


Le PDG d'OpenAI a répondu à 'l'accord silencieux', le différend concernait toujours les participations, Ultraman : C'est ma faute
Depuis la démission d'Ilya et Jan, le responsable du super alignement, OpenAI a toujours le cœur brisé, et de plus en plus de personnes ont démissionné, ce qui a également provoqué davantage de conflits.
Hier, le centre de la controverse a abouti à un strict "accord de silence".
Kelsey Piper, ancienne employée d'OpenAI, a annoncé que les instructions du document d'intégration de tout employé incluent : "Dans les soixante jours suivant votre départ de l'entreprise, vous devez signer un document de séparation contenant une "renonciation générale". Si vous ne le faites pas, rempli dans les 60 jours, vos avantages en actions seront annulés. "
Cette capture d'écran du document qui a provoqué la polémique a rapidement fait réagir le PDG d'OpenAI :
Nous n'avons jamais retiré personne. et si les gens ne signent pas d’accord de séparation (ou n’acceptent pas un accord de non-dénigrement), nous ne le ferons pas. Les capitaux propres acquis sont les capitaux propres acquis (période).
Concernant la façon dont OpenAI gère l'équité, les autres réponses de Sam Altman sont les suivantes :
À peine 15 minutes plus tard, le lanceur d'alerte a de nouveau interrogé et demandé avec audace : Maintenant que vous le savez déjà, alors, les précédents accords de restriction des salariés soient-ils annulés ?
La lanceuse d'alerte Kelsey Piper a également déclaré : "Quant à moi, est-ce injuste envers Sam - - Je veux dire, je pense que cela fait partie du travail d'un PDG, parfois non seulement vous devez vous excuser, mais les gens vont être critiques et veulent des éclaircissements et veulent voir des preuves que la politique a changé "
. Il a été rapporté l'année dernière que la combinaison la plus courante de rémunération des employés d'OpenAI est la suivante : un salaire de base fixe de 300 000 USD et une subvention annuelle PPU (Profit Participation Unit) d'environ 500 000 USD. Il s'agit d'une forme de rémunération en actions. Cela dit, sur la période de quatre ans de la subvention PPU, la plupart des employés d'OpenAI devraient recevoir au moins 2 millions de dollars en rémunération à base d'actions.
Si la nouvelle est vraie, la plupart des anciens salariés "démissionnaires" devraient vouloir "s'en tenir jusqu'au bout".
En plus de cette tourmente, il y a aussi une controverse en cours en même temps : sur la façon dont OpenAI gérera la sécurité et les risques futurs.
Selon plusieurs médias, suite au récent départ des deux co-leaders de l'équipe Super Alignment, Ilya Sutskever et Jan Leike, l'équipe Super Alignment d'OpenAI a été dissoute. Jan Leike a également publié vendredi une série d'articles, fustigeant OpenAI et ses dirigeants pour avoir ignoré la « sécurité » au profit de « produits brillants ».
Plus tôt dans la journée, le co-fondateur d'OpenAI, Greg Brockman, a écrit une longue réponse à ce problème.
Dans cet article signé "Sam et Greg", Brockman a souligné : OpenAI a pris des mesures pour assurer le développement et le déploiement en toute sécurité de la technologie de l'IA.Nous sommes extrêmement reconnaissants pour tout ce que Jan a fait pour OpenAI, et nous savons qu'il continuera à contribuer en externe à la mission d'OpenAI. À la lumière des questions soulevées par son départ, nous souhaitons expliquer comment nous envisageons notre stratégie globale.
Premièrement, nous avons accru la sensibilisation aux risques et aux opportunités de l’AGI afin que le monde puisse y être mieux préparé. Nous avons démontré à plusieurs reprises les incroyables possibilités de mise à l’échelle de l’apprentissage profond et analysé son impact ; nous avons appelé à une gouvernance internationale de l’AGI avant que de tels appels ne soient populaires et avons contribué à faire œuvre de pionnier dans la science de l’évaluation des risques catastrophiques des systèmes d’IA.
