ReaderMX.
GenAI新世界

8月21日 AI 头条｜OpenAI 发布新功能，允许用户对 GPT-4o 模型进行微调

G大模型机动组约 8 分钟
Image
划重点:
  • OpenAI 发布新功能，允许用户对 GPT-4o 模型进行微调
  • 瞄准AI加速器，AMD斥资49亿美元收购ZT Systems
  • 谷歌为 Gmail 增加全新 AI 功能，帮助用户润色草稿
  • 联手IBM，2024美国网球公开赛引入全新AI解说与赛后分析
  • 谷歌向科研人员开放健康声学表征 AI 模型
  • Anthropic 被提起集体诉讼，涉及使用盗版书籍训练 AI
  • 高通发布第三代骁龙 7S，为手机提供终端侧生成式AI功能
  • 英伟达团队推出 AI 模型 StormCast，精准预测几公里内雷暴天气
  • 星尘智能发布 AI 机器人助理 Astribot S1
资讯详情：
OpenAI 发布新功能，允许用户对 GPT-4o 模型进行微调
OpenAI 官方今天宣布，将推出 GPT-4o 的微调功能，这是开发人员要求最多的功能之一。
开发人员现在可以使用自定义数据集对 GPT-4o 进行微调，从而以更低的成本获得更高的性能，满足他们特定的使用情况。通过微调，该模型可以自定义响应的结构和语气，或遵循复杂的特定领域指令。开发人员只需在其训练数据集中加入几十个示例，就能为其应用生成强大的结果。从编码到创意写作，微调可以对各种领域的模型性能产生巨大影响。
OpenAI 还宣布将在 9 月 23 日之前每天为每个组织免费提供 100 万个培训代币。
Image
瞄准AI加速器，AMD斥资49亿美元收购ZT Systems
据 AMD 官方消息，AMD 已经签署最终协议，收购为全球最大的超大规模计算公司提供人工智能基础设施的领先供应商ZT Systems。
这项战略交易标志着AMD的人工智能战略迈出了重要的下一步，即在硅片、软件和系统创新的基础上，提供领先的人工智能训练和推理解决方案。ZT Systems 在设计和优化云计算解决方案方面的丰富经验也将帮助云计算和企业客户显著加快大规模部署 AMD 驱动的人工智能基础设施。
AMD 已同意以现金和股票交易的方式收购 ZT Systems，交易价值为 49 亿美元，其中包括根据交易完成后的某些里程碑而支付的最高 4 亿美元的或有款项。按非美国通用会计准则（Non-GAAP）计算，AMD 预计这项交易将在 2025 年底前实现增值。
Image
谷歌为 Gmail 增加全新 AI 功能，帮助用户润色草稿
据 9to5Google 报道，谷歌宣布将利用 Gemini 大模型为 Gmail 推出全新的 AI 功能润色，据悉，该功能可帮助用户提升邮件草稿的质量。
在帮我写功能中，用户已经可以对所写内容进行格式化、详细化或缩短。现在还有了润色功能，可以 毫不费力地润色邮件。如果用户在草稿中输入了粗略的注释，Gemini 可以将内容转化为完全正式的草稿，供其一键审阅。
润色功能已在 Google One AI Premium、Gemini Business 和 Enterprise 附加组件以及 Gemini Education 和 Education Premium 附加组件中广泛推出。
Image
联手IBM，2024美国网球公开赛引入全新AI解说与赛后分析
据 Technologymagazine 报道，IBM 宣布与美国网球公开赛合作，为赛事提供一整套AI生成功能，这些功能将改变全球数百万球迷的数字体验。
基于双方 30 年的合作关系，这些创新的核心是 IBM 的人工智能和数据平台 watsonx，该平台支持一系列新的增强功能，旨在提供更全面、更及时的赛事报道。今年的核心功能是引入人工智能生成的比赛报告摘要，这一功能有望彻底改变赛后分析。
利用专为商业应用而设计的 Granite 13B 大模型，IBM 将为整个赛事的所有 254 场主抽签单打比赛生成详细的长篇文章。这些在比赛结束后几分钟内生成的报告将为球迷提供有关球员表现、关键统计数据和比赛集锦的深入分析。
Image
谷歌向科研人员开放健康声学表征 AI 模型
据 谷歌官方消息，谷歌现已通过Google Cloud API，向研究人员开放健康声学表征（Health Acoustic Representations，简称 HeAR）AI 模型。
句谷歌表示，HeAR 模型是一种生物声学基础模型，旨在帮助研究人员建立模型，聆听人类的声音并标记疾病的早期征兆。谷歌研究团队利用从一个多样化、去身份化的数据集中收集的 3 亿条音频数据对 HeAR 进行了训练，特别利用大约 1 亿条咳嗽声训练了咳嗽模型。
研究人员可以使用 HeAR 来帮助加快定制生物声学模型的开发，同时减少数据、设置和计算量。谷歌的目标是，即使数据稀少或存在成本或计算障碍，也能进一步研究特定条件和人群的模型。
Image
Anthropic 被提起集体诉讼，涉及使用盗版书籍训练 AI
据 The Verge 报道，多位作者指责 Anthropic 在 Books3 数据集上训练人工智能模型侵犯了版权，因为该数据集包含盗版电子书。
在诉讼中，作者称Anthropic使用了一个名为 “The Pile ”的庞大开源数据集来训练其克劳德人工智能聊天机器人家族。在这个数据集中，有一个名为 Books3 的庞大盗版电子书库，其中包括斯蒂芬-金、迈克尔-波伦和其他数千名作家的作品。本月早些时候，Anthropic 向 Vox 证实，它使用了 The Pile 来训练 Claude。
