Meta 人工智能研究负责人将离职,正值公司加大 AI 投入之际
Meta AI研究负责人乔尔・皮诺宣布将于5月30日离职,正值Meta计划投入650亿美元用于AI基础设施建设。皮诺2017年加入Meta,领导FAIR团队。Meta表示正在寻找继任者。#MetaAI# #高管离职#
如何利用人工智能和事件驱动设计实现播客推广的自动化
译者 | 李睿审校 | 重楼为了普及知识和推广技术,人工智能专家、本文作者Sean Falconer主持着两个播客——《Software Engineering Daily》和《Software Huddle》,并经常以嘉宾身份亮相于其他节目。 无论是主持播客还是作为嘉宾,他推广的节目都有助于凸显其精彩的对话内容。 然而对他来说,在紧张的工作和生活中腾出时间为每期节目撰写一篇具有思想深度的LinkedIn帖子是一项挑战,并非每次都能实现。
OpenAI重新开源!第一弹就推理模型,还不限制商用,“冲着DeepSeek来的” 关注前沿科技 量子位 2025年04月01日 08:38
一夜之间,OpenAI更新三大动向,开源、融资、用户暴增。 第一,将开源一个具备推理能力的大语言模型,包含参数权重那种。 上一次这样开源还是6年前推出GPT-2。
人工智能应用就是大模型能力+场景,基于大模型构建应用,首先要了解大模型的能力圈
在关于大模型应用方面,虽然也了解和应用过其中的一些技术;但经过这段时间的实践和思考发现,对大模型应用的认识还很浅显,因此在此记录一下自己的思考。 大模型应用的思考大模型作为人工智能应用的底座技术,所有应用场景和技术都是构建在大模型之上;但很多时候我们都搞错了一件事,那就是我们没有搞清楚大模型能力和其它技术的关联和区别。 因此,在这里我们要搞清楚一个概念,那就是大模型能力;所谓大模型的能力,就是模型开发人员怎么把模型做的更好更强,其中设计到模型的设计,训练等;具体有神经网络架构,模型蒸馏等等。
突发,Meta人工智能研究副总裁发帖:5月离职!
编辑|云昭出品 | 51CTO技术栈(微信号:blog51cto)很突然,Meta 人工智能研究副总裁Joelle Pineau表示下月将离职Meta。 就在发稿7小时前,她在Facebook帖子中宣布了这一消息。 Pineau表示,她将在5月离职,此前她已负责管理Meta内部由Yann LeCun领导的人工智能研究实验室FAIR超过两年。
AI在主数据中的十大应用|用例和优势
一 概述在当今数字化环境中,企业面临的挑战不仅包括管理海量数据,还包括处理各种复杂数据,尤其是来自物联网 (IoT) 设备和联网技术等新兴来源的数据。 云技术的重大转变使这一情况更加复杂,促使企业不再仅仅采购基础设施,而是更加战略性地利用技术和服务,以最大限度地提高数据资产价值。 “数据敏捷性”概念应运而生,成为应对这种情况的关键。
由浅入深,带大家了解什么是 Agent
大家好! 最近你可能经常听到一个词——“Agent”,尤其是在聊人工智能(AI)的时候。 听起来有点高大上,甚至有点神秘?
