4. 【螞蟻集團(tuán)天機(jī)實(shí)驗(yàn)室利用AI機(jī)器人測試智能手機(jī)的生物識別安全性】

據(jù)報(bào)道，位于北京的天機(jī)實(shí)驗(yàn)室利用帶有攝像頭和AI算法的機(jī)器人測試智能手機(jī)的生物識別安全性。該實(shí)驗(yàn)室采用了3D深度視覺、強(qiáng)化學(xué)習(xí)和目標(biāo)檢測等先進(jìn)技術(shù)，獲得了谷歌的授權(quán)，可以測試Android生物識別安全性。中國公司在生物識別技術(shù)方面處于領(lǐng)先地位，未來還有在汽車、虛擬現(xiàn)實(shí)和腦機(jī)接口等領(lǐng)域的應(yīng)用前景。

5. 【中國礦業(yè)行業(yè)的自動(dòng)駕駛技術(shù)】

中國的自動(dòng)駕駛公司如TagoIO、Boree和Huituo正在礦山進(jìn)行測試或運(yùn)營。政府計(jì)劃到2025年實(shí)現(xiàn)開放式煤礦的智能連續(xù)作業(yè)和無人運(yùn)輸。實(shí)施自動(dòng)化采礦卡車的挑戰(zhàn)和潛在好處。潛在市場空間超過1000億元。自動(dòng)駕駛技術(shù)的應(yīng)用將帶來更高的安全性、效率和成本降低。

6. 【卡內(nèi)基梅隆大學(xué)研究人員開發(fā)Unlimiformer：預(yù)訓(xùn)練編碼器-解碼器中無限長度輸入的AI方法】

卡內(nèi)基梅隆大學(xué)的研究人員開發(fā)了Unlimiformer，該方法擴(kuò)展了預(yù)訓(xùn)練語言模型的輸入長度容差。該策略通過外部數(shù)據(jù)存儲(chǔ)庫補(bǔ)充預(yù)訓(xùn)練的編碼器-解碼器轉(zhuǎn)換器。該方法已在長文檔和多文檔摘要任務(wù)中進(jìn)行了測試，并在GitHub上提供了代碼和模型。

7. 【ZipIt：一種合并同一架構(gòu)的兩個(gè)任意模型的通用方法】

美國喬治亞理工學(xué)院的研究人員開發(fā)了ZipIt方法，可以合并同一架構(gòu)的兩個(gè)任意模型，相比其他方法，可以將準(zhǔn)確度提高多達(dá)20％。該方法還允許將訓(xùn)練在各種任務(wù)上的任意數(shù)量的模型進(jìn)行壓縮。該研究的代碼和數(shù)據(jù)集已在GitHub上公開。

8. 【IBM開發(fā)SELF-ALIGN方法將語言模型轉(zhuǎn)化為ChatGPT風(fēng)格模型】

IBM開發(fā)了SELF-ALIGN方法，使得AI助手能夠與人類定義的原則相一致。基于LLaMA-65b的Dromedary模型在某些任務(wù)上超越了GPT-4。SELF-ALIGN方法僅需要300行人工注釋數(shù)據(jù)。研究人員希望能夠使AI助手的開發(fā)更加簡單和便宜。

9. 【Introducing StarCoder: 最大的開源代碼語言模型】

Hugging Face和ServiceNow合作開發(fā)了BigCode，創(chuàng)建了大型編程語言模型StarCoder和StarCoderBase，使用GitHub的開放許可數(shù)據(jù)。StarCoderBase的性能與OpenAI的閉源模型如code-Cushman-001相當(dāng)甚至更好。StarCoder模型采用開放負(fù)責(zé)任的AI模型許可證發(fā)布。

10. 【AI模型的未來：數(shù)據(jù)源耗盡】

據(jù)預(yù)測，高質(zhì)量的AI模型數(shù)據(jù)將在2026年之前耗盡。更大的模型面臨著收益遞減和差勁的泛化性能。解決數(shù)據(jù)稀缺的替代方法包括多樣化的訓(xùn)練數(shù)據(jù)集、JEPA、數(shù)據(jù)增強(qiáng)和遷移學(xué)習(xí)。長期來看，需要有效的方法來克服數(shù)據(jù)稀缺問題。

11. 【MosaicML和Together發(fā)布開源AI模型MPT和RedPajama】

MosaicML和Together發(fā)布了商業(yè)使用的MPT和RedPajama模型，表現(xiàn)類似于LLaMA模型。這些模型都是在同一個(gè)5TB的開源數(shù)據(jù)集上訓(xùn)練的。該發(fā)布預(yù)計(jì)將擴(kuò)大開源社區(qū)并降低神經(jīng)網(wǎng)絡(luò)訓(xùn)練成本。

12. 【Midjourney發(fā)布V5.1，提高AI圖像生成質(zhì)量】

Midjourney V5.1發(fā)布，生成的圖像質(zhì)量更高，更易于使用。該公司正在開發(fā)文本到視頻工具，用于AI生成的藝術(shù)。小米推出Mi Drone 4K，飛行時(shí)間27分鐘，最遠(yuǎn)可飛行2公里。

13. 【大型語言模型：演變、應(yīng)用和指南】

本文概述了過去五年大型語言模型（LLMs）的發(fā)展情況，將LLMs分為BERT和GPT兩個(gè)陣營，并討論了數(shù)據(jù)在LLM性能中的重要性。文章分析了三種類型的任務(wù)：傳統(tǒng)的自然語言理解、生成和知識密集型任務(wù)，并提供了在LLM和微調(diào)模型之間進(jìn)行選擇的指南。

14. 【GPT 3.5模型選擇指南：在五種場景下的表現(xiàn)】

本文對比了三種GPT 3.5模型在五種不同場景下的表現(xiàn)，其中Gpt-3.5-turbo在大多數(shù)場景中表現(xiàn)最佳。文章還評估了GPT-3模型在五個(gè)應(yīng)用場景中的表現(xiàn)，并討論了用于共享和評估機(jī)器學(xué)習(xí)模型的SOTA！模型平臺(tái)。

15. 【斯坦福研究人員開發(fā)新方法壓縮NLP模型】

斯坦福大學(xué)的研究人員開發(fā)了一種名為Gisting的新方法，用于壓縮NLP模型。該方法使用語言模型作為預(yù)測器，無需額外的訓(xùn)練，并在不同的模型和數(shù)據(jù)集上進(jìn)行了測試，表現(xiàn)出強(qiáng)大的泛化能力。它將26個(gè)標(biāo)記壓縮成一個(gè)，節(jié)省存儲(chǔ)空間，可以提高NLP模型的效率并降低存儲(chǔ)成本。

16. 【FlagAI發(fā)布支持18種語言的首個(gè)文本到圖像模型AltDiffusion-m18】

FlagAI團(tuán)隊(duì)發(fā)布了AltDiffusion-m18，支持18種語言，結(jié)合多語言預(yù)訓(xùn)練模型和穩(wěn)定擴(kuò)散技術(shù)，實(shí)現(xiàn)了在英語FID、IS和CLIP得分方面的高性能表現(xiàn)，填補(bǔ)了非英語文本到圖像模型的空白。該模型可通過FlagAI開源項(xiàng)目下載和使用。