Deuxièmement, nous avons jeté les bases nécessaires pour déployer en toute sécurité des systèmes de plus en plus performants. Utiliser une nouvelle technologie pour la première fois n’est pas chose facile. Par exemple, notre équipe a fait beaucoup de travail pour amener GPT-4 au monde de manière sécurisée, et nous avons depuis continué à améliorer le comportement des modèles et la surveillance des abus sur la base des leçons apprises lors du déploiement.
Troisièmement, l'avenir sera plus difficile que le passé. Nous devons continuellement améliorer nos efforts de sécurité pour faire face aux risques de chaque nouveau modèle. L’année dernière, nous avons adopté le cadre de préparation pour nous aider à systématiser notre travail.
C'est le moment idéal pour parler de la façon dont nous voyons l'avenir.
À mesure que les modèles continuent de devenir plus puissants, nous nous attendons à ce qu'ils commencent à s'intégrer plus profondément dans le monde. Les utilisateurs interagiront de plus en plus avec des systèmes composés de nombreux modèles et outils multimodaux capables d'agir en leur nom, plutôt que de parler à un modèle unique avec uniquement des entrées et des sorties textuelles.
Nous pensons que ces systèmes seront d'une grande utilité et d'une grande aide pour les gens, et qu'il est possible de les livrer en toute sécurité, mais cela nécessitera beaucoup de travail préparatoire. Cela implique une réflexion approfondie sur ce à quoi ils sont liés pendant la formation, des solutions à des problèmes difficiles comme la supervision évolutive et d'autres nouveaux types d'efforts de sécurité. Bien que nous avancions dans cette direction, nous ne savons pas encore quand nous respecterons les normes de sécurité pour la sortie, et si cela retarde la sortie, ce n'est pas grave.
Nous savons que nous ne pouvons pas imaginer tous les scénarios possibles dans le futur. Par conséquent, nous avons besoin d’une boucle de rétroaction très étroite, de tests rigoureux, d’un examen attentif de chaque étape, d’une sécurité de classe mondiale et d’une intégration harmonieuse de la sécurité et des fonctionnalités. Nous continuerons à mener des recherches sur la sécurité à différentes échelles de temps. Nous continuerons également de travailler avec les gouvernements et de nombreuses parties prenantes sur les questions de sécurité.
Il n'existe pas de guide éprouvé sur la voie de l'intelligence artificielle. Nous pensons que la compréhension empirique peut aider à montrer la voie à suivre. Nous croyons en la réalisation de grandes perspectives de croissance tout en travaillant à atténuer les risques sérieux ; nous prenons notre rôle dans ce domaine très au sérieux et évaluons soigneusement les commentaires sur nos actions.
—Sam et Greg
Mais l'effet semble insatisfaisant et même ridiculisé :
Gary Marcus, un chercheur actif dans le domaine de l'IA, a également déclaré : La transparence parle plus fort que l'éloquence.
Il semble que Greg Brockman n'ait pas l'intention de donner une réponse plus précise sur les politiques ou les engagements.
Après le départ de Jan Leike et Ilya Sutskever, un autre co-fondateur d'OpenAI, John Schulman, a été nommé pour prendre en charge le travail effectué par l'équipe Super Alignment, elle n'a tout simplement plus de département dédié, mais un équipe vaguement liée. Groupes de chercheurs intégrés dans différentes parties de l'entreprise. OpenAI décrit cela comme « une intégration (des équipes) plus approfondie ».
Quelle est la vérité derrière la polémique ? Ilya Sutskever savait peut-être mieux, mais il a choisi de quitter le jeu avec élégance et n'en reparlera peut-être plus à l'avenir. Après tout, il avait déjà « un projet très significatif sur le plan personnel ».
Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!

