第 55 页-探索人工智能技术的未来

当前位置：首页 > 技术文章 > 科技周边 > 人工智能

方向：: 全部网络3.0 后端开发 web前端数据库运维开发工具 php框架每日编程微信小程序常见问题其他科技 CMS教程 Java 系统教程电脑教程硬件教程手机教程软件教程手游教程

分类：: 人工智能 IT业界

最热

最新

早半年发arXiv，却被质疑抄袭：活在微软AutoGen阴影里的CAMEL

arXiv不是同行评审期刊，所以发在arXiv上的论文不必被引用，这合理吗？如果你对AI智能体感兴趣，那你一定知道微软的AutoGen。它是一个用于构建AI智能体的开源编程框架，允许多个智能体通过聊天来解决任务。其间，LLM智能体可以扮演多种角色，如程序员、设计师，或者各种角色的组合。在GitHub上，这个项目已经收获了28k的star量，论文还在ICLR2024LLMAgentWorkshop上获得了最佳论文奖。不过，这篇论文的背后其实是存在争议的。2023年11月，一位AI研究者（阿卜杜拉国

人工智能 1053 2024-07-19 14:28:48
贾佳亚团队联手剑桥清华等共推评测新范式一秒侦破大模型'高分低能”

颠覆过往大模型评测标准，最新、最全、最权威的测评数据集MR-Ben来了！这是继今年4月发布堪称GPT-4+DALL-E-3的王炸产品超强视觉语言模型Mini-Gemini后，港中文贾佳亚团队再次提出的极具代表性的作品。在MR-Ben的“监督”下，大模型不仅要像学生那样会答题，还要像老师那样会阅卷，真实的推理能力无所遁形。MR-Ben细致地评测了不少国内外一线的开源和闭源模型，如GPT4-Turbo、Cluade3.5-Sonnet、Mistral-Large、Zhipu-GLM4、

人工智能 552 2024-07-19 13:55:25
ACL 2024 | 对25个开闭源模型数学评测，GPT-3.5-Turbo才勉强及格

AIxiv专栏是本站发布学术、技术内容的栏目。过去数年，本站AIxiv专栏接收报道了2000多篇内容，覆盖全球各大高校与企业的顶级实验室，有效促进了学术交流与传播。如果您有优秀的工作想要分享，欢迎投稿或者联系报道。投稿邮箱：liyazhou@jiqizhixin.com；zhaoyunfeng@jiqizhixin.com本文作者来自香港大学和腾讯。作者列表：李沁桐，LeyangCui，赵学亮，孔令鹏，WeiBi。其中，第一作者李沁桐是香港大学自然语言处理实验室的博士生，研究方向涉及自然语言生成

人工智能 1113 2024-07-19 13:53:41
无损加速最高5x，EAGLE-2让RTX 3060的生成速度超过A100

AIxiv专栏是本站发布学术、技术内容的栏目。过去数年，本站AIxiv专栏接收报道了2000多篇内容，覆盖全球各大高校与企业的顶级实验室，有效促进了学术交流与传播。如果您有优秀的工作想要分享，欢迎投稿或者联系报道。投稿邮箱：liyazhou@jiqizhixin.com；zhaoyunfeng@jiqizhixin.com李堉晖：北京大学智能学院硕士，受张弘扬老师和张超老师指导，研究方向为大模型加速和对齐，正在寻找25届工作机会魏芳芸：微软亚研院研究员，研究方向为具身智能、图像生成和AIagen

人工智能 629 2024-07-19 13:12:48
首个视频思维链推理框架Video-of-Thought来了：像人一样从感知到认知全面推理视频

AIxiv专栏是本站发布学术、技术内容的栏目。过去数年，本站AIxiv专栏接收报道了2000多篇内容，覆盖全球各大高校与企业的顶级实验室，有效促进了学术交流与传播。如果您有优秀的工作想要分享，欢迎投稿或者联系报道。投稿邮箱：liyazhou@jiqizhixin.com；zhaoyunfeng@jiqizhixin.com本文作者来自于新加坡国立大学、南洋理工大学以及哈工深。其中，费豪的研究方向为多模态学习、多模态大语言模型。吴胜琼，新加坡国立大学博士生，主要研究方向为多模态大语言模型。吉炜的主

