依稀记得十年前，我在上遥感概论专业课时，老师带我们用ERDAS IMAGINE遥感图像处理软件做地物分类，每个人电脑上先发一段区域的遥感影像，进行人工判读和标注，比如把这个区域影像上的林地标注出来喂给模型，再用这个模型去识别另外一个区域影像中的林地，机器学习中典型的的有监督学习应用。
Notion 今天举行了一个叫 Make with Notion 的发布会，这次发布会发布了一系列的新功能和产品，包括了表单（Forms）、布局（Layouts）、自动化（Automations）、Notion AI、交易市场（Marketplace） 以及大家最期待的 Notion Email。
在NLP领域，研究者们已经充分认识并认可了表征学习的重要性，那么视觉领域的生成模型呢？最近，谢赛宁团队发表的一篇研究就拿出了非常有力的证据：Representation matters！
据路透社报道，Mira Murati，OpenAI 的首席技术官，上个月宣布离职，正在为一家新的人工智能初创公司筹集风险投资。
OpenAI前CTO Mira Murati出走后，动向进一步明确—— 被曝筹备新公司，吸金超1亿美元（约合7亿人民币），且和她同一天离开OpenAI的Barret Zoph（前研究副总裁）也可能入局。
2023年的这时候，很多人都在讲，所有的产品都值得用AI再做一遍。
随着对现有互联网数据的预训练逐渐成熟，研究的探索空间正由预训练转向后期训练（Post-training），OpenAI o1 的发布正彰显了这一点。
是什么让纽约大学著名研究者谢赛宁三连呼喊「Representation matters」？他表示：「我们可能一直都在用错误的方法训练扩散模型。」即使对生成模型而言，表征也依然有用。基于此，他们提出了 REPA，即表征对齐技术，其能让「训练扩散 Transformer 变得比你想象的更简单。」
在红杉资本在最新发布的文章《Generative AI's Act O1 ：The Agentic Reasoning Era Begins》中，讨论了当下生成式AI正在从以训练时计算的快思考，向以推理时计算的慢思考发展。OpenAI 的新模型 o1便是重要的标志。慢思考的到来也将会带来新的机会，行业认知的重要性被高度重视起来，过去对于AI应用以及背后的商业理解也将被刷新。
据The Information报道，Sierra，一家由前 Salesforce 联合首席执行官布雷特·泰勒共同创办的人工智能初创公司，正在筹集数亿美元的新资金，投资方为成长阶段的投资者 Greenoaks Capital，消息来自两位了解此交易的人士。
