ReaderMX.
GenAI新世界

3 月 8 日 AI 头条：2024 世界人工智能大会 7 月 4 日至 6 日在上海举行

G大模型机动组约 5 分钟
Image
划重点：
  • 2024 世界人工智能大会将于 7 月 4 日至 6 日在上海举行
  • 谷歌优化 Gemini：可重新生成、缩短、扩充指定聊天内容
  • 马斯克：OpenAI 把名字改成 ClosedAI 就放弃起诉
  • 印度宣布增加资金投入，强化大语言模型的开发现状
  • 微软员工举报微软图片生成模型，称其会生成有害信息
  • 微软计划在3月底发布 AI PC
资讯详情：

2024 世界人工智能大会将于 7 月 4 日至 6 日在上海举行

据世界人工智能大会官方消息，2024 世界人工智能大会将于 7 月 4 日至 6 日在上海举办。

据介绍，WAIC 2023 累计举办 133 场线上线下活动，展览面积超过 5 万平米。截至大会闭幕时，线下参观人数突破 17.7 万人，全网流量突破 10.7 亿，全网曝光量达 64.1 亿，辐射 2600 余家海内外网络与媒体，均创历史新高。

据悉，首批签约参与WAIC 全球战略合作计划单位有：阿里云、东浩兰生会展集团股份有限公司、IEEE、蚂蚁集团、商汤科技、上海临港科创投资管理有限公司、上海人工智能实验室、中国工程院院士专家成果展示与转化中心。

Image
谷歌优化 Gemini：可重新生成、缩短、扩充指定聊天内容
谷歌官方宣布，谷歌已在近日对 Gemini聊天机器人进行升级。
更新之后，用户和其聊天过程中，可以通过点击图标进入新功能，并指定部分聊天内容，进行修改、缩短、扩充等操作。用户还可以对所选文本应用提示并进行相应更改。当然，恢复更改也同样简单，只需单击一下即可。

Image

马斯克：OpenAI 把名字改成 ClosedAI 就放弃起诉

马斯克近日在 X 平台对OpenAI 的官方公告进行回应，称如果 OpenAI 同意将名称改为“ClosedAI”，他就撤销针对 OpenAI 的诉讼。

此前马斯克对 OpenAI 及其 CEO 萨姆・阿尔特曼提起诉讼，马斯克声称他们违反了双方关于人工智能开发的原始合同协议。OpenAI 迅速对马斯克的指控进行反击，称双方冲突的核心是围绕向营利性结构转变的讨论。OpenAI 称，马斯克曾提出与特斯拉合并或完全控制 OpenAI ，但这些要求与 OpenAI 的使命不相符。与此同时，OpenAI 公开了部分公司高层与马斯克的沟通邮件作为证据。

Image

印度宣布增加资金投入，强化大语言模型的开发现状

据 Mint 报道，印度政府宣布已批准国家级“ IndiaAI 使命”项目，旨在实现“让 AI 在印度扎根”和“让 AI 为印度服务”两大目标，预算达 1037.192 亿卢比（当前约 90.13 亿元人民币）。据介绍，该项目将由数字印度公司（DIC）旗下的“IndiaAI”独立业务部门（IBD）实施。

Image

微软员工举报微软图片生成模型，称其会生成有害信息

据 CNBC 报道，一位微软工程师向美国联邦贸易委员会 (FTC) 举报该公司的人工智能图片生成器 Copilot Designer 存在安全隐患。这位名叫 Shane Jones 的工程师在微软工作了六年，他致信 FTC 表示，在测试 Copilot Designer 的安全问题和缺陷时，Jones 发现该工具会生成“与堕胎权术语相关的恶魔和怪物、手持突击步枪的青少年、暴力场景中性化的女性图像以及未成年人饮酒和吸毒”等内容。

Image
微软计划在3月底发布 AI PC

据 Windowscentra 报道，微软计划在3月21日发布全新Surface Pro 10 和 Surface Laptop 6  系列硬件。这将是微软首款人工智能 PC 。

据悉，这两款硬件将搭载基于英特尔酷睿 Ultra 和高通骁龙 X Elite 处理器的 Surface PC，配备新一代 NPU，可增强 AI 性能。

Image

今日重点论文：

剑桥大学：
《Why do Random Forests Work? Understanding Tree Ensembles as Self-Regularizing Adaptive Smoothers 》
论文提供了一种新的量化决策树集成的平滑度的方法，并对决策树集成的优势进行了进一步的解释。研究表明，决策树集成可以通过三种不同的机制提高性能，即减少噪声引起的预测方差、减少给定固定输入数据时学习函数质量的变异性，以及通过丰富可用的假设空间减少潜在的偏差。
论文地址：
https://arxiv.org/abs/2402.01502v1
瑞士EPFL统计物理计算实验室：
《A Phase Transition between Positional and Semantic Learning in a Solvable Model of Dot-Product Attention 》
论文提供了一个简单的架构，可以学习实现解决方案的位置或语义机制。在高维数据和足够的样本数量下，论文提供了非线性自注意力层的全局最小值的封闭形式描述。论文比较了dot-product attention layer和线性位置基准的性能，并证明了前者在使用语义机制时优于后者。
论文地址：
https://arxiv.org/abs/2402.03902v1
西北大学：
《The Impact of Reasoning Step Length on Large Language Models》
本文通过实验发现，即使在不添加新信息的情况下，延长提示中的推理步骤长度也可以显著提高LLMs在多个数据集上的推理能力，而缩短推理步骤则会显著降低模型的推理能力。此外，本文还发现，即使使用不正确的推理过程，只要推理步骤长度足够，也能获得良好的结果。最后，本文还发现，增加推理步骤的优势取决于任务的复杂性。
论文地址：
https://arxiv.org/abs/2401.04925v2
法国高等师范学院体质实验室：
《Dynamical Regimes of Diffusion Models》
论文提出了一种通过谱分析和数据中过量熵的估计来确定数据集中的分化时间和崩溃时间的方法，以此来解决扩散模型中的维度诅咒问题。论文的亮点包括通过分析高维高斯混合模型等简单模型得出的理论结果，以及对复杂情景的扩展和真实数据集的数值验证。论文还提到了开源代码和值得进一步研究的工作方向。
论文地址：
https://arxiv.org/abs/2401.04925v2
卡耐基梅隆大学：
《Repetition Improves Language Model Embeddings》
本文的关键思路是使用“回声嵌入”来解决自回归大型语言模型中的架构限制，从而最大化利用高质量的LLMs进行嵌入提取。本文的实验结果表明，“回声嵌入”可以在MTEB排行榜上将零-shot的表现提高9％以上，并在微调后提高约0.7％。使用Mistral-7B模型的“回声嵌入”实现了与不利用合成微调数据的先前开源模型相比的最新成果。值得注意的是，本文提出的方法非常简单，易于实现。
论文地址：
https://arxiv.org/abs/2402.15449v1
Image

KEEP THE THREAD GOING

更多来源文章