👉👉原文链接👈👈
阅读详细图文，可访问知识库
「 行业动态 」
◇ 挑战 GPT-4V！清华&智谱开源多模态 14 边形战士 🔗 News
CogVLM-17B 由清华大学和智谱 AI 合作开发，是一款国产多模态模型，能够准确识别图像中的房子数量，包括完整可见和部分可见的，在多个权威跨模态基准测试中表现出色。CogVLM 不仅可以回答各种视觉问题、推理事实、解答问题和编程题目，还能进行目标检测和自动数据标注。该模型采用深度对齐方法，改进了深度融合，它在训练过程中并未使用专门的 OCR 数据，却展现出强大的文字识别能力。CogVLM 已经开源，目前仅支持英文，后续将提供中英双语版本的支持。
- 试玩：http://36.103.203.44:7861
- Github: github.com/THUDM/CogVL…
◇ OpenAI CEO：超级人工智能即将到来 🔗 Twitter
OpenAI 的 CEO Sam Altman 表示，人工通用智能（AGI）并非终点，要实现人工超级智能（ASI），可能需要到 2030 或 2031 年，尽管也存在很大的不确定性。OpenAI 认为超级智能可能会提前到来，因此他们设定了一个解决 AI 对齐问题的截止期限，大约是 3.5 年。这意味着 Altman 预计不久的将来，一种超越人类技能的外来智能可能会到达地球。
◇ Replit AI 免费开放，代码开发更轻松 🔗 Twitter
Replit 为所有开发人员提供 Replit AI，包括代码完成和代码辅助功能，免费计划用户可以享有基本人工智能功能，专业用户则拥有独家访问权。最新推出的 replit-code-v1.5-3b 是一款强大的 3B LLM，使编辑器上的代码完成功能更为强大。未来的路线图涵盖了 AI 重新定义 Replit 各项功能，旨在将 AI 成为软件开发的代名词，而事实上，人工智能正在重新定义整个软件开发生命周期，为 2300 万开发人员提供 AI 功能的支持，未来将逐步推出新的代码 LLM，增强 Replit 编辑器上的代码完成功能，最终将 Replit 塑造成人工智能的代名词。
- blog: blog.replit.com/ai4all
◇ 新的 7B 模型现在完全击败 LLaMA 2 70B 🔗 Twitter
一新的 7B 模型已成功超越了 70B 版本的 LLaMA 模型，该模型起源于 Mistral 7B，并通过自监督微调利用了精挑细选的 UltraChat 数据集，其中包括 20 万个样本。此外它还经过微调，专注于帮助性信息的用户反馈（DPO），涵盖了 64,000 个样本。相对于以前的 PPO 方法，DPO 训练在这项研究中表现更为稳定，仅仅使用 6.4 万个反馈样本就足以显著改进模型的帮助性。
- Github: github.com/huggingface…
◇ 微软 AI 服务运营成本上升：每用户平均亏损 20 美元 🔗 News
尽管 GitHub Copilot 每月收费 10 美元，但微软还是平均为每个用户每月倒贴超过 20 美元。英伟达的 AI 芯片需求上升，带来巨额利润，但也导致了大型模型的运行成本上升。微软计划推出 Microsoft 365 Copilot，每月使用价格为 30 美元，并计划自制 AI 芯片以降低成本。AI 领域可能将依赖制造大型模型的芯片或数据中心成为盈利途径。OpenAI 的 ChatGPT 收入增长放缓，但在 9 月份实现了 458 万美元的总收入，而其竞争对手 Ask AI 则取得更多的收入，尽管净收入可能存在差异。
◇ TikTok 推出新功能 Direct Post，可直接发布视频 🔗 News