人工智能 570 2024-07-19 13:12:42
最新爆料！百度文心大模型4.0：万卡训练史上最大参数模型，最快下周见

昨天，财联社独家爆料百度的文心大模型4.0正在加紧训练，已经接近可发布状态。一直以来，大家都对文心一言的信息都会感到好奇。今天我们也扒到了更多关于文心4.0的消息，涉及了底层架构、基础设施、训练数据集、成本等关键信息，有相当高的可信度！先说核心结论：1、昨天的爆料基本属实。目前了解到，文心大模型4.0实际上已经在小流量测试。2、文心4.0参数量大于所有已公开发布参数的LLM，也是国内首次使用万卡集群训练的大模型。3、推理成本相比文心3.5增加很多，据传大概是8-10倍！（大模型真的很费钱！）如果

人工智能 1085 2024-07-19 12:04:49
9.11和9.9谁大？我们实测15个大模型，超半数翻车

机器之能报道编辑：杨文大模型们还是搞不定简单的数学题。这几天，一个测试大模型「脑瓜」灵不灵光的提示词火了——9.11和9.9哪个大？这道连小学生都能一口答对的数学题，却难倒一片大模型界的「英雄好汉」。事情是这样的。ScaleAI的高级提示工程师RileyGoodside拿「9.11and9.9——whichisbigger?」这个提示词来问GPT-4o，却得到「前者更大」的回答。其他大模型也纷纷翻车。7月17日，我们拿国内12款大模型，外加国外的GPT-4o

人工智能 1891 2024-07-19 11:27:21
Mistral AI两连发：7B数学推理专用、Mamba2架构代码大模型

网友很好奇，Mathstral能不能搞定「9.11和9.9谁大」这一问题。昨天，AI圈竟然被「9.11和9.9谁大」这样简单的问题攻陷了，包括OpenAIGPT-4o、GoogleGemini等在内的大语言模型都翻了车。这让我们看到，大语言模型在处理一些数字问题时并不能像人类那样理解并给出正确的答案。对于数字以及复杂的数学问题，专用模型更术业有专攻。今天，法国大模型独角兽MistralAI发布了一个专注于数学推理和科学发现的7B大模型「Mathstral」，来解决需要复杂、多步骤逻辑推理的高级数

人工智能 458 2024-07-19 09:54:11
成本减少90%以上，「主动学习+实验工作流程」加速催化剂开发

编辑|绿罗通过合成气的热催化加氢合成高级醇(HAS)仍然是一项有前途的技术。链增长和CO插入要求需要多组分材料，其复杂的反应动力学和广泛的化学空间不符合催化剂设计规范。在此，来自苏黎世联邦理工学院（ETHZurich）的研究人员提出了一种替代策略，将主动学习整合到实验工作流程中，以FeCoCuZr催化剂系列为例。所提数据辅助框架简化了86个实验中广泛成分和反应条件空间的导航，与传统程序相比，环境足迹和成本减少了90%以上。它确定了具有优化反应条件的Fe65Co19Cu5Zr11催化剂，在稳定运行

人工智能 1087 2024-07-19 09:49:21
太酷了！iPhone、iPad、MacBook老旧设备组成异构集群，能跑Llama 3

假如你有闲置的设备，或许可以试一试。这次，你手里的硬件设备也能在AI领域大展拳脚了。将iPhone、iPad、Macbook进行组合，就能组装成「异构集群推理方案」，然后顺畅的运行Llama3模型。值得一提的是，这个异构集群可以是Windows系统，也可以是Linux、iOS系统，并且对Android的支持很快到来。异构集群正在运行中。根据项目作者@evilsocket的介绍，这个异构集群包括iPhone15ProMax、iPadPro、MacBookPro(M1Max)、NVIDIAGeFor

