理论

由于AI的快速发展以及对错失恐惧症(FOMO)的担忧，GenAI项目往往采用自上而下的推动方式，企业领导者很容易对这项突破性技术产生过度兴奋的情绪，然而，当企业急于构建和部署时，往往会遇到与其他技术实施中出现的所有典型问题。 AI复杂且需要专业知识，这意味着一些企业很快就会陷入困境。 事实上，Forrester预测，尝试内部构建AI助手的企业中，有近四分之三将会失败。

随着人工智能技术的进步，多模态大模型正逐渐应用于多个领域，极大地提升了机器在视觉、文本等多种信息模式下的理解和生成能力。 这些模型不仅用于对话、图片标注、视频分析等较常见的任务，还被广泛应用在复杂场景中，如程序编写、医疗影像诊断、自动驾驶、虚拟助手中的多模态交互，甚至用于游戏策略分析与操作应用程序。 然而，全面、系统地评测多模态大模型的能力需要投入大量的资源。

编辑 | 言征出品 | 51CTO技术栈（微信号：blog51cto）Scaling Law 最近被业内不少人士唱衰，一方面以OpenAI为代表大模型厂商们，基本上还是围绕着GPT-4在探索周边，虽说不是原地打转，但单就性能提升而言，就连OpenAI自家的员工都爆料说非常有限。 1.OpenAI内部人士：Orion性能提升遇到瓶颈昨天，外媒媒体曝出消息称，奥特曼一直吊胃口的下一代模型“Orion”…

刚刚，EMNLP 2024最佳论文奖新鲜出炉！ 5篇中榜论文中，华人学者参与三篇，分别来自CMU、上海交通大学、中国科学院大学等机构。 其中，Pretraining Data Detection for Large Language Models: A Divergence-based Calibration Method主要由中科院网络数据科学与技术重点实验、中国科学院大学的学者完成。

Is DNA all you need？ AI可以实现从分子到基因组尺度的预测和生成任务了！ 图片就在刚刚，这项研究登上了Science封面。

鲨疯了！ 谷歌新版Gemini超越o1，强势登顶竞技场总榜第一！ 在经6000 网友匿名投票后，不仅数学成绩和学霸o1相当，还拿下其它5个单项第一。

测评大模型Agent能力，从未如此直观。 新旧两版Claude 3.5 Sonnet在《我的世界》里PK盖楼，差距不要太明显，引来大量围观。 图片如果让AI不断迭代，甚至能盖出一片建筑群。

陶哲轩强调了在数学应用和问题解决中需要找到合适的平衡点：既不过度简化，也不过度复杂化，避免过度优化和过度抽象导致的反效果。  刚刚，著名数学家陶哲轩在个人社交平台更新的几篇帖子，引起大家广泛的共鸣。 陶哲轩用浅显易懂的语言表达了自己对数学的理解与思考心得。

受 ChatGPT 强大问答能力的影响，大型语言模型（LLM）提供商往往优化模型来回答人们的问题，以提供良好的消费者体验。 随着智能体研究日趋成熟，优化似乎有了新的方向。 人工智能著名学者、斯坦福大学教授吴恩达今天指出：「现在有一种趋势是优化模型以适应智能体工作流程，这将为智能体性能带来巨大提升」，并撰写一篇博客简单阐述了这种趋势。

随着AI技术的迅猛发展，大语言模型应用（例如谷歌的Gemini和OpenAI的ChatGPT）已逐渐融入日常生活，帮助人们完成作业、解答各种问题。 然而，最近的一起事件再次引发了对AI模型潜在风险的广泛关注。 Gemini咒骂学生去死近日，一位Reddit学生用户分享了一段与Google聊天机器人Gemini的对话，令人不寒而栗。

ChatGPT客户端，支持“读屏编程”了。 即日起，Mac端的Plus用户，可以直接让ChatGPT客户端读取开发工具中的代码。 目前，包括常用的Xcode和VS Code在内，该功能一共支持五款编程工具。

专家表示，AI助手将在软件编程和网络安全领域发挥至关重要的作用，但它们也将改变企业的工作流程和商业智能。 自主AI正迎来高光时刻，因为支持者看到了在企业中使用自主AI助手来自动化手动任务的好处。 Forrester在6月将自主AI评为2025年最重要的新兴技术之一，它在GenAI的基础上更进一步，强调运营决策而非内容生成。

生成式人工智能模型越来越大，参数已多达 2 万亿个，大型语言模型对计算和存储的需求也在增加。 谷歌云（Google Cloud）今天宣布升级旗下  Kubernetes 引擎的容量，以应对更大规模的模型，Kubernetes . 引擎的容量将从目前支持 15000 个节点集群升级到支持 65000 个节点集群。

