4 月 19 日 AI 头条｜Mate 推出 Llama 3 大模型，可在微软 Azure 上运行
荷花约 8 分钟划重点：
Mate 推出 Llama 3 大模型，可在微软 Azure 上运行
月之暗面 Kimi 智能助手功能升级
微软计划到年底积累 180 万枚 AI 芯片，将其 GPU 数量增加两倍
万兴天幕大模型4月28日公测 文生视频能力支持60秒+
联想昭阳AI PC 正式发布 重新定义AI终端生态
Meta AI 全球市场扩张，并上线网页版 meta.ai
可评估大模型安全性，MLPerf 基准测试开发方 MLCommons 发布 AI Safety 测试 v0.5 版
资讯详情：
Mate 推出 Llama 3 大模型，可在微软 Azure 上运行
据微软 Azure 消息，Meta 最新的 Llama 3 大模型现已发布，Meta 通过 Azure AI Studio 提供 Llama-3-8B 推理 API 和托管微调功能。
Meta 本次发布的Llama 3 大模型是一组经过预训练和微调的生成式文本模型，规模从 80 亿到 700 亿个参数不等。微调版本称为 Llama 3，针对对话使用案例进行了优化。Llama 3 模型在微软的基准测试中表现出色，而且在实用性和安全性的人工评估中，成绩与当前流行的闭源模型不相上下。
Azure AI Studio 用户现在可以访问 Llama-3-8B 推理 API，并在 Azure AI Studio 中进行托管微调。
月之暗面 Kimi 智能助手功能升级
据月之暗面官方消息，旗下 AI 聊天机器人 Kimi 智能助手现已完成更新，推出更多新功能。
更新之后的 Kimi 智能助手模型能力获得了大幅提升，拥有更稳定的基座能力，此外Kimi 现在还拥有了常用语功能，进入页面后就可以直接使用常用的 Prompt。kimi 助手还增加了语音输入、播报功能，为用户带来更丰富的交互。新版本的搜索功能还支持引用溯源，给用户更严谨的回答。
据介绍，Kimi 在逻辑能力、交互方式上取得进步，给出的信息也更严谨。
微软计划到年底积累 180 万枚 AI 芯片，将其 GPU 数量增加两倍
据新浪科技报道，微软的目标是到 2024 年底积累 180 万枚人工智能芯片。
微软正试图让生成式 AI 更快、更好、更便宜，但这一努力在很大程度上依赖于微软采购芯片和图形处理单元（GPU），这些芯片主要来自英伟达。
这份文件显示，微软计划在 2024 年将其拥有的 GPU 数量增加两倍。微软正与 OpenAI 合作，处于生成式 AI 热潮的前沿，而保持在这个领域前沿的代价将是昂贵的。据两位知情人士称，从当前财年到 2027 财年，微软预计将在 GPU 和数据中心上花费约 1000 亿美元。
万兴天幕大模型4月28日公测 文生视频能力支持60秒+
4月18日，2024中国生成式AI大会在京举办，AIGC软件A股上市公司万兴科技（300624.SZ）受邀参会，并重磅宣布旗下音视频多媒体大模型万兴“天幕”将于4月28日正式公测，以通过广泛的用户参与和反馈，进一步优化“天幕”性能和体验，同时探索多媒体大模型技术在不同领域的应用潜力。
当前，万兴“天幕”大模型已通过中央网信办备案，能力方面已涵盖文生视频、视频生视频、文生音乐、视频配乐、文生音效、文生图、图生图等原子能力，相关能力已在万兴科技旗下产品规模化商用。其中文生视频能力上，已实现不同风格、丰富场景及主题的连贯性，且一键生成时长支持60秒+。
联想昭阳AI PC 正式发布 重新定义AI终端生态
4月18日，在2024年联想创新科技大会（2024 Lenovo Tech World）上，联想重磅推出了专为政企客户打造的全新商用 AI PC——联想昭阳AI PC，旨在通过全新的AI终端体验升级，显著提升各行业的生产力和创造力。
据介绍，联想专为政企客户推出的昭阳X7 AI高能本与昭阳X5 AI全能本，均搭载全新一代英特尔® 酷睿™Ultra 处理器，采用先进的Intel 4 制程工艺，实现了CPU+GPU+NPU 的“三级异构”结构，并集成了全新NPU人工智能加速引擎。这些技术的加持下，不仅能显著提升AI办公效率，还优化了功耗控制。
作为高能旗舰的昭阳X7 AI PC，可支持高性能8GB独立显卡，基于高效的Ada Lovelace 架构，配备专用的AI Tensor Core，提供了传统笔记本电脑无法比拟的AI处理能力。DLSS 3技术和全景光线追踪技术应用，使得性能实现了质的提升，可创造出栩栩如生的虚拟世界。此外，AI驱动的 Max-Q 技术有效优化了系统性能、功耗、电池续航和噪音水平，确保了系统的峰值运行效率。
同时，为了满足用户对台式显卡的高性能及移动便携的双重需求，昭阳X7还首次可搭配外接显卡扩展坞，增强笔记本的图形及存储性能，满足数字内容工作者的超强算力需求。