ChatGPT 图像生成功能火爆,OpenAI CEO 称容量问题将导致产品延期
OpenAI CEO山姆・奥尔特曼透露,ChatGPT新推出的图像生成工具因人气过高导致服务延迟,团队正加班加点解决容量问题。该功能因能出色重现吉卜力等艺术风格备受关注,但也引发版权讨论。#OpenAI##ChatGPT#
从零到一,用 Dify 打造 NL2SQL
近期 AI 大火,朋友圈很多都在晒成果。 我也禁不住尝试,使用Dify这一开发平台做了第一个 AI 应用。 整体感觉下来还是非常方便的,也是由于Dify的出现大大降低了构建 AI 应用的门槛,相信未来真的可以解放人的双手,让 AI 帮助我们解决更多的问题。
如何识别和预防深度伪造诈骗
这些被篡改的内容在社交媒体、即时通讯应用和视频分享平台上广泛传播,模糊了现实与虚构之间的界限。 “Deepfake”一词是在2017年由一位Reddit用户创造的,当时该用户创建了一个以此命名的子论坛(subreddit)。 这个子论坛被用来分享AI生成的视频,其中经常包含名人换脸的色情内容。
3分钟完成3天工作量!实测GPT-4o外挂级生图效果
一、技术革新:AI 绘图从专业工具到自然语言交互的范式跃迁. OpenAI 这次给 GPT-4o 的图像功能直接掀桌了! 现在大家还在纠结"生成质量够不够高清""边缘有没有锯齿",人家早就玩起了"意念绘图"——你根本不用懂什么ControlNet、LoRA,对着手机唠嗑就能把专业设计师在SD里折腾半天的活儿全包圆了!
GenAI将员工变成无意的内部威胁
根据Netskope的数据,企业与GenAI应用共享的数据量激增,一年内增长了30倍。 现在,平均每个企业每月与AI工具共享的数据超过7.7GB,而一年前仅为250MB,这一数字大幅增长。 这包括源代码、受监管数据、密码和密钥以及知识产权等敏感数据,从而极大地增加了发生昂贵的数据泄露事件、合规性违规和知识产权被盗的风险。
成功采用AI需要具备两个条件
企业不应回避利用AI工具,但需要找到最大化效率和缓解企业风险之间的平衡点。 他们需要做到以下几点:制定无缝的AI安全政策以往,AI可能只是开发人员或专家交互的技术,但如今,公司各层级的员工都使用AI来协助他们完成各种任务。 因此,企业必须教育所有员工,让他们了解哪些大型语言模型和智能体应用程序是他们被授权使用的,以及他们可以与这些系统共享哪些类型的数据。
随着OpenAI每小时新增一百万用户,企业AI主导地位的竞争进入新阶段
这一里程碑式的投资凸显了AI日益上升的重要性,也标志着企业技术格局的转变。 有了如此庞大的资金储备,OpenAI在与谷歌、AWS等巨头的较量中,将有更强的持久力,在与合作伙伴微软的敏感关系中也将拥有更大的筹码,更不用说还有资金与Anthropic和马斯克创办的新公司xAI等强劲对手抗衡。 在这轮融资结束之前,OpenAI是否有资金继续在顶级行列中竞争,仍是个未知数。
别怕AI抢饭碗!设计师未来最值钱的技能根本不是画图
想象一下,你是一个忙得焦头烂额的设计师,手上有个项目 deadline 近在眼前。 需求方要的是一套复杂的设计方案,你却还在为一张图的细节调整抓耳挠腮。 就在你准备熬夜加班时,一个 AI 助手跳出来,轻声说:“别急,我来帮你。
OCR技术选型:数据提取哪家强?
数据是企业运营的核心资产之一。 然而,超过 85% 的商业信息以非结构化数据的形式存在,如电子邮件、报告、发票和合同等,这给计算机处理带来了极大挑战。 为解决这一问题,光学字符识别(OCR)技术(Mistral OCR:文档处理领域的革新者)应运而生。
深度解析 MCP 与 AI 工具的未来
自 2023 年 OpenAI 发布函数调用功能以来,我一直在思考如何构建一个智能体与工具协同的生态系统。 随着基础模型的智能化程度提升,智能体与外部工具、数据和 API 的交互能力变得日益碎片化:开发者需要为每个集成系统单独实现包含特定业务逻辑的智能体。 显然,我们需要一个执行、数据获取和工具调用的标准接口。
「DeepSeek-V3 技术解析」:无辅助损失函数的负载均衡
在混合专家模型(MoE)的实践中,负载不均衡俨然已成为制约模型性能提升的关键瓶颈之一。 传统的均衡策略往往需要引入复杂的辅助损失函数,不仅增加了训练的复杂度,还可能干扰模型的核心学习目标。 工程师们在提升模型效率的道路上,一直苦苦追寻着一个优雅而高效的平衡解决方案。