

聯系作者

文章來源：新智元
作者微信：
作者簡介：智能+中國主平臺，致力于推動中國從互聯網+邁向智能+新紀元。重點關注人工智能、機器人等前沿領域發展，關注人機融合、人工智能和機器人對人類社會與文明進化的影響，領航中國新智能時代。