ReaderMX.
GenAI新世界

7月24日 AI 头条｜GPT-4o mini 登顶lmsys 大模型竞技场

G大模型机动组约 7 分钟

Image

划重点:

  • GPT-4o mini 登顶lmsys 大模型竞技场

  • 首次击败闭源模型，Meta 发布 Llama 3.1 开源大模型

  • OpenAI 安全主管调岗，将专注于 AI 推理能力提升

  • 快手视频大模型可灵推出付费方案，最低396元每年

  • 英伟达宣布推出NVIDIA AI Foundry 代工服务

  • 阿里通义大模型成巴黎奥运会首个AI大模型应用技术提供方

  • Adobe 为 Illustrator 和 Photoshop 推出更多生成式人工智能功能

  • 英特尔发布 AI Playground 测试版本，仅向 Arc 显卡用户开放

  • 微软发布 VALL-E2 模型，配音效果可达到人类水平

  • 百川智能联合天津大学探索智能体框架，登顶大模型复杂任务榜单GAIA

资讯详情：
GPT-4o mini 登顶lmsys 大模型竞技场
业内权威的大模型竞技场 Lmsys 今天更新了其最新排行榜。结果显示，GPT-4o mini 跃居排行榜榜首，目前与 GPT-4o 并列第一。
OpenAI CEO Sam Altman 也在X上回应此时，称很高兴看到 GPT-4o mini 在 lmsys 上的性能如此接近 GPT-4o，而价格仅为其二十分之一！
此外OpenAI 宣布，GPT-4o mini 的微调将逐步开放，目前已开放给 tier 4 和 tier 5 用户，然后会陆续扩展范围。而且从即日起到 9 月 23 号，每天都能免费使用 2 百万的训练 token。   
Image
首次击败闭源模型，Meta 发布 Llama 3.1 开源大模型
今天凌晨，Meta 正式发布新一代开源大模型Llama 3.1系列，提供 8B、70B 及 405B 参数版本。
Meta 表示，Llama 3.1系列在推理能力和多语言支持方面进行了改善，其上下文长度被提升至128K，而模型参数也被提高到了4050亿规模，是近年来规模最大的大语言模型之一。Meta 表示，该模型在通用常识、可引导性、数学、工具使用和多语言翻译等广泛任务中足以对标GPT-4、Claude 3.5 Sonnet等领先闭源模型。   
Image
OpenAI 安全主管调岗，将专注于 AI 推理能力提升
据 Sam Altman 表示，OpenAI 原 AI 安全主管Aleksander Madry调岗，将负责提升 AI 推理能力。
此前 The Information 发表文章，表示Aleksander Madry已被解除安全主管职位。随后Altman 在X 转发并对此消息予以否认。Altman 表示，Aleksander Madry将开展一个非常重要的研究项目。据悉，OpenAI 的安全团队将会由Joaquin Quinonero Candela 和 Lilian Weng 接管。
Image
快手视频大模型可灵推出付费方案，最低396元每年
据快手官方消息，旗下视频生成大模型可灵现已开始全量上线，并面向不同需求的用户推出多种不同的付费方案。
目前可灵共拥有4种付费方案，除了免费版本之外，还有年费396元的黄金会员、年费1596元的铂金会员和年费3996元的钻石会员。所有付费用户可在免费版基础上获得大师运镜、视频延长、高表现视频生成等付费服务。
此外，铂金会员和钻石会员还将获得新功能优先体验的权利。
Image
英伟达宣布推出NVIDIA AI Foundry 代工服务
据英伟达官方消息，英伟达宣布，将推出NVIDIA AI Foundry 代工服务，帮助企业定制大模型产品。
据悉，NVIDIA AI Foundry 代工服务让企业能够利用数据、加速计算和软件工具来创建和部署定制模型，从而为其生成式人工智能计划增添动力。NVIDIA AI Foundry利用DGX云、基础模型、英伟达 NeMo软件、英伟达专业知识以及生态系统工具和支持，为其他公司开发和定制人工智能模型提供基础架构和工具。企业可以使用AI Foundry定制英伟达模型和开放社区模型，包括新的Llama 3.1系列，以及英伟达Nemotron、谷歌DeepMind的CodeGemma、CodeLlama、谷歌DeepMind的Gemma、Mistral、Mixtral、Phi-3、StarCoder2等。   
Image