Outils d'IA chauds

Undresser.AI Undress
Application basée sur l'IA pour créer des photos de nu réalistes

AI Clothes Remover
Outil d'IA en ligne pour supprimer les vêtements des photos.

Undress AI Tool
Images de déshabillage gratuites

Clothoff.io
Dissolvant de vêtements AI

Video Face Swap
Échangez les visages dans n'importe quelle vidéo sans effort grâce à notre outil d'échange de visage AI entièrement gratuit !

Article chaud

Outils chauds

Bloc-notes++7.3.1
Éditeur de code facile à utiliser et gratuit

SublimeText3 version chinoise
Version chinoise, très simple à utiliser

Envoyer Studio 13.0.1
Puissant environnement de développement intégré PHP

Dreamweaver CS6
Outils de développement Web visuel

SublimeText3 version Mac
Logiciel d'édition de code au niveau de Dieu (SublimeText3)

Sujets chauds











Ce site a rapporté le 27 juin que Jianying est un logiciel de montage vidéo développé par FaceMeng Technology, une filiale de ByteDance. Il s'appuie sur la plateforme Douyin et produit essentiellement du contenu vidéo court pour les utilisateurs de la plateforme. Il est compatible avec iOS, Android et. Windows, MacOS et autres systèmes d'exploitation. Jianying a officiellement annoncé la mise à niveau de son système d'adhésion et a lancé un nouveau SVIP, qui comprend une variété de technologies noires d'IA, telles que la traduction intelligente, la mise en évidence intelligente, l'emballage intelligent, la synthèse humaine numérique, etc. En termes de prix, les frais mensuels pour le clipping SVIP sont de 79 yuans, les frais annuels sont de 599 yuans (attention sur ce site : équivalent à 49,9 yuans par mois), l'abonnement mensuel continu est de 59 yuans par mois et l'abonnement annuel continu est de 59 yuans par mois. est de 499 yuans par an (équivalent à 41,6 yuans par mois) . En outre, le responsable de Cut a également déclaré que afin d'améliorer l'expérience utilisateur, ceux qui se sont abonnés au VIP d'origine

Améliorez la productivité, l’efficacité et la précision des développeurs en intégrant une génération et une mémoire sémantique améliorées par la récupération dans les assistants de codage IA. Traduit de EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG, auteur JanakiramMSV. Bien que les assistants de programmation d'IA de base soient naturellement utiles, ils ne parviennent souvent pas à fournir les suggestions de code les plus pertinentes et les plus correctes, car ils s'appuient sur une compréhension générale du langage logiciel et des modèles d'écriture de logiciels les plus courants. Le code généré par ces assistants de codage est adapté à la résolution des problèmes qu’ils sont chargés de résoudre, mais n’est souvent pas conforme aux normes, conventions et styles de codage des équipes individuelles. Cela aboutit souvent à des suggestions qui doivent être modifiées ou affinées pour que le code soit accepté dans l'application.

Les grands modèles linguistiques (LLM) sont formés sur d'énormes bases de données textuelles, où ils acquièrent de grandes quantités de connaissances du monde réel. Ces connaissances sont intégrées à leurs paramètres et peuvent ensuite être utilisées en cas de besoin. La connaissance de ces modèles est « réifiée » en fin de formation. À la fin de la pré-formation, le modèle arrête effectivement d’apprendre. Alignez ou affinez le modèle pour apprendre à exploiter ces connaissances et répondre plus naturellement aux questions des utilisateurs. Mais parfois, la connaissance du modèle ne suffit pas, et bien que le modèle puisse accéder à du contenu externe via RAG, il est considéré comme bénéfique de l'adapter à de nouveaux domaines grâce à un réglage fin. Ce réglage fin est effectué à l'aide de la contribution d'annotateurs humains ou d'autres créations LLM, où le modèle rencontre des connaissances supplémentaires du monde réel et les intègre.

Si la réponse donnée par le modèle d’IA est incompréhensible du tout, oseriez-vous l’utiliser ? À mesure que les systèmes d’apprentissage automatique sont utilisés dans des domaines de plus en plus importants, il devient de plus en plus important de démontrer pourquoi nous pouvons faire confiance à leurs résultats, et quand ne pas leur faire confiance. Une façon possible de gagner confiance dans le résultat d'un système complexe est d'exiger que le système produise une interprétation de son résultat qui soit lisible par un humain ou un autre système de confiance, c'est-à-dire entièrement compréhensible au point que toute erreur possible puisse être trouvé. Par exemple, pour renforcer la confiance dans le système judiciaire, nous exigeons que les tribunaux fournissent des avis écrits clairs et lisibles qui expliquent et soutiennent leurs décisions. Pour les grands modèles de langage, nous pouvons également adopter une approche similaire. Cependant, lorsque vous adoptez cette approche, assurez-vous que le modèle de langage génère

