ReaderMX.
GenAI新世界

6月7日 AI 头条｜阿里云发布开源模型Qwen2，性能超越众多中国闭源模型

G大模型机动组约 5 分钟
Image
划重点：

  • 阿里云发布开源模型Qwen2，性能超越众多中国闭源模型

  • 谷歌 Play 商店宣布整顿生成式 AI 类 App

  • 美国将对微软、OpenAI和英伟达展开反垄断调查

  • 国产文生视频大模型 Vidu 即将更新

  • DuckDuckGo推出AI Chat聊天机器人，承诺保护对话隐私

  • Wix推出AI工具，通过文本描述生成iOS或Android应用

  • 广东高考首次采用 AI 智能巡考

资讯详情：
阿里云发布开源模型Qwen2，性能超越众多中国闭源模型
阿里云官方消息，正式发布开源模型Qwen2-72B，性能超过美国最强的开源模型Llama3-70B，也超过文心4.0、豆包pro、混元pro等众多中国闭源大模型。所有人均可在魔搭社区和Hugging Face免费下载通义千问最新开源模型。
相比2月推出的通义千问Qwen1.5，Qwen2实现了整体性能的代际飞跃。在权威模型测评榜单OpenCompass中，此前开源的Qwen1.5-110B已领先于文心4.0等一众中国闭源模型。刚刚开源的Qwen2-72B，整体性能相比Qwen1.5-110B又取得了大幅提升。
Image
谷歌 Play 商店宣布整顿生成式 AI 类 App
据谷歌官方消息，谷歌针对 AI 类应用程序更新了指导方针，目标是减少“不适当的”和“被禁止的”内容。
谷歌在新的政策中指出，提供生成式 AI 功能的应用必须防止生成受限制的内容，包括色情内容、暴力等，并要求应用对其 AI 模型进行“严格测试”。谷歌未来还将增加新的应用上架功能，力图使向商店提交生成式 AI 应用的过程变得更为公开透明、简单化。
Image
美国将对微软、OpenAI和英伟达展开反垄断调查
据界面新闻报道，美国联邦监管机构已达成一项协议，允许对微软、OpenAI和英伟达在人工智能行业的主导地位展开反垄断调查。
据悉，美国司法部和美国联邦贸易委员会在过去一周达成了这项协议。根据协议，美国司法部将牵头调查英伟达的行为是否违反了反垄断法，美国联邦贸易委员会将在审查OpenAI和微软的行为方面发挥主导作用。
Image
国产文生视频大模型 Vidu 即将更新
生数科技、清华大学联合发布的国内首个长时长、高一致性、高动态性的视频大模型 Vidu 将于近期完成更新，增加部分新功能。据悉，更新后的 Vidu 将会支持生成32秒视频，并支持音视频合成功能，可以为视频增加音频内容。此外，Vidu 还会加入 4D 生成功能，可以从单一视频生成时空一致的 4D 内容。
Image
DuckDuckGo推出AI Chat聊天机器人，承诺保护对话隐私
据 DuckDuckGo 官方消息， DuckDuckGo 现已增加AI Chat聊天机器人功能，用户可根据自己的需求选择不同的模型进行对话。
DuckDuckGo 表示，它不会保留用户的 IP 地址，但会临时使用网络标识符以确保安全。DuckDuckGo 在其隐私政策和服务条款中警告用户，如果用户违反法律或商业使用 AI Chat 而导致公司受到起诉，用户可能需承担责任。
禁止的行为包括:非法或有害活动;侵犯他人权利;创建垃圾邮件或恶意软件;色情或淫秽活动;导致身体或经济损害，或违反法律;受监管的活动（如法律、医疗、金融）;或干扰 ChatAI 或其他 DuckDuckGo 服务。
Image
Wix推出AI工具，通过文本描述生成iOS或Android应用
据 Wix 官方消息，Wix 近日推出一个新的 AI 功能，允许用户通过用简单的中文描述想要看到的内容来创建和编辑 iOS 或 Android 应用。
这项功能将在 Wix 的应用构建工具中推出，通过类似聊天机器人的界面引导用户了解他们应用的目标、意图和美学。根据这些信息，Wix 的 AI 生成一个应用，用户可以通过应用编辑器进行定制，还可以选择添加第一方和第三方集成、小部件和连接器。
Image
广东高考首次采用 AI 智能巡考
据广东省教育考试院消息，广东省今年的高考考场将运用人工智能技术监控考试违规行为。
为进一步提升高考监考效率，广东移动今年创新性地为 386 个高考考点部署了 AI 实时智能巡考系统。该系统可以利用先进的人工智能技术，通过分析考场内的图像和视频数据，能够实时检测出作弊、抄袭等异常行为，并立即发出警报，提醒监考老师及时采取措施。
资讯详情：
英伟达：
《Guiding a Diffusion Model with a Bad Version of Itself》
论文旨在解决图像生成扩散模型中图像质量、结果变化量和与给定条件的对齐度之间的平衡问题。同时，该论文也试图提高无条件模型的图像生成质量。通过使用较小的、未经过训练的模型来指导生成模型，可以在不降低变化量的情况下获得对图像质量的分离控制。
论文地址：
https://arxiv.org/abs/2406.02507v1
谷歌 Deepmind
《To Believe or Not to Believe Your LLM》
该论文旨在探讨如何量化大型语言模型中的不确定性，并识别当查询的响应中存在大量不确定性时。同时考虑认知不确定性和随机不确定性，前者来自于对基本事实（如事实或语言）缺乏知识，后者来自于不可减少的随机性（如多个可能的答案）。
该论文提出了一种基于信息论的度量方法，可以可靠地检测到只有认知不确定性很大的情况，此时模型的输出是不可靠的。这种情况可以仅基于模型的输出进行计算，而无需其他信息。这种量化方法可以检测到单个和多个答案响应中的幻觉。
论文地址：
https://arxiv.org/abs/2406.02543v1
LAION
《Alice in Wonderland: Simple Tasks Showing Complete Reasoning Breakdown in State-Of-the-Art Large Language Models》
对当前大型语言模型在基础推理问题上的表现进行评估，发现其存在严重的功能和推理能力缺陷，需要重新评估其能力和建立更适合的基准测试数据集。使用一个简单的基础常识问题来评估大型语言模型的推理能力，发现当前最先进的模型在这方面表现不佳。需要重新评估模型的能力和建立更适合的基准测试数据集。
论文地址：
https://arxiv.org/abs/2406.02061v1
林茨大学
《xLSTM: Extended Long Short-Term Memory》
本文尝试通过对LSTM进行扩展，解决在大规模语言模型中LSTM的限制问题，以及验证扩展后的xLSTM在性能和规模上是否能与Transformer和State Space Models相媲美。本文提出了指数门控和修改LSTM内存结构的方法，得到了sLSTM和mLSTM两种扩展，将它们与残差块相结合得到xLSTM，从而提高了LSTM在大规模语言模型中的性能和规模。
论文地址：
https://arxiv.org/abs/2405.04517v1
Image

KEEP THE THREAD GOING

更多来源文章