TikTok 推出了全新的内容发布 API 产品 Direct Post，允许社区用户从第三方平台将视频内容发布到 TikTok。用户可以在第三方平台内设置字幕、受众等选项，随后一键发布到 TikTok。创作者可以使用社交媒体管理平台安排长视频内容发布，前提需要将 TikTok 帐户连接到第三方平台。Adobe 等主要合作伙伴的支持使创作者能够使用 Adobe Premiere Pro 和 Adobe Express 中的 Direct Post 功能，从而提高效率。此外 TikTok 的 Direct Post 还与其他关键第三方平台合作，如 CapCut 等扩展了合作伙伴套件。Direct Post 还引入了“Share to TikTok”，允许社区用户将第三方平台内容作为草稿上传到 TikTok，触发通知警报，并可以在 TikTok 的编辑流程中进行进一步编辑。
◇ Adobe Firefly 现在可以生成更逼真的图像 🔗 News
Adobe 在 MAX 创意人士年度会议上宣布更新了 Firefly 生成式 AI 图像创建服务支持的模型，命名为 Firefly Image 2 模型，以提高图像渲染质量，特别关注面部特征、皮肤、身体和手部等细节，Firefly 已经吸引了 30 亿张图像的生成，其中 90%为全新用户。新模型得益于更大的训练数据集，提供更出色的用户体验和图像质量。Adobe 计划将新模型整合到 Creative Cloud 应用程序中，以支持生成填充等功能。Firefly Web 应用程序引入了新的控件，包括景深、运动模糊、视野设置以及自动完成功能，进一步增强了用户的创意和操作选项。
◇ 文心大模型再获国际顶刊认可！登上 Nature 子刊 🔗 News
《自然》子刊《机器智能》发布了百度飞桨螺旋桨与百图生科合作的生物计算大模型成果。这一成果引入了 HelixFold-Single 大模型，能够无需多序列比对（MSA）输入，极大加速了蛋白结构预测，平均提高了数百倍的速度，实现了秒级预测。与 AlphaFold2 相比，HelixFold-Single 的速度提高了 115 倍，适用于蛋白设计和虚拟筛选等任务，在多肽、抗体、纳米抗体等领域效果优于 AlphaFold2。此模型已应用于国家超算成都中心，提供高效的蛋白分析能力。HelixFold-Multimer 算法则提高了复合体结构预测的精度，适用于抗原抗体复杂场景。
◇ 港科大谭平团队突破 3D 生成领域关键性问题 🔗 News
谭平团队的最新研究，包括"SweetDreamer"和"Ctrl-Room"两篇论文，解决了 3D 领域的多视角一致性挑战，实现了高质量的 3D 模型生成。"Ctrl-Room"引入了循环一致性采样方法，确保了室内场景外观的一致性，允许用户对生成的 3D 房间进行灵活编辑，包括布局和外观。这项技术包括两个关键步骤：布局生成和外观生成，并利用结构化的数据集进行性能评估，表现卓越，同时具有更好的房间结构保持，生成时间也较短。用户研究结果显示，用户认为"Ctrl-Room"在房间布局和家具排列方面更清晰。
- SweetDreamer: sweetdreamer3d.github.io/
- Ctrl-Room: fangchuan.github.io/ctrl-room.g…
◇ AI 天才杨植麟交卷大模型 ，20 万字文本支持 🔗 News
清华大学叉院助理教授杨植麟创办的 AI 公司月之暗面，发布了新的大模型产品智能助手 Kimi Chat，支持长文本输入，最长可达 20 万字，超越了现有大模型如 Claude（100k 字）和 GPT-4（32k 字）等 2.5 倍和 8 倍，堪称全球最长。这标志着月之暗面旨在打造 To C 超级应用的“登月计划”的第一步。月之暗面采用创新的网络结构和工程优化，而非依赖传统的方法，公司计划明年发布多模态产品，最终目标是成为 C 端的超级应用。公司核心团队有 3 人，其中杨植麟在计算机领域具有深厚背景，其他两位联合创始人也拥有相关经验。
◇ 和谷歌搜索抢活，FRESHLLM 幻觉更少，信息更准 🔗 News