L'ensemble de données ScienceAI Question Answering (QA) joue un rôle essentiel dans la promotion de la recherche sur le traitement du langage naturel (NLP). Des ensembles de données d'assurance qualité de haute qualité peuvent non seulement être utilisés pour affiner les modèles, mais également évaluer efficacement les capacités des grands modèles linguistiques (LLM), en particulier la capacité à comprendre et à raisonner sur les connaissances scientifiques. Bien qu’il existe actuellement de nombreux ensembles de données scientifiques d’assurance qualité couvrant la médecine, la chimie, la biologie et d’autres domaines, ces ensembles de données présentent encore certaines lacunes. Premièrement, le formulaire de données est relativement simple, et la plupart sont des questions à choix multiples. Elles sont faciles à évaluer, mais limitent la plage de sélection des réponses du modèle et ne peuvent pas tester pleinement la capacité du modèle à répondre aux questions scientifiques. En revanche, les questions et réponses ouvertes

Editeur | KX Dans le domaine de la recherche et du développement de médicaments, il est crucial de prédire avec précision et efficacité l'affinité de liaison des protéines et des ligands pour le criblage et l'optimisation des médicaments. Cependant, les études actuelles ne prennent pas en compte le rôle important des informations sur la surface moléculaire dans les interactions protéine-ligand. Sur cette base, des chercheurs de l'Université de Xiamen ont proposé un nouveau cadre d'extraction de caractéristiques multimodales (MFE), qui combine pour la première fois des informations sur la surface des protéines, la structure et la séquence 3D, et utilise un mécanisme d'attention croisée pour comparer différentes modalités. alignement. Les résultats expérimentaux démontrent que cette méthode atteint des performances de pointe dans la prédiction des affinités de liaison protéine-ligand. De plus, les études d’ablation démontrent l’efficacité et la nécessité des informations sur la surface des protéines et de l’alignement des caractéristiques multimodales dans ce cadre. Les recherches connexes commencent par "S

Selon les informations de ce site le 1er août, SK Hynix a publié un article de blog aujourd'hui (1er août), annonçant sa participation au Global Semiconductor Memory Summit FMS2024 qui se tiendra à Santa Clara, Californie, États-Unis, du 6 au 8 août, présentant de nombreuses nouvelles technologies de produit. Introduction au Future Memory and Storage Summit (FutureMemoryandStorage), anciennement Flash Memory Summit (FlashMemorySummit) principalement destiné aux fournisseurs de NAND, dans le contexte de l'attention croissante portée à la technologie de l'intelligence artificielle, cette année a été rebaptisée Future Memory and Storage Summit (FutureMemoryandStorage) pour invitez les fournisseurs de DRAM et de stockage et bien d’autres joueurs. Nouveau produit SK hynix lancé l'année dernière

Dans le monde du développement front-end, VSCode est devenu l'outil de choix pour d'innombrables développeurs grâce à ses fonctions puissantes et son riche écosystème de plug-ins. Ces dernières années, avec le développement rapide de la technologie de l'intelligence artificielle, des assistants de code IA sur VSCode ont vu le jour, améliorant considérablement l'efficacité du codage des développeurs. Les assistants de code IA sur VSCode ont poussé comme des champignons après la pluie, améliorant considérablement l'efficacité du codage des développeurs. Il utilise la technologie de l'intelligence artificielle pour analyser intelligemment le code et fournir une complétion précise du code, une correction automatique des erreurs, une vérification grammaticale et d'autres fonctions, ce qui réduit considérablement les erreurs des développeurs et le travail manuel fastidieux pendant le processus de codage. Aujourd'hui, je recommanderai 12 assistants de code d'IA de développement frontal VSCode pour vous aider dans votre parcours de programmation.
