原文链接
阅览具体图文，可拜访常识库
「 职业动态 」
◇ 奥特曼 YC 演讲：“套壳” OpenAI ，注定消亡！ News
OpenAI CEO 奥特曼在 YC 校友分享会上分享了关于 OpenAI 和 AI 职业的观点。他着重了”套壳”OpenAI 的观点，以为简单包装 OpenAI 的公司不会持久。奥特曼看好 AI 在医学和教育范畴的运用，包含 AI 医学参谋和 AI 个性化1对1教导。奥特曼还透露了下一代大模型 GPT-5 和 GPT-6 的特色，包含多模态输出和更高的牢靠性。他以为间隔 AGI 还有很长的路要走，AGI 需求能够自行推理和开展新常识。最后提到了 ChatGPT 的来历和 Alec Radford 的奉献，指出他坚持大模型研讨改变了 OpenAI 和 AI 范畴的开展方向。
◇ Token 变 Voken：MiniGPT-5 带来文本和图画自动生成 News
加州大学圣克鲁兹分校的研讨团队最新发布了立异的多模态生成技能，名为 MiniGPT-5。该技能采用生成式 voken 概念，结合了 Stable Diffusion 机制和大型言语模型，为多模态生成带来了重大打破。MiniGPT-5 经过两阶段练习，无需特定范畴的注释。它采用了双损失战略，确保生成的文本和图画协调一致。这项研讨为多模态生成打开了新的可能性，表现超卓，树立了新的基准，可在多个范畴运用中发挥重要作用。
- paper: browse.arxiv.org/pdf/2310.02…
- 项目地址：github.com/eric-ai-lab…
◇ DeepMind 全新 AI 项目曝光：可操控各类机器人 News
DeepMind 与 33 个研讨机构合作推出 Open X-Embodiment 项目，旨在开发通用 AI 体系，可与不同类型的物理机器人协同作业并履行多种使命。该项目引入了包含 22 种机器人类型在内的巨大数据集，并采用具有技能迁移才能的 RT-1-X 模型。这一数据集包含超越 100 万个场景，展现了 500 多种技能和 15 万项使命，是最全面的机器人数据集之一。项目的核心理念是创立通用模型，类似于大型言语模型（LLM），可适用于各种机器人类型。RT-1-X 模型在多种使命上表现超卓，成功率高出 50%，并可在不同环境中迁移技能。未来方案将这些进展与 DeepMind 的 RoboCat 模型结合，推进机器人研讨的新方向。
- blog: www.deepmind.com/blog/scalin…
◇ 浙江工业大学大三学生开发者的 AI 创业之路 Twitter
两位年青的浙江工业大学大三学生创立了 ChatMind AI，类似于 C.AI 的产品，自 3 月启动以来，招引了 20 万用户并发明了若干万元的收入。他们经过自然流量、KOL 推行和用户自传播成功习惯商场，手机端用户占 60%，PC 端用户占 40%。未来规划包含精密场景化需求和满意学生需求，得到了商场和职业的活跃反馈，引起了大厂代表和创业者的关注。产品功用包含资深程序猿、写作大师、角色扮演、傲娇姐姐女友、AI 图片生成东西、万能学习帮手等，用户情感需求的技能立异也受到着重，着重了快速习惯商场和继续探索的重要性。
- 产品地址：x.chatmindai.net/explore?inv…
◇ 2 行代码，「三体」一次读完！打破 LLM 忘记魔咒 News
港中文贾佳亚团队与 MIT 合作发布了名为 LongLoRA 的技能，仅需两行代码，明显扩展大型言语模型的文本处理才能，有用处理了长文本处理问题。LongLoRA 技能使得 7B 模型文本长度可扩展到 100k tokens，70B 模型扩展到 32k tokens，填补了大型言语模型在长文本处理方面的不足。LongLoRA 技能经过分组和偏移模拟全局自注意力机制，明显减少了核算开销，相较于全参数微调，它降低了显存耗费和练习时刻，成为大言语模型处理长文本的重要打破。
- paper: arxiv.org/abs/2309.12…
- Github: github.com/dvlab-resea…
◇ 美国主导生成式人工智能范畴出资 News
美国主导生成式人工智能范畴的出资，占全球 89%的比例，特别是 Stable Diffusion 和 ChatGPT。曩昔五年 GenAI 范畴总出资超越 220 亿美元，2023 年出资继续添加，GenAI 对附近商场发生冲击，初创公司融资溢价明显，风险出资逐阶段增长，2023 年到达 120 亿美元。模型制造商融资占 GenAI 资金的 60%以上，运用程序和基础设施出资添加。全球生成式人工智能融资最多的国家是美国，我国在 AI 芯片范畴处于领先地位。
◇ ChatGPT 与 Bing Chat：应该运用哪个 AI 谈天机器人 ？ Twitter
挑选 ChatGPT 的理由：
- 广泛知名度和盛行度：ChatGPT 是 AI 谈天机器人范畴的领头羊，备受瞩目，具有广泛的知名度和盛行度。
- 深化答复：ChatGPT 供给最深化的答复，不受查询限制，能够答复多个后续问题。
- 练习历史：ChatGPT 在 2021 年之前练习过，能够答复关于 2021 年之前的事情和主题的问题，包含技能范畴如写作和编码。
挑选 Bing Chat 的理由：
- 互联网拜访权限：Bing Chat 能够拜访整个互联网，供给关于当时事情的免费信息，适用于获取最新事情、故事和研讨相关的问题。
- 答复来历：Bing Chat 供给答复的来历，有助于确认信息的准确性，特别是在作业或学术交付、研讨或休闲对话中。