高效组合多个大模型“取长补短”新思路，被顶会NeurIPS 2024接收。 名为RouterDC，是一种基于双重对比学习的路由架构，具有参数高效性（小于100M的参数）和计算高效性（不需要对于LLM进行梯度回传）的优势。 在具有挑战性语言理解、代码生成和数学推理等推理任务实验中，RouterDC在分布内（ 2.76%）和分布外（ 1.90%）设定下，都远超于现有的routing方法。

大模型的具身智能决策能力，终于有系统的通用评估基准了。 李飞飞吴佳俊团队新提出的评估框架，对具身智能决策的四项关键子能力来了个全面检查。 这套基准已经被选为了NeurIPS数据和测试集（D&B）专栏Oral论文，同时也被收录进了PyPI，只要一行代码就能快速调用。

巴黎奥运会期间，一条《奥运熊猫奇幻之旅》的短片刷爆了大家的朋友圈，可爱的中国熊猫，在一场梦境中参加了各种奥运赛事：打乒乓球、击剑、游泳、举重，每一帧场景的还原度十分逼真，赢得了大家疯狂的转发和点赞。 这个短片的广泛流传，也让更多的人注意到AI短片创作达人温维斯。 从事AI视频创作以来，除了和人民日报、快手可灵共创了《熊猫奥运奇幻之旅》，温维斯先后还分别与央视财经和新华社共创了《中秋C位美食已就位》…

译者 | 布加迪审校 | 重楼若要使用Hugging Face的BART模型总结文本，请加载模型和分词器，输入文本，随后模型就会生成简洁的摘要。 BART是一个帮助总结文本的工具。 它可以使长文章变得更短，更容易阅读。

继Anthropic之后，OpenAI也要接管人类电脑了？ ！ 就在刚刚，彭博社爆料OpenAI将在明年1月推出Agent“Operator（操作员）”，为用户自动执行任务。

在这个由智能设备主导的时代，维护工作的重要性愈发凸显，几乎成了生产活动的守护神。 想象一下，当一台精密的机器在深夜突发故障，而维护手册却像天书一样难以理解，这时，交互式电子技术手册（IETMs）就像一束温暖的灯塔，指引着维护人员安全渡过难关。 面对从图形用户界面（GUIs）到自然语言用户界面（LUIs）的转变，以及复杂逻辑关系的梳理，传统的IETMs显得有些力不从心。

编辑 | KX分子表征已经从「图」扩展到「视频」了。 两年前，湖南大学的研究团队，开发了具有化学意识的深度学习框架 ImageMol，用于从大规模分子图像中学习分子结构，可准确预测分子特性和药物靶点。 现在，该研究团队将 ImageMol 进行了重大升级，提出一个基于分子视频的基础模型，称为 VideoMol，该模型在 1.2 亿帧的 200 万个未标记的类药物分子和生物活性分子上进行了预训练。

微软推出了一套全新的专用AI模型，旨在解决制造业、农业和金融服务领域的特定挑战。 这家科技巨头与西门子、拜耳、罗克韦尔自动化等合作伙伴携手，致力于将先进的AI技术直接引入长期依赖传统方法和工具的行业核心。 这些专为特定目的构建的模型现已通过微软的AzureAI目录提供，代表了微软迄今为止为根据不同行业的独特需求定制AI工具所做的最专注的努力。

随着GenAI应用的急剧增加，其带来的商业利益也逐渐显现，然而，我们也观察到越来越多的案例表明，这项技术实际上可能创造的工作量比其节省的还要多。 摩根大通总裁丹尼尔·平托表示，该行预计其AI应用案例将带来高达20亿美元的价值，高于5月份估计的15亿美元。 在9月的巴克莱全球金融服务会议上，他提到GenAI将在改进流程和提高效率方面产生重大影响，该行已推出GenAI助手，并计划利用AI和大语言模型(…

在当前的图像生成技术中，文本渲染的能力已逐渐成为衡量其先进性的重要标准。 不论是学术界的最新研究还是市场上的先进产品，都在竞相展示其处理复杂文本的能力，这不仅标志着技术的进步，更是成为一种创新的分水岭。 实际上，字图生成技术在多个领域内显示出显著的实用性，例如在设计海报、书籍封面、广告和LOGO等方面，已成为不可或缺的工具。

来自中国的视频生成模型，再一次震惊了全球大模型圈。 生数科技推出的Vidu 1.5，成为世界首个支持多主体一致性的多模态模型！ 上传小哥、机甲、街景，接下来，就是见证奇迹的时刻。