lens
PulseAugur coverage of lens — every cluster mentioning lens across labs, papers, and developer communities, ranked by signal.
- 2026-05-15 product_launch Microsoft released the Lens and Lens-Turbo text-to-image models. 来源
3 天有情绪数据
-
Google 重新组织隐私设置，将搜索历史记录分离用于 AI 训练
Google 正在通过引入新的“搜索服务历史记录”部分来重新组织其隐私设置，将其与之前的“网络与应用活动”分开。新部分将整合来自 Lens、Translate、Live Search、Maps 和 Flights 等各种 Google 服务的内容。用户可以选择禁用将此内容用于训练 Google 的 AI，尽管文章暗示许多用户可能因疏忽或不了解而不会这样做。
-
Beyond Identity 推出 Ceros AI 代理安全平台
Beyond Identity 发布了 Ceros，一个专为 AI 代理设计的新安全平台。该平台提供设备绑定通行密钥、详细的会话审计日志以及基于既定策略的工具权限控制。Ceros 进入的市场已有 CrowdStrike、Lens 和 Arcade 等公司的类似产品。
-
Google 将使用 Lens、Search Live 和 Translate 数据进行 AI 训练
Google 正在更新其数据保留政策，将 Lens 中的图片、Search Live 中的录音以及 Translate 中的音频纳入 AI 训练。用户将拥有一个新的“搜索服务历史记录”设置来管理这些数据，该设置独立于现有的网络与应用活动。虽然这些数据将有助于 Google 开发和改进其服务，包括 AI 模型，但用户可以选择退出，以防止其媒体被保存和用于训练。
-
Microsoft Lens AI 使用密集字幕实现高效图像生成
Microsoft Research 开发了一个名为 Lens 的新 AI 模型，该模型利用密集字幕来提高图像生成效率。这种方法涉及提供更详细的文本描述来指导 AI，从而产生更好、更精确的视觉输出。该模型旨在改进从文本提示创建图像的过程。
-
Microsoft Lens 模型使用详细描述来高效生成图像
Microsoft Research 开发了一个名为 Lens 的新文本到图像模型，该模型参数量仅为 38 亿，但性能却可与更大的模型相媲美。这种效率归功于使用了 8 亿个由 GPT-4 生成的详细图像描述，而非描述性较差的网页 alt-text。该模型的代码和权重已根据开源许可证发布。
-
Ideogram 4.0 用户分享用于高级 JSON 提示词的自定义工具
Reddit 上的用户正在分享各种工具和方法，用于为 Ideogram 4.0（一种文本到图像生成模型）创建复杂的 JSON 提示词。这些工具包括可视化编辑器、利用本地 LLM 进行提示词扩展的自定义节点，以及更新现有提示词生成器（增加了 PNG 元数据导入和样式切换等功能）。社区正在积极探索如何最好地利用 Ideogram 4.0 的功能，一些用户指出，在使用这些高级提示词技术时，它对于生成特定内容（包括裸体）非常有效。
-
用户分享展示AI模型Lens、Flux.2和Wan 2.2的视频
一位用户分享了一段视频，展示了他们使用包括Lens、Flux.2 Klein 9b和Wan 2.2在内的多个AI模型的创意作品。他们承认视频存在瑕疵，但强调视频是为了娱乐而制作的。用户还提供了Wan 2.2工作流程的链接以及他们之前视频项目的合集。
-
Tempus升级AI平台用于肿瘤药物开发
Tempus发布了其Lens平台的升级版本，增强了其在肿瘤药物开发方面的agentic AI能力。新版本旨在利用先进的AI工具加速新疗法的发现和应用。此次扩展侧重于改进AI代理与复杂生物数据的交互方式，以识别有前景的药物候选物并实现癌症治疗的个性化。
-
Microsoft LENS 模型提供快速、高质量的图像生成
Microsoft 发布了 LENS，一款新的迷你图像生成模型，其质量出人意料地高，生成速度超快。该模型可在 Hugging Face 上获取，并提供了链接供用户探索其功能。早期测试者对输出质量印象深刻。
-
新的LENS系统增强了序列CTR预测模型
研究人员推出了一种名为LENS的新型两模块系统，旨在增强序列点击率（CTR）预测模型。LENS旨在改善潜在查询架构中的目标特定控制，因为这些架构有时会稀释这种特异性。该系统包括一个用于查询激活的目标条件查询门（TCQG）和一个用于历史检索的目标条件位置偏差（TCPB）。当与特定于查询的位置偏差（QueryPos）结合使用时，LENS在各种潜在查询骨干网和数据集上均显示出积极的收益，表明其在提高CTR预测准确性方面是有效的。
-
新的基准和数据集推动人工智能图像和视频生成
研究人员正在开发新的基准和数据集，以推动文本到图像和文本到视频生成模型的发展。一篇论文介绍了GPIC，一个用于视觉生成的庞大、许可宽松的图像语料库，另一篇论文提出了用于评估长篇、复杂文本到视频生成的LoCoT2V-Bench。此外，新的方法正在出现，用于评估文本到图像模型的公平性和对齐性，以及提高离散文本到图像生成的效率和质量。
-
Microsoft发布Lens和Lens-Turbo文本到图像模型
Microsoft发布了Lens和Lens-Turbo，这是两个可在Hugging Face上获取的基础文本到图像模型。这两个拥有38亿参数的模型旨在实现高效训练和快速生成高分辨率图像。它们采用了密集字幕预训练和混合分辨率学习等技术，以较低的计算成本实现了与更大模型相媲美的质量。
-
新的SynQuE方法可在无标注情况下估计合成数据集质量
研究人员推出SynQuE，一个无需大量标注即可估计合成数据集质量的新框架。该方法根据合成数据在真实世界任务上的预期表现进行排名，在因成本或隐私问题导致真实数据稀缺时尤其有用。该方法利用代理指标，包括一种利用大型语言模型推理能力的新型指标LENS，来选择可最大化任务性能的合成数据。在情感分析和Text2SQL等各种任务上的实验表明，与无差别的数据选择相比，SynQuE代理可以显著提高准确性。
-
Lens 推出企业 AI 代理治理层
Lens 推出了 Lens Agents，这是一个旨在管理企业 AI 代理的新治理解决方案。该系统旨在为在云和桌面环境中运行的 AI 代理提供监督。此次发布解决了协调跨单一平台运行的 AI 代理活动的日益严峻的挑战。