阿里通义大模型成巴黎奥运会首个AI大模型应用技术提供方
据36氪报道，通义千问大模型在与国际科技公司的竞争中获胜，成为奥运首个AI大模型应用的技术提供方。
此外，据央广网此前报道，在上海举行的巴黎奥运资格赛中，这项技术就已经在现场进行测试，以保障正式比赛中的顺利运行。这项技术首次应用于北京冬奥会，今年在巴黎奥运会中将推广到更多比赛中。据了解，这项技术将部署在巴黎奥运的12个场馆，在沙滩排球、网球、柔道和橄榄球等赛事转播中采用。   
Image
Adobe 为 Illustrator 和 Photoshop 推出更多生成式人工智能功能
据 The Verge 报道，Adobe 正在为其 Illustrator 和 Photoshop 设计软件引入一些新工具和生成式 AI 功能，旨在帮助加快创意工作流程。
Illustrator中最值得关注的更新是Adobe最新的Firefly Vector AI模型，该模型从今天开始提供公开测试版。新模型带来了多个新功能，比如生成形状填充，允许用户通过描述性文本提示为形状添加详细的矢量。更新后的模型还改进了 "文本到图案"测试版功能，该功能可用于为壁纸等创建可缩放的定制矢量图案；以及 "样式参考"功能，该功能可生成镜像现有样式的输出。Illustrator 的这次更新还引入了尺寸工具（可自动为项目添加尺寸信息）、模拟功能（可预览设计在 3D 产品上的效果）和 Retype（可将图像中的静态文本转换为可编辑的内容）。
Photoshop 也有一些更新。由 Adobe 最新的 Firefly Image 3 模型支持的生成图像功能现在可以在 Photoshop 桌面和网络应用程序中使用，生成填充的增强细节功能现在可以在应用于大型图像时提供 "更清晰的细节"。选择画笔工具也已全面推出，用户可以通过在画布上绘画，更轻松地从画布上选择和分离特定对象。   
Image
英特尔发布 AI Playground 测试版本，仅向 Arc 显卡用户开放
据 wccftech 报道，英特尔现已面向 Arc 显卡用户开放 AI 开源软件 AI Playground 的 测试版。
英特尔表示，AI Playground 完全免费，用户可利用基于英特尔 Arc 的图形处理器的 AI 功能。无论电脑是使用英特尔 Meteor Lake Core Ultra-H 处理器，还是使用至少 8GB 内存的英特尔 Arc 独立图形处理器，AI Playground 都能利用硬件能力完成各种生产力任务。
AI Playground 中的实用程序使用 OpenVINO 框架，这是一个用于 "优化 "和 "部署人工智能推理 "的开源软件工具包。   
Image
微软发布 VALL-E2 模型，配音效果可达到人类水平
据 Arxiv 页面显示，微软近期发布文本到语音模型 VALLE-2，首次实现了与人类同等的水平。
据悉，VALLE-2采用零样本学习技术，仅需一段简短的陌生语音样本，就能模仿相同的声音说出任意文本内容，展现了惊人的即时模仿能力。不过研究者表示，虽然 VALL-E 2 有很强的零样本学习能力可以像配音员一样模仿声音，但相似度和自然度取决于语音 prompt 的长度和质量、背景噪音等因素。
在主观评分（SMOS和CMOS）和客观指标(SIM、WER和DNSMOS)上，VALLE-2不仅超越了前代模型VALLE，在某些方面甚至优于人类真实语音。Image

今日重点论文：
Cohere：
《On the Limitations of Compute Thresholds as a Governance Strategy》
当前的计算阈值管理方法过于短视，可能无法有效减轻风险。过度依赖计算能力的治理方法无法理解计算与风险之间的高度不确定性和快速变化的关系，也高估了我们在不同规模下预测能力的能力。
论文地址：
https://arxiv.org/abs/2407.05694v1
Stability A：
《Stable Audio Open》    
开放式文本到音频生成模型的缺乏，限制了艺术家和研究人员的创作和研究。本论文旨在提出一种基于Creative Commons数据训练的开放式文本到音频生成模型，并验证其性能是否达到了当前领域的最高水平。本论文提出了一种基于Creative Commons数据训练的文本到音频生成模型，并采用了一些新的技术来提高生成音频的质量和逼真度。
论文地址：
https://arxiv.org/abs/2407.14358v1
微软：
《Mixture of LoRA Experts》
该论文旨在解决多个LoRA插件的融合问题，以提高模型在不同下游任务上的性能和灵活性。该论文提出了一种名为MoLE的混合LoRA专家方法，利用分层控制和自由分支选择来实现更好的LoRA融合性能和灵活性。
论文地址：
https://arxiv.org/abs/2404.13628v1
麻省理工大学：
《KAN: Kolmogorov-Arnold Networks》
论文旨在提出一种新的神经网络结构Kolmogorov-Arnold Networks (KANs)，并探究其在数据拟合和偏微分方程求解方面的性能和可解释性。KANs使用可学习的边权重激活函数代替了固定的节点激活函数，同时通过样条函数代替线性权重参数，从而在精度和可解释性方面优于传统的Multi-Layer Perceptrons (MLPs)。
论文地址：
https://arxiv.org/abs/2404.19756v2    
Image

KEEP THE THREAD GOING

更多来源文章