5月 6 日 AI 头条 | 李飞飞或创建 AI 初创公司，开发全新 AI 系统
大模型机动组约 5 分钟划重点：
李飞飞或创建 AI 初创公司，开发全新 AI 系统
OpenAI 或将在 5 月 9 日发布 ChatGPT 版搜索引擎
苹果组建 AI 团队，已从谷歌挖角36名专家
OpenAI 更新 ChatGPT ，新增临时聊天功能
Claude 推出苹果 iOS 版 App，最新模型号称超越 GPT-4
英伟达更新 ChatRTX 聊天机器人，增加照片搜索等功能
面壁智能发布 Eurux-8x22B 开源大模型：代码性能超越 Llama3-70B
英特尔 Falcon Shores GPU 计划明年晚些时候推出
资讯详情：
李飞飞或创建 AI 初创公司，开发全新 AI 系统
据 Cnbeta 消息，计算机科学家李飞飞正在创建一家 AI 初创公司，开发全新的 AI 系统。
据悉，李飞飞的这家 AI 公司旨在利用类似人类的视觉处理技术，使 AI 具备高级推理能力。李飞飞此前曾表示，最前沿的研究涉及一种算法，这种算法可以合理地推断出图像和文字在三维环境中的样子，并根据这些预测采取行动，使用的概念叫作 “空间智能”。
OpenAI 或将在 5 月 9 日发布 ChatGPT 版搜索引擎
据 Reddit 网友爆料，OpenAI 可能会在5月9日公布旗下的 ChatGPT 搜索产品，与谷歌展开竞争。
据悉，OpenAI 将推出搜索网页，search.chatgpt.com 域名和相关的 SSL 证书已经被创建，预计会在本周5月9日上线。
苹果组建 AI 团队，已从谷歌挖角36名专家
据金融时报报道，自 2018 年挖走前 Google 高管约翰·詹南德里亚以来，苹果已经从 Google 招来了至少 36 名人工智能专家。
而苹果挖走的这些人工智能专家，在苏黎世建立了一个欧洲实验室，他们参与了苹果对 OpenAI 的 ChatGPT 聊天机器人等产品的底层技术的研究。该团队的论文专注于更先进的人工智能模型，这些模型结合了文本和视觉输入来生成对查询的响应。
OpenAI 更新 ChatGPT ，新增临时聊天功能
据OpenAI 官方消息，OpenAI 近期对 ChatGPT 进行更新，增加了一系列新功能，其中包括临时聊天。
临时聊天功能允许用户和 ChatGPT 进行一次性对话，该对话的聊天内容不会被保存到聊天记录之中。该功能可以帮助用户避免隐私问题，也适用于设计敏感信息的场景。本次更新目前已在 ChatGPT 网页版上线，移动端版本即将推出。
Claude 推出苹果 iOS 版 App，最新模型号称超越 GPT-4
Anthropic 近日宣布，旗下大模型产品 Claude 现已推出移动版，登录iOS 平台。
据 Anthropic 产品经理 Scott White 表示，许多用户一直通过移动设备访问 Claude 模型，促使 Anthropic 公司推出了 Claude.ai 的应用版本。据介绍，该应用除了提供聊天机器人等基础功能之外，还支持上传照片、分析图像。在此之前，Claude 只能通过网站或第三方模型库来使用。
英伟达更新 ChatRTX 聊天机器人，增加照片搜索等功能
据英伟达官方消息，英伟达近日对旗下聊天机器人 ChatRTX 进行更新，发布了0.3版本并加入一系列新功能。
英伟达表示，更新之后的 ChatRTX 增加了对Gemma、ChatGLM3-6B等模型的支持，并增加了图片搜索、语音识别等新的功能。用户现在可以使用 ChatRTX 查询笔记和文档，ChatRTX 可以快速生成相关回复，同时在用户设备上本地运行。
面壁智能发布 Eurux-8x22B 开源大模型：代码性能超越 Llama3-70B
面壁智能官方消息，面壁智能近日发布开源大模型 Eurux-8x22B，包括Eurux-8x22B-NCA 与Eurux-8x22B-KTO，主打推理能力。
Eurux-8x22B在 LeetCode（180 道 LeetCode 编程真题）与 TheoremQA 测试上超越了 Llama3-70B，在 LeetCode 测试上超越闭源的 GPT-3.5-Turbo。据介绍，Eurux-8x22B 模型激活参数 39B，支持 64k 上下文，是由 Mixtral-8x22B 模型对齐而来，在 UltraInteract 对齐数据集上训练而成。
英特尔 Falcon Shores GPU 计划明年晚些时候推出
英特尔在上月末举行的一季度电话财报会议上明确，Falcon Shores GPU 将于 2025 年晚些时候推出。据HPCwire 报道，该处理器正重新设计，以适应 AI 产业需求。
英特尔 CEO 帕特・基辛格称，Falcon Shores 将结合完全可编程的架构和 Gaudi 3 加速器优异的系统性能，用户可在两代硬件间实现顺利且无缝的升级转换。英特尔表示，AI 业界正转向 Python 或 Triton 等更高级别的软件抽象，采用开放式软件平台以减少依赖。
而英特尔的软件堆栈正日趋成熟，可消除从 Gaudi 系列加速器向 Falcon Shores 转移时的障碍。Falcon Shores 将兼容更多的 AI 用例，包括所有已在 Gaudi 加速器上实现的部分。
今日重点论文：
卡内基梅隆大学
《DreamScene4D: Dynamic Multi-Object Scene Generation from Monocular Videos》
研究团队提出DreamScene4D，试图解决从单目视频中生成三维动态场景的问题，包括多个对象的运动以及遮挡和新视角等问题。该论文的关键思路是设计了一种“分解再重组”的方案，通过使用开放词汇掩码跟踪器和适应的图像扩散模型来分解整个视频场景和每个对象的三维运动，然后对相对对象比例进行优化。
论文地址：
https://arxiv.org/abs/2405.02280v1
亚马逊
《Structural Pruning of Pre-trained Language Models via Neural Architecture Search》
亚马逊研究团队提出用于结构剪枝的探索神经架构搜索（NAS），以找到优化效率和泛化性能之间平衡的子网络，解决预训练语言模型（PLM）在实际应用中由于模型大小和推理延迟等问题而难以部署的挑战。这是一个新问题。这种方法利用多目标方法识别 Pareto 最优子网络集，而不是使用固定阈值的传统剪枝方法，以实现更灵活和自动化的压缩过程。
论文地址：
https://arxiv.org/abs/2405.02267v1
鲁汶大学
《On the test-time zero-shot generalization of vision-language models: Do we really need prompt learning?》
研究团队在解决测试时数据增强（test-time augmentation）的问题，提出了一种基于MeanShift的测试时数据增强方法，名为MTA。该方法旨在提高零样本学习的泛化性能，同时避免了复杂的训练过程和规则设置。MTA方法利用一个质量评估变量（inlierness score）来直接优化每个视图的质量，并将其与密度模式寻找过程结合起来，从而实现高效的训练和超参数优化。相比于基于提示的方法，MTA方法不需要繁琐的训练过程，同时也不需要使用任何规则来过滤增强的视图。
论文地址：
https://arxiv.org/abs/2405.02266v1
多伦多大学
《Comparing Personalized Relevance Algorithms for Directed Graphs》
研究团队设计一个交互式Web平台，能够给出一个有向图中与给定查询节点相关的最相关节点。除了传统的PageRank和Personalized PageRank算法，该团队还提出了Cyclerank算法，通过利用循环路径来计算个性化相关性分数，解决了一些限制。
论文地址：
https://arxiv.org/abs/2405.02261v1