大型语言模型如 BARD 和 CHATGPT/GPT-4 在多领域多轮对话中表现出多功能性，但幻觉和过时信息限制了它们的可信度，尤其是在需要实时信息的领域。为了评估 LLM 的事实性，新的 FRESHQA 数据集应运而生，其中包含各种主题和不同难度的问题。引入了 FRESHPROMPT 方法，通过整合搜索引擎提供的最新信息，明显提高了 LLM 的事实性。实验证明，FRESHPROMPT 对提高 LLM 的准确性非常有效，弥补了可信度方面的不足。总结评价：LLM 在多轮对话中展现多功能性，但存在可信度问题，FRESHQA 数据集为改进提供了机会，而 FRESHPROMPT 方法则成功提高了 LLM 的准确性。
- paper: arxiv.org/pdf/2310.03…
◇ Nature 调查：仅 4％科学家认为 AI 已成“必需品” 🔗 News
Nature 的最新调查，只有 4%的研究者认为 AI 工具是"刚需"，但超过四分之一的使用 AI 工具的研究者认为在未来十年内 AI 将成为领域的"必需品"。尽管 47%的研究者认为人工智能非常有用，但不使用 AI 工具的研究者表现出较少兴趣。使用 AI 工具的研究者普遍认为 AI 提供更快的数据处理方式和加速计算，但也担心可能带来更多依赖模式识别和增加偏见或歧视。大多数人认为生成式 AI 工具在总结、翻译和编写代码方面有优点，但也担心信息传播的不准确性。不少研究者对大型语言模型的输出不满意，担忧科学可能过度由机器驱动。在 AI 对社会的担忧方面，传播错误信息被认为是最令人担忧的问题，而 AI 对人类构成生存威胁的担忧相对较低。
◇ Meta 为做 AI 聊天机器人 下“血本” 🔗 News
根据 The Information 的报道，Meta 正在支付明星如 Snoop Dogg、Tom Brady、MrBeast 和 Charli D'Amelio 等高额费用，以使用他们的肖像作为 Meta 的人工智能助手。其中，一名顶级创作者仅需在工作室工作 6 个小时就获得高达 500 万美元的酬劳。Meta AI 是基于 Llama 2 的生成式人工智能，具备更深入、更强大的交互能力，于 9 月底的 Connect 开发者大会上发布，能够提供实时网络搜索结果和生成图像。此外，Meta 还发布了 28 个名人肖像的新聊天机器人，每个角色都具有独特的个性和故事。
◇ 探寻无界创新：无界 AI 的艺术与技术之旅 🔗 Twitter
位于杭州的无界 AI 是领先的 AI 绘画平台，拥有近百名精英人才，其中 62%为研发人员，16%具有博士和硕士学历。拥有近 300 万注册用户，每日创作 200 万作品，AI 作品总数已超过 1 亿，曝光热度达 3 亿。与众多企业合作，举办了 50 场活动，吸引了 10 万创作者，收到 50 万件参赛作品。为企业提供 AI 绘画服务，合作伙伴包括麦当劳、上汽集团、万事利、三维家等。国内用户主要使用微信，社区分享不如推特流畅，解决了信息分享问题。积极投身 AIGC 研究，关注技术研发、社区影响力扩大、海外市场拓展。无界 AI 在 AI 绘画和 AIGC 领域取得成就，技术、B 端、社区均有竞争力。
◇ 谷歌的生成式人工智能搜索：精简版可以降低成本 🔗 News
谷歌推出了“SGE Lite”，这是一种精简的生成式人工智能搜索变体，以降低成本。谷歌正在努力在人工智能搜索领域与竞争对手竞争，并寻求在高成本的模型训练和搜索收入潜力之间取得平衡。他们希望通过适应新兴在线生态系统的竞争来实现平稳过渡。SGE Lite 会精简生成的结果，并只在第二次交互后显示完整答案。与此同时，微软的 Bing Chat 实验未能扩大搜索市场，而 OpenAI 的 ChatGPT 在可靠性和功能性方面仍有一些差距。
◇ SANPO：场景理解、辅助功能、导航、寻路和避障数据集 🔗 Twitter