人工智能 1099 2024-07-19 05:09:59
独家对话李岩：宿华、经纬、红点资金支持，第一个「生成式推荐」创业公司｜AI Pioneers

人类正在迎来人工智能领域的爆炸式更新，技术向未知拓展的每一步，几乎都引起惊人的关注度。在人工智能边界扩张的过程中，重要赛道的技术路线创新与分歧并存。技术先锋者的判断和选择，影响着众多跟随者的脚步。过去一年，本站独家率先将月之暗面、生数科技、爱诗科技、无问芯穹等优秀公司介绍给大家，为他们在互联网世界留下了第一份“万字访谈底稿”。在技术路线尚未收敛的阶段，我们看到了到真正拥有信念、勇气以及系统化认知的AI创业者的引领力量。因此，我们推出“AIPioneers”的

人工智能 940 2024-07-19 05:03:59
OpenAI超级对齐团队遗作：两个大模型博弈一番，输出更好懂了

如果AI模型给的答案一点也看不懂，你敢用吗？随着机器学习系统在更重要的领域得到应用，证明为什么我们可以信任它们的输出，并明确何时不应信任它们，变得越来越重要。获得对复杂系统输出结果信任的一个可行方法是，要求系统对其输出产生一种解释，这种解释对人类或另一个受信任的系统来说是可读的，即可以完全理解以至于任何可能的错误都可以被发现。例如，为了建立对司法系统的信任，我们要求法院提供清晰易读的书面意见，解释并支持其决策。对于大型语言模型来说，我们也可以采用类似的方法。不过，在采用这种方法时，确保语言模型生

人工智能 1010 2024-07-19 01:29:52
清华包揽最佳论文+时间检验奖，山大获荣誉提名，SIGIR 2024奖项出炉

清华成绩亮眼。第47届国际计算机协会信息检索大会（ACMSIGIR）于2024年7月14日至18日在美国华盛顿特区举行。该会议是信息检索领域的顶级学术会议。刚刚，大会公布了最佳论文奖、最佳论文亚军、最佳论文荣誉提名奖以及时间检验奖等奖项。其中，清华大学、中国人民大学高瓴人工智能学院、小红书团队获得了最佳论文；来自格拉斯哥大学、比萨大学的研究者摘得亚军；最佳论文荣誉提名奖颁给了山东大学（青岛）、莱顿大学、阿姆斯特丹大学的研究者；时间检验奖颁给了清华大学、加州大学圣克鲁斯分校的研究者。接下来，我们来

人工智能 724 2024-07-19 00:06:43
登Science，药物亲和力增加37倍，AI对蛋白、抗体复合物进行无监督优化

编辑|萝卜皮蛋白质参与了细胞组成、肌肉收缩、消化食物、识别病毒等众多生物学功能。为了设计出更好的蛋白质（包括抗体），科学家经常在不同位置反复变异氨基酸（按一定顺序排列组成蛋白质的单位），直到使蛋白质获得所需要的功能。但氨基酸序列的数量比世界上的沙粒还要多，因此找到最佳蛋白质，进而找到最佳潜在药物，通常难度巨大。当面临这一挑战时，科学家通常会花费数百万美元，并在微型化、简化版的生物系统中进行测试。「这需要大量的猜测和验证。」斯坦福大学（StanfordUniversity）化学工程助理教授兼Arc

人工智能 833 2024-07-18 22:22:51
大脑如何处理语言？普林斯顿团队对Transformer模型进行分析

编辑|萝卜皮在处理语言时，大脑会部署专门的计算来从复杂的语言结构中构建含义。基于Transformer架构的人工神经网络是自然语言处理的重要工具。普林斯顿大学的研究人员探讨了Transformer模型和人类大脑在语言处理中的功能特殊化问题。Transformer通过结构化电路计算整合单词间的上下文信息。不过，当前的研究主要集中于这些电路生成的内部表征（「嵌入」）。研究人员直接分析电路计算：他们将这些计算解构为功能专门的「transformations」，将跨词语的上下文信息整合在一起。利用参与者

人工智能 804 2024-07-18 20:52:41