任务
OpenAI 首席技术官：GPT-5 将在一年半后发布，部分领域智能达到“博士”级别
美国达特茅斯工程学院本周四公布了对 OpenAI 首席技术官米拉・穆拉蒂的采访。穆拉蒂把 GPT-4 到 GPT-5 的飞跃描述为从高中生到博士生的成长。图源 Pexels“如果你看一下（GPT）进化的轨迹，像 GPT-3 这样的系统可能只有幼儿智力水平，而像 GPT-4 这样的系统则更像是聪明的高中生智力水平，在接下来的几年里，我们期待在特定任务上达到博士的智力水平。事情正在飞速变化、改善。”穆拉蒂强调“博士级”的智能仅适用于某些任务。“这些系统在特定任务中已经达到了人类水平（Human-level），当然，在许
22个任务超越SOTA，43个任务媲美SOTA，Google推出医学治疗通用大模型
编辑 | 萝卜皮医生和科学家如果想开发一种新的疗法，这将是一个漫长且昂贵的任务，需要满足许多不同的标准，而能够加快这一过程的人工智能模型将是无价之宝。然而，目前大多数人工智能方法只能解决一组定义狭窄的任务，通常局限于特定领域。为了弥补这一差距，Google 团队提出了 Tx-LLM，这是一种通用大型语言模型（LLM），由 PaLM-2 微调而成，可编码有关各种治疗方式的知识。仅使用一组权重，Tx-LLM 可同时处理与自由文本交织的各种化学或生物实体（小分子、蛋白质、核酸、细胞系、疾病）信息，使其能够预测广泛的相关属
新型人形机器人 Menteebot 亮相：人类可用自然语言向其发号施令
初创公司 Mentee Robotics 今日展示了旗下首款人形机器人的原型，号称在所有操作层都继承了人工智能，也是“你可以指导的”个性化人工智能机器人。 IT之家汇总该产品大致信息：它可以奔跑、侧身行走甚至转弯，官方称其具有与人类相同的平衡和控制力。据介绍，它在举起重物时还会调整步态。功能层面，该机器人内置人工智能算法、自然语言处理模型和软件，可以启动“高级训练技术”。该公司表示，这意味着机器人不会受限于有限的命令集，甚至可以与人类进行对话，用户可以通过自然语言向机器人发出指令。此外，其内置的自然语言处理模型
联合国际顶尖高校 昆仑万维开源数字智能体研发工具包AgentStudio
AgentStudio旨在为研究人员和开发者提供一个覆盖智能体完整开发流程的综合性平台，让开发者们能够轻松、高效、灵活地构建专属数字智能体。
微软亚研院新作：让大模型一口气调用数百万个 API
近年来，人工智能发展迅速，尤其是像 ChatGPT 这样的基础大模型，在对话、上下文理解和代码生成等方面表现出色，能够为多种任务提供解决方案。但在特定领域任务上，由于专业数据的缺乏和可能的计算错误，它们的表现并不理想。同时，虽然已有一些专门针对特定任务的 AI 模型和系统表现良好，但它们往往不易与基础大模型集成。为了解决这些重要问题，TaskMatrix.AI 破茧而出、应运而生，这是由微软（Microsoft）设计发布的新型 AI 生态系统。其核心技术近期在《科学》合作期刊 Intelligent Computi
目标智能体社会，MetaGPT携手Jürgen Schmidhuber团队
现代人工智能之父Jürgen：“将人类文明视为一个更宏伟计划的一部分”
机器会说话 | 李学龙团队建立无人机“聊天群”
在线群聊极大地方便了人们的沟通方式，能否把机器也拉进群，让它们组团商量着干活，并和人类无障碍地沟通和交流，更好地服务于生产生活？
MIT研究人员将Transformer与图神经网络结合，用于设计全新蛋白质
编辑 | 萝卜皮凭借其复杂的排列和动态功能，蛋白质通过采用简单构建块的独特排列（其中几何形状是关键）来执行大量的生物任务。将这个几乎无限的排列库转化为各自的功能，可以方便研究人员设计用于特定用途的定制蛋白质。麻省理工学院（MIT）的 Markus Buehler 提出了一种灵活的基于语言模型的深度学习策略，将 Transformer 与图神经网络结合起来，以更好地理解和设计蛋白质。「通过这种新方法，我们可以通过对基本原理进行建模，利用大自然发明的一切作为知识基础。」Buehler 说，「该模型重新组合了这些自然构建
陶哲轩：初学者不宜用AI工具做专家级任务，GPT对专家帮助不大
对于不同技能水平的人，使用 GPT 等 AI 工具收获的成效也大不一样。
复旦邱锡鹏：深度剖析 ChatGPT 类大语言模型的关键技术
内容来源：ChatGPT 及大模型专题研讨会分享嘉宾：复旦大教授 邱锡鹏分享主题：《对话式大型语言模型》转载自CSDN稿件ChapGPT 自问世以来，便展现出了令世人惊艳的对话能力。仅用两个月时间，ChatGPT 月活跃用户就达一亿，是史上用户增速最快的消费应用。对于学术界、工业界、或是其他相关应用来说都是一个非常大的机会和挑战。事实上，ChatGPT 的成功并不是偶然结果，其背后多有创新之处。本文整理于达观数据参与承办的「ChatGPT 及大模型专题研讨会」上，复旦大学邱锡鹏教授带来的《对话式大型语言模型》主题分
ChatGPT真的是「通才」吗？杨笛一等人给它来了个摸底考试
ChatGPT 真的是「通才」吗？单拎出哪项能力都能完胜其他模型吗？哪些任务是 ChatGPT 擅长的，哪些不是？为了系统地探索这些问题，南洋理工大学博士生 Chengwei Qin、斯坦福大学计算机科学助理教授杨笛一等人进行了大量实验。
噪声总是有害吗？西工大李学龙教授提出基于任务熵的数学分析框架
李学龙教授在 IEEE 期刊上在线发表 “正激励噪声”《Positive-Incentive Noise》。
超越现有指标57.3%，邢波教授、胡志挺教授团队提出统一NLG评价框架
长期以来，评价机器生成的文本比较困难。近日，CMU邢波（Eric Xing）教授和UCSD胡志挺（Zhiting Hu）教授的团队提出用一种运算符，统一各类生成任务的评价方式，为未来各种新任务、新要求提供了更加统一的指导。实验表明，基于统一框架设计的评价指标，在多个任务上超过了现有指标与人工评分的相似度，现在通过PyPI和GitHub可以直接调用。
一个模型处理多种模态和任务，商汤等提出Uni-Perceiver，迈向通用预训练感知模型
来自商汤、西安交通大学等机构的研究者提出了一种通用感知架构 Uni-Perceiver ，该方法可以更好地将预训练中学到的知识迁移到下游任务中。