为了进一步加速AI技术在各行各业的落地，联想昭阳AI PC搭载了个人智能体-小天商用版，可以支持本地和云端两种模式，来应对不同的应用场景，并聚焦AI办公助理、AI设备助理和AI创作助理等三大核心应用场景，以此深入推动产业升级，赋能产业革新。
Meta AI 全球市场扩张，并上线网页版 meta.ai
Meta 公司近日宣布 Llama 3 大语言模型之外，扩展 Meta AI 服务到美国之外的 13 个国家和地区，还宣布上线专门的聊天网站：meta.ai。
Meta 公司在新闻稿中表示开始在全球市场扩展 Meta AI，在澳大利亚、加拿大、南非和新加坡等国家和地区推出英语版本。
Meta AI 整合了 Llama 3 大语言模型，速度更快、智能性更高、功能更强，是执行各种任务的理想选择。
Meta AI 以前仅限于移动应用程序（Facebook、Instagram、WhatsApp、Messenger），现在有了一个网站（meta.ai），用户可以在网站上与助手互动并保存对话记录。
全球人工智能社区、MLPerf 基准测试开发方 MLCommons 近日发布了其 AI Safety 人工智能安全基准测试的 v0.5 概念验证版本。
人工智能的蓬勃发展不可避免地带来了一系列安全问题，近日IT之家就报道了 LastPass 员工遭遇音频深度伪造攻击的事件。AI Safety 可帮助模型开发方筑起更牢靠的安全“围栏”。
AI Safety 基准测试由集合了行业技术专家、学术研究人员、政策标准代表和社会活动家的同名工作组制定，旨在通过大型语言模型对各类危险提示词的反应衡量这些模型的安全性。
AI Safety 基准测试将通过其 v0.5 版本搜集社区的测试结果和反馈意见，正式的 v1.0 版本预计于今年晚些时候推出。
微软亚洲研究院（Microsoft Research Asia）近日发表论文，介绍了全新的 VASA-1 模型，用户只需要提供一张静态肖像图片和一段语音音频片段，该模型就能自动让图片中的人物自动说话。
VASA-1 特别有趣的地方在于，它能够模拟自然的面部表情、各种情绪和唇部同步，最重要的是几乎没有人工痕迹，如果不细看很难发现。
研究人员还表示 VASA-1 支持离线 batch 处理模式下，以 45fps 生成分辨率为 512*512 的动态短视频，在线直播模式下可以达到 40 fps，且延迟仅为 170ms。而且整个生成操作只需要一台配备英伟达 RTX 4090 显卡的电脑上就能处理。
今日重点论文：
韩国科学技术院：
《Where Visual Speech Meets Language: VSP-LLM Framework for Efficient and Context-Aware Visual Speech Processing》
本文提出了一种新的框架VSP-LLM，通过自监督的视觉语音模型将输入视频映射到LLM的输入潜空间，利用视觉语音单元提出了一种新的去重方法，并通过Low Rank Adaptors (LoRA)实现了高效的训练。本文在MuAViC基准数据集上进行了实验，证明了VSP-LLM可以在只有15小时标注数据的情况下更有效地识别和翻译唇部运动。此外，本文的去重方法和LoRA可以提高训练效率。
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
巴黎萨克雷大学：
《A Hitchhiker’s Guide to Geometric GNNs for 3D Atomic Systems》
论文提出了一种基于几何图形的神经网络架构，利用3D原子系统的物理对称性和化学属性来学习有信息量的表示。提供了一个系统的分类法，包括不变网络、笛卡尔基础下的等变网络、球基础下的等变网络和无约束网络。同时，论文还介绍了关键数据集和应用领域，并提出了未来的研究方向。
论文地址：
https://arxiv.org/abs/2312.07511v1
乔治亚理工学院：
《Escalation Risks from Language Models in Military and Diplomatic Decision-Making》
作者们设计了一个新的战争游戏模拟和评分框架，以评估这些代理在不同情境下采取的行动的升级风险。他们发现所有五个研究的预训练语言模型都显示出升级和难以预测的升级模式。与以往研究不同的是，他们的研究提供了定性和定量的见解，并专注于大型语言模型（LLMs）。
论文地址：
《MambaByte: Token-free Selective State Space Model》
论文使用MambaByte模型在字节级别上进行训练，并将其与其他基于字节的模型和子词模型进行比较，发现MambaByte模型的计算效率更高，并且在性能方面与现有的子词Transformer模型相当甚至更好。此外，论文还开源了MambaByte模型的代码和预训练模型，并使用了多个数据集进行实验验证。
论文地址：
https://arxiv.org/abs/2401.13660