或許AI的下一波創(chuàng)新,不僅是比拼誰(shuí)的模型更大,還要看誰(shuí)能讓AI更輕便、更普及、更貼近生活。
階躍星辰與吉利聯(lián)合開(kāi)源兩款,打造開(kāi)源大模型世界的中國(guó)新勢(shì)力。
2025年,特斯拉要量產(chǎn)10000臺(tái)機(jī)器人。
結(jié)合英特爾Optimum-Habana 框架的優(yōu)化,英特爾(R) Gaudi 2D顯著提升了文生圖任務(wù)的吞吐性能和推理效率,僅需約10秒即可生成16張高質(zhì)量的圖片,性能表現(xiàn)卓越。
上海人工智能實(shí)驗(yàn)室對(duì)書(shū)生大模型進(jìn)行重要版本升級(jí),書(shū)生·浦語(yǔ)3.0(InternLM3)通過(guò)精煉數(shù)據(jù)框架,大幅提升了數(shù)據(jù)效率,并實(shí)現(xiàn)思維密度的躍升。僅使用4T訓(xùn)練數(shù)據(jù)的InternLM3-8B-Instruct,其綜合性能超過(guò)了同量級(jí)開(kāi)源模型,節(jié)約訓(xùn)練成本75%以上;同時(shí),書(shū)生·浦語(yǔ)3.0首次在通用模型中實(shí)現(xiàn)了常規(guī)對(duì)話(huà)與深度思考能力融合,可應(yīng)對(duì)更多真實(shí)使用場(chǎng)景。
AI視頻領(lǐng)域真的卷麻了,比2023年的大模型還卷。自從可靈1.6發(fā)了之后,明顯感覺(jué)所有家都坐不住了,基本都把自己的牛逼貨加速推了出來(lái)。整體看了一下Vidu2.0的效果,在模型質(zhì)量上,比較驚艷,能躋身T1梯隊(duì)。
夸克的年輕用戶(hù)(24歲以下)占比超過(guò)50%,遠(yuǎn)高于行業(yè)平均水平。
Scaling Law在這一新階段被賦予了新的定義,標(biāo)志著大模型領(lǐng)域的競(jìng)爭(zhēng)焦點(diǎn)已由單純的基礎(chǔ)模型能力比拼,拓展至對(duì)場(chǎng)景應(yīng)用與商業(yè)變現(xiàn)能力的深度挖掘。在此轉(zhuǎn)型過(guò)程中,人工智能在產(chǎn)業(yè)應(yīng)用方面展現(xiàn)出的巨大價(jià)值愈發(fā)凸顯。
目前,Transformer架構(gòu)的預(yù)訓(xùn)練大模型在存儲(chǔ)、查詢(xún)數(shù)據(jù)時(shí),隨著參數(shù)的變大對(duì)算力的需求呈指數(shù)級(jí)增長(zhǎng)!坝洃泴印碧岢隽诵碌母咝Р樵(xún)機(jī)制替代了傳統(tǒng)的查詢(xún)方法,通過(guò)比較查詢(xún)鍵與兩個(gè)較小集合中的鍵,可以快速找到最相關(guān)的鍵,而無(wú)需遍歷模型的整個(gè)記憶層。
AI無(wú)疑是人類(lèi)最偉大的發(fā)明之一,我們堅(jiān)信它的未來(lái)將是、也應(yīng)該是多種模型共存的局面。
寫(xiě)一個(gè)python程序,主要功能是將普通視頻轉(zhuǎn)換為字符藝術(shù)視頻。它首先將輸入視頻(jinitaimei.mp4)用ffmpeg按幀分解,然后把每一幀圖像轉(zhuǎn)換為由特定字符2、0、2、5和空格組成的字符畫(huà)。轉(zhuǎn)換過(guò)程中要將原圖按比例縮放6倍,并將RGB顏色轉(zhuǎn)換為灰度值并映射到對(duì)應(yīng)字符。接著將這些字符畫(huà)幀重新合成為視頻,注意確保正確的幀順序,生成一個(gè)字符藝術(shù)視頻。
Scaling Law”,是指在深度學(xué)習(xí)中,增大數(shù)據(jù)量和模型參數(shù)能讓模型性能指標(biāo)提升,這種提升并非線性,而是遵循一種冪律關(guān)系。
百度發(fā)了一張2024年AI成績(jī)單,涵蓋百度在大模型、智能體、AI應(yīng)用等領(lǐng)域的多項(xiàng)AI獎(jiǎng)項(xiàng)。透過(guò)這份AI成績(jī)單,我們或許能通過(guò)百度做AI的思路總結(jié)出一些布局AI的重點(diǎn)方向,找找明年做AI的機(jī)會(huì)。
DeepSeek-V3 采用了 671B 參數(shù) MoE 架構(gòu),配備約 37B 激活單元,訓(xùn)練使用14.8T Token數(shù)據(jù)。
當(dāng)你來(lái)到這個(gè)世界睜開(kāi)眼睛的第一刻,沒(méi)有學(xué)會(huì)語(yǔ)言的時(shí)候,靠的就是你的眼睛。 我們先看到光影、顏色,才逐漸分辨出父母的面孔,屋子的空間,那時(shí)沒(méi)有詞匯、沒(méi)有句子,只有模糊的光影與輪廓。
偏好微調(diào)特別適合那些對(duì)回答格式、語(yǔ)氣或者抽象特質(zhì)(如友好度、創(chuàng)造力)有較高要求的應(yīng)用場(chǎng)合。例如,在構(gòu)建金融咨詢(xún)聊天機(jī)器人時(shí),開(kāi)發(fā)團(tuán)隊(duì)不僅希望模型能夠提供專(zhuān)業(yè)且準(zhǔn)確的財(cái)務(wù)建議,還期望它能保持友好和易于理解的溝通方式。
Azure OpenAI 的提示緩存功能為處理長(zhǎng)提示和重復(fù)請(qǐng)求提供了一個(gè)非常有價(jià)值的優(yōu)化方案。它通過(guò)減少計(jì)算延遲和成本,顯著提高了模型的效率。
由中科軟科技股份有限公司舉辦的年度技術(shù)盛會(huì)—“2024軟件技術(shù)大會(huì)”于12月13-14日在北京朗麗茲西山花園酒店成功召開(kāi)。本屆大會(huì)以“數(shù)智軟件 提升新質(zhì)”為題,來(lái)自行業(yè)企業(yè),軟件公司的幾百名軟件技術(shù)愛(ài)好者參加了本次盛會(huì)。
微軟開(kāi)發(fā)出了一種小型語(yǔ)言模型,在解決某些數(shù)學(xué)問(wèn)題時(shí),它的效果比規(guī)模幾倍于它的算法還要好。
新發(fā)布的Amazon Nova基礎(chǔ)模型共包括四大模型:可用于簡(jiǎn)單任務(wù)的超高性?xún)r(jià)比文字處理Micro模型;三種多模態(tài)模型——低成本的Lite模型;兼具準(zhǔn)確性、速度和成本的Pro模型;用于復(fù)雜的推理任務(wù)同時(shí)也可進(jìn)行蒸餾定制的Premier模型。