Google 提出了 SANPO 数据集，旨在支持人类自我中心的场景理解任务，包括真实和合成数据，以促进视障人士的视觉导航系统和场景理解研究。该数据集包括多种密集预测任务所需的注释，如语义类别和实例掩码，与其他数据集进行比较，为解决与人类导航和场景理解相关的问题提供了强大的支持。SANPO-Real 部分包含 701 个会话，使用立体摄像机记录，每个会话都有高级属性注释和深度图。而 SANPO-Synthetic 部分则是高质量的合成数据集，与现实世界的数据匹配，包含 1961 个会话，具有像素完美的注释。
◇ 大型语言模型的自我改进和接受反馈 🔗 Twitter
大型语言模型（LLMs）是否能像人类一样进行自我改进？尽管不如人类那样自主学习，LLMs 有一些自我改进的技巧。研究表明，LLMs 可以通过微调和自我一致性来提高其推理能力，无需真实标签数据。这些方法在自然语言处理任务中表现更好，减少了对广泛监督的依赖。此外，还有一些创新框架，如 ImPlicit Self-ImprovemenT（PIT），以及自我参照自我改进机制，有望推动 LLMs 的自我完善。虽然 LLMs 可以接受建设性反馈并不断改进，但实现实时学习仍然是未来的挑战。
◇ 2023 年新兴人工智能和机器学习趋势 🔗 Twitter
◇ 陶哲轩：用 GPT-4 辅助证明不等式定理 🔗 News
陶哲轩最近借助 GPT-4 处理数学问题，取得了不等式理论的示例结果，计划发布在 arXiv 上。他也开始学习 Lean4 交互式证明系统，以进行形式化证明，并通过自然数游戏在机器辅助证明研讨会中磨练 Lean 的技巧。GPT-4 在此过程中对他的工作非常有帮助，尤其是在解决复杂问题时。陶哲轩的探索受到了社交媒体的热烈欢迎，凸显 Lean 在证明检查中的广泛应用。虽然有人提出了超越人类的证明能力的问题，这需要更多的研究来探讨。
「 融资快讯 」
◇ 「联丰迅声」完成 Pre-A+轮融资，专注面向环境声音的声学 AI 检测 🔗 News
西安联丰迅声信息科技公司最近完成了千万级的 Pre-A+轮融资，由西安市人才基金领投。公司成立于 2018 年，专注于声学 AI 检测仪器及设备的制造服务，提供环境声音信号检测、识别和声源定位等声学 AI 监测仪器，广泛应用于电力、工业、煤矿、安防等领域。团队主要来自西北工业大学，拥有声学检测和声源定位技术的专业知识，并合作成立了“环境声音感知联合实验室”。其声学 AI 检测技术结合了声音场景分类、异常声音监测和声音事件识别，采用非接触测量，提高了检测效率，实现更高的准确率。公司计划进行国际扩张，建立核心壁垒，并提供高性价比的产品。
「 技术阅读 」
◇ 2023 年 Kaggle 人工智能报告 🔗 Twitter
◇ 什么是自然语言处理 ？2023 年 NLP 指南 🔗 Twitter
自然语言处理（NLP）是未来几年各行业组织的重要技术，通过计算机理解文本和语音数据并生成响应。它已经在多个领域得到广泛应用，如客户服务、财务、医疗保健等。NLP 技术不仅改善了沟通和提高了效率，还提供了个性化支持和洞察分析。尽管面临挑战，NLP 的发展和应用前景广泛，包括聊天机器人等多个领域。机器学习在 NLP 中起着重要作用，而 Python 等工具和库也用于开发 NLP 应用。 NLP 领域的未来将继续为人工智能应用提供重要支持。
◇ 文本拆分在建立 LLM/RAG 应用程序的 ETL 管道中的重要性 🔗 Twitter
文本拆分在建立 LLM/RAG 应用程序的 ETL 管道中至关重要，全新的 llama_index 解析器提供了重要的功能。它允许以层次结构的方式解析文本和表格数据图，使用户能够同时处理非结构化和表格数据。此解析器还可利用 LLMs 从未经格式化的表格中提取结构化摘要和模式，并支持分层节点引用，使每个摘要能够链接到相应的表格，实现递归检索。构建在@UnstructuredIO 基础之上，这一解析器简化了数据处理过程，以前繁琐的表格数据解析现在只需 5 行代码即可完成，提高了数据处理的效率。
