?? AI新聞

?? OpenAI推出自定義指令功能，個(gè)性化聊天機(jī)器人

摘要：OpenAI宣布推出自定義指令功能，可以在系統(tǒng)層面給聊天機(jī)器人定制指令，使其更具個(gè)性化特色和貼近用戶(hù)需求，不需要在每次對(duì)話(huà)中重復(fù)偏好或信息。該功能將在OpenAI的PLUS計(jì)劃中提供測(cè)試版，并將在未來(lái)幾周內(nèi)推送給所有用戶(hù)（英國(guó)和歐盟除外）。OpenAI發(fā)現(xiàn)，為了滿(mǎn)足不同區(qū)域和人群的獨(dú)特需求，聊天機(jī)器人需要增加一定的可操控性。此功能的使用案例提供了在網(wǎng)頁(yè)和iOS設(shè)備上的具體設(shè)置步驟。

?? 全球AI應(yīng)用市場(chǎng)快速增長(zhǎng)，2023年上半年下載量突破3億次

摘要：根據(jù)SensorTower發(fā)布的《2023年AI應(yīng)用市場(chǎng)洞察》報(bào)告顯示，2023年上半年全球AI應(yīng)用市場(chǎng)呈現(xiàn)快速增長(zhǎng)趨勢(shì)。AI應(yīng)用下載量同比增長(zhǎng)114%，超過(guò)3億次，超過(guò)2022年全年水平。AI應(yīng)用內(nèi)購(gòu)收入同比增長(zhǎng)175%，接近4億美元。美國(guó)成為AI應(yīng)用內(nèi)購(gòu)收入最高的市場(chǎng)，貢獻(xiàn)了全球頭部AI應(yīng)用總收入的55%。聊天機(jī)器人和圖像生成是最熱門(mén)的AI賽道，其中聊天機(jī)器人應(yīng)用的下載量占全球前100名AI應(yīng)用總下載量的49%。

?? GPT-4智力顯著下降，處理數(shù)學(xué)和代碼任務(wù)準(zhǔn)確率大幅降低

摘要：斯坦福大學(xué)和加州大學(xué)伯克利分校的研究團(tuán)隊(duì)發(fā)現(xiàn)，GPT-4在處理數(shù)學(xué)問(wèn)題、生成執(zhí)行代碼和完成視覺(jué)推理任務(wù)上的準(zhǔn)確率明顯下降。其中，GPT-4在判斷一個(gè)數(shù)字是否為質(zhì)數(shù)的問(wèn)題上出錯(cuò)，并且沒(méi)有提供解釋?zhuān)瑴?zhǔn)確率從97.6%下降到2.4%。此外，GPT-4在編碼區(qū)域的能力也下降，直接可執(zhí)行版本從52%降低到10%。同時(shí)，回答敏感問(wèn)題的回答率也大幅下降。研究人員建議進(jìn)一步完善GPT-4的設(shè)計(jì)，提高其智力水平。

?? 谷歌測(cè)試AI技術(shù)制作新聞報(bào)道的產(chǎn)品

摘要：據(jù)報(bào)道，谷歌正在測(cè)試一款利用AI技術(shù)制作新聞報(bào)道的產(chǎn)品，該工具能夠接收時(shí)事新聞信息，并自動(dòng)生成新聞稿件。谷歌表示該工具可作為記者的個(gè)人助理，可以幫助記者節(jié)省時(shí)間完成其他任務(wù)。然而，由AI工具生成的新聞其真實(shí)性和準(zhǔn)確性存在不確定性。一些新聞網(wǎng)站甚至完全由AI軟件生成文章，其中不乏虛假信息和廣告。專(zhuān)家們對(duì)于AI生成新聞的情況表示擔(dān)憂(yōu)。對(duì)于這一技術(shù)，有人看到了其潛在的優(yōu)點(diǎn)和缺點(diǎn)。

?? 騰訊音樂(lè)推出AI機(jī)器人聊天App“未伴”

摘要：騰訊音樂(lè)旗下的AI機(jī)器人聊天App“未伴”開(kāi)始測(cè)試，該App集合了AI陪聊、AI伴侶寫(xiě)真等多個(gè)功能，用戶(hù)可以選擇預(yù)置的AI伴侶或自行創(chuàng)建一個(gè)AI伴侶。用戶(hù)可以選擇AI伴侶的形象、性別和初始模板，然后設(shè)置昵稱(chēng)和開(kāi)場(chǎng)白等自定義內(nèi)容，形成獨(dú)一無(wú)二的AI伴侶。報(bào)道稱(chēng)，在聊天過(guò)程中，AI伴侶可能存在邏輯混亂的情況，用戶(hù)需要調(diào)整修正，提升準(zhǔn)確度。這次探索對(duì)國(guó)內(nèi)AI聊天機(jī)器人發(fā)展具有探路價(jià)值。

?? AI知識(shí)

???LLM+Embedding構(gòu)建問(wèn)答系統(tǒng)的局限性及優(yōu)化方案

近期LangChain + LLM 方案高速發(fā)展，降低了知識(shí)問(wèn)答等下游應(yīng)用的開(kāi)發(fā)門(mén)檻。但隨著業(yè)務(wù)深入，一些局限性也日漸顯露，比如：LLM意圖識(shí)別準(zhǔn)確性較低，交互鏈路長(zhǎng)導(dǎo)致時(shí)間開(kāi)銷(xiāo)大；Embedding 不適合多詞條聚合匹配等。本文結(jié)合實(shí)際案例，分析上述問(wèn)題存在的根源，并提出基于傳統(tǒng) NLP 技術(shù)的解決思路。

???大模型LLM知識(shí)整理

還記得剛接觸NLP的時(shí)候就是做NLG（RNN時(shí)代了），后續(xù)感覺(jué)生成式的東西太不靠譜，因此做了幾年信息抽取，隨著LLM能力的“涌現(xiàn)”，是時(shí)候快速follow一下相關(guān)知識(shí)了。全都自己寫(xiě)顯然不現(xiàn)實(shí)，效率也不高，因此這篇博客會(huì)以“收集優(yōu)秀的技術(shù)博客“為主，方便和我一樣想要快速catch up的同學(xué)“查漏補(bǔ)缺”。

更多AI工具，參考Github-AiBard123，國(guó)內(nèi)AiBard123