作者们希望法院认证他们的集体诉讼，并要求 Anthropic 支付拟议的损失赔偿，防止该公司今后使用受版权保护的资料。
Image
高通发布第三代骁龙 7S，为手机提供终端侧生成式AI功能
据高通官方消息，高通技术公司现已推出第三代骁龙7s移动平台，延续骁龙7系的强劲势头，为更多用户带来更强大的功能。
该新平台提供终端侧生成式AI功能，支持包括Baichuan-7B和10亿参数的Llama 2等大语言模型（LLM）。该平台还采用性能强大的高通Adreno GPU，赋能出色的移动游戏体验，并具备专业级影像和视频拍摄特性，比如12-bit三ISP和4K sHDR。
小米将率先采用第三代骁龙7s，首款终端预计将于下个月面世。
Image
英伟达团队推出 AI 模型 StormCast，精准预测几公里内雷暴天气
英伟达近日宣布，发布一款名为tormCast的全新生成式人工智能模型，用于模拟高保真大气动力学。该模型可以在中尺度（比风暴大但比气旋小的尺度）上进行可靠的天气预测，这对灾害规划和减灾至关重要。
在与劳伦斯伯克利国家实验室（Lawrence Berkeley National Laboratory）和华盛顿大学（University of Washington）合作撰写的一篇论文中详细介绍了StormCast，它的出现正值极端天气现象夺走生命、摧毁家园，仅在美国每年造成的损失就超过1500亿美元之际。
这只是生成式人工智能如何在气候研究和可操作的极端天气预测方面取得突破性进展的一个例子，它帮助科学家们应对了最严峻的挑战：拯救生命和世界。
NVIDIA Earth-2 是一个数字孪生云平台，结合了人工智能、物理模拟和计算机图形的力量，能够以前所未有的精度和速度在全球范围内实现天气和气候预测的模拟和可视化。
Image
星尘智能发布 AI 机器人助理 Astribot S1
据星尘智能官方消息，Astribot 星尘智能现已发布 AI 机器人助理Astribot S1，支持泡茶、做饭、弹琴、练咏春拳等，还能 VR 遥控。
据星尘智能介绍，Astribot S1 采用了刚柔耦合传动机构，自主研发关键零部件，搭载软硬件一体化系统架构。Astribot S1 支持从舀面糊、合盖、旋钮的操作，到巧力翻锅、探身取饼、翻手腕颠勺等。
从演示可以看到，Astribot S1 专注于机器人上半身的运动技术，下半身直接采用了一个可移动底座，并没有采用复杂关节仿生移动。星尘智能 AI 机器人助理 Astribot S1 的发售信息暂未公布。
Image
今日重点论文：
不列颠哥伦比亚大学：
《Automated Design of Agentic Systems》
自动设计有能力的智能系统是一个新的研究领域，该论文试图通过自动发现新的代理系统设计来解决这个问题。Meta Agent Search算法通过编写代码来定义代理系统，并自动发现新的代理系统，从而解决了自动设计有能力的智能系统的问题。
论文地址：
https://arxiv.org/abs/2408.08435v1
斯坦福大学：
《Mission: Impossible Language Models》
论文旨在验证大型语言模型（LLMs）是否能够学习人类无法学习的语言，以及这些模型的学习能力是否与人类相同。通过开发一组人工合成的不可能语言，系统地改变英语数据的单词顺序和语法规则，对GPT-2小型模型进行评估，发现相对于英语控制组，GPT-2在学习不可能语言时表现较差，挑战了LLMs能够与人类相同的核心主张。
论文地址：
https://arxiv.org/abs/2401.06416v1
Salesforce AI Research：
《xGen-MM (BLIP-3): A Family of Open Large Multimodal Models》
xGen-MM框架旨在解决大型多模态模型（LMMs）的开发问题，包括单图像和多图像任务。xGen-MM提供了一个完整的框架，包括数据集、训练配方、模型架构和一系列LMMs，其中基础模型和调整模型都表现出了很强的性能。xGen-MM框架的亮点包括：使用大规模数据集进行训练，实现了强大的上下文学习能力；开源了模型、数据集和代码，促进了LMM研究的进一步发展；引入了安全调整模型，通过DPO减少了有害行为。
论文地址：
https://arxiv.org/abs/2408.08872v1
普林斯顿大学：
《Lottery Ticket Adaptation: Mitigating Destructive Interference in LLMs》
论文旨在解决多任务适应中的灾难性遗忘问题，即如何在不影响早期任务的情况下，适应大型语言模型到新任务上。Lottery Ticket Adaptation (LoTA)是一种稀疏适应方法，它只识别和优化模型的稀疏子网络，从而避免了全面微调和低秩适应所导致的破坏性干扰。通过提取并微调“lottery tickets”（或“稀疏任务向量”），LoTA还实现了高度不同任务的模型合并。
论文地址：
https://arxiv.org/abs/2406.16797v1
Image

KEEP THE THREAD GOING

更多来源文章