- 数学问题解答：经过 Bing Chat 提出数学问题将为你供给杂乱的数学表达式和它们的来历。
- 拜访 GPT-4：如果需求免费拜访 OpenAI 的最新模型 GPT-4，Bing AI 是仅有的挑选，它在 GPT-4 上运行，比 GPT-3.5 更先进和牢靠，并且无需付费订阅即可获得 Bing 的最新功用。
◇ 美图发布自研视觉大模型 MiracleVision 3.0 News
美图公司在 15 周年生日会上发布了 AI 视觉大模型 MiracleVision 3.0 版别，仅 100 天内获得明显进展。这一模型具有超卓的图画细节生成才能，核心特性包含智能联想和精准操控，将在电商、广告、游戏、动漫、影视等五大职业中运用，进步作业效率和美学水平。创始人吴欣鸿以为，AI 视觉大模型将在未来几年内老练，成为创意库，为不同运用供给技能支撑和效果迭代。这一事情标志着美图公司在 AI 视觉范畴获得重大进展，将在多个职业中发挥要害作用。
◇ 为什么 RAG 如此受欢迎？ Twitter
RAG 的受欢迎程度源于其共同的优势和本钱效益的结合，它将“关闭书本”办法的生成灵活性与“开放书本”检索式办法的功能相交融。
RAG 的优势：
- 动态常识操控：RAG 答应在不重新练习整个模型的情况下轻松修改和弥补内部常识，节省时刻和资源。
- 当时和牢靠信息：RAG 确保模型始终能够拜访最新和可信的事实数据。
- 通明的来历验证：用户能够经过查看模型的信息来历来验证其输出，进步对模型输出的信赖度。
- 信息泄漏减少：RAG 的基础是外部可验证的事实，然后降低了模型泄漏敏感数据或生成不准确信息的风险。
- 范畴特定常识：RAG 能够供给关于内部数据的额外上下文和信息，以更好地满意特定范畴的需求。
- 本钱效益和低保护本钱：RAG 降低了企业运用大型言语模型的继续培训和参数更新本钱，带来了更经济高效的处理方案。
◇ 2023 年最佳大型言语模型！ Twitter
◇ 怎么培育下一代 AI 人才 Twitter
树立人工智能人才和项目管道需求技能和教育的支撑，政府和底层建议的参加至关重要。全球范围内的人工智能中心，如波士顿、硅谷、多伦多等，依托杰出的学府和科学参谋，招引了全球人才。培育具有人工智能才能的工人是处理人工智能问题的要害，而美国在人工智能范畴的领先地位需求支撑下一代人才的培育。各国政府应该为底层人工智能生态体系供给支撑，包含在教育中认可人工智能学位。树立本地化的人工智能生态体系和杰出中心是培育下一代人工智能人才的要害，需求合作、树立信赖，处理当地问题，以推进人工智能范畴的领先地位。
◇ 美国国家安全局的新人工智能中心 News
美国国家安全局建立人工智能安全中心，保护人工智能体系免受过错、漏洞和外国情报要挟，并保护美国在人工智能范畴的领先地位。美国政府隶属部门长时间考虑人工智能及其影响，地缘政治紧张局势可能受人工智能技能影响，而灰色世界继续关注人工智能开展。独裁政府方案采用新体系引发考虑，第二层监控和犯罪前猜测方案上线，文娱公司企图平息贰言者但并非所有人都喜闻文娱，媒体对革新故事的展现可能影响真实的革新。
「 融资快讯 」
◇ 「Iambic Therapeutics」获 1 亿美元 B 轮融资，加速开展人工智能药物研制渠道 News
Iambic Therapeutics 是一家位于加利福尼亚州圣地亚哥的生物技能公司，运用人工智能渠道研制新式药物。最近完成了 1 亿美元的 B 轮融资，方案推进多个药物进入临床开发，扩展产品管线，并继续开展下一代人工智能和自动化技能。公司的人工智能渠道结合物理学原理，进步了药物规划的效率，发现了两种可进入临床的候选药物，并创立了 NeuralPLexer 和 OrbNet 等东西来推进渠道的开展。
「 机器人范畴 」
◇ GenSim：经过大型言语模型生成机器人仿真使命 Twitter
GenSim 能够运用大型言语模型（LLM）的才能自动生成丰厚的模拟环境和专家演示。GenSim 有两种模式：方针导向生成，其间 LLM 供给方针使命并生成相关使命；以及探索性生成，LLM 从先前使命中提取新使命。经过运用 GPT4 扩展现有基准使命并进行微调，该办法在多使命战略练习中明显增强了使命级泛化才能。最终经过模拟到实际的习惯，这些预练习战略在长时间使命上表现出更强的迁移才能，相较于基线高出 25%。
- Website: liruiw.github.io/gensim/
- Demo: huggingface.co/spaces/Gen-…
「 技能阅览 」
◇ 运用 LLMs 生成综合数据集 Twitter
运用大型言语模型生成组成数据集，处理了机器学习中缺少标记数据的问题。这个技能答应我们依靠大型言语模型的泛化才能，几乎立即测验新主意或开发 AI 功用。其间一项令人兴奋的运用是运用 LLM 生成组成数据集，以练习新一代模型，尤其在资源有限的言语或特定范畴中功能明显提升。
- 为 RAG 生成组成数据集：www.promptingguide.ai/application…
- 处理生成的数据集的多样性：www.promptingguide.ai/application…
◇ 怎么改进 RAG 体系 Twitter
- 高档检索：docs.llamaindex.ai/en/stable/e…
- 多文档代理：docs.llamaindex.ai/en/stable/e…
- 微调：docs.llamaindex.ai/en/stable/e…
