AI资讯新闻榜单内容搜索-gpt

AITNT-国内领先的一站式人工智能新闻资讯网站
# 热门搜索 #
搜索: gpt
ChatGPT拒绝谈论这个人,没人知道为什么

ChatGPT拒绝谈论这个人,没人知道为什么

ChatGPT拒绝谈论这个人,没人知道为什么

ChatGPT两岁了,版本更新没等来,却被发现一个神秘Bug。

来自主题: AI资讯
7251 点击    2024-12-02 16:19
让AGI造福全人类的愿景是个谎言?OpenAI核心人员再次离职

让AGI造福全人类的愿景是个谎言?OpenAI核心人员再次离职

让AGI造福全人类的愿景是个谎言?OpenAI核心人员再次离职

不仅仅是“构建AGI”,要确保它造福人类! 政策研究部门核心人员离职! Rosie Campbell-OpenAI的政策研究员,也是原研究科学家、政策研究负责人Miles Brundage亲密共事的伙伴。

来自主题: AI资讯
5232 点击    2024-12-02 16:11
清华UCSD提出全新微调方法,8B小模型媲美GPT-4o!科学问题正确率提高28%

清华UCSD提出全新微调方法,8B小模型媲美GPT-4o!科学问题正确率提高28%

清华UCSD提出全新微调方法,8B小模型媲美GPT-4o!科学问题正确率提高28%

最近,一支来自UCSD和清华的研究团队提出了一种全新的微调方法。经过这种微调后,一个仅80亿参数的小模型,在科学问题上也能和GPT-4o一较高下!或许,单纯地卷AI计算能力并不是唯一的出路。

来自主题: AI技术研报
8269 点击    2024-12-02 15:53
ChatGPT两岁,OpenAI 10亿用户计划曝光!

ChatGPT两岁,OpenAI 10亿用户计划曝光!

ChatGPT两岁,OpenAI 10亿用户计划曝光!

ChatGPT已经2岁了!OpenAI下一个目标瞄准十亿用户,预计明年放出AI智能体产品。就在生日这天,马斯克还送上了大礼:阻止OpenAI全面盈利的一份诉状书。

来自主题: AI资讯
5529 点击    2024-12-01 15:19
AI 教育赛道万字解析:代表性产品有哪些?机会在哪里?未来可能性?

AI 教育赛道万字解析:代表性产品有哪些?机会在哪里?未来可能性?

AI 教育赛道万字解析:代表性产品有哪些?机会在哪里?未来可能性?

教育一直被认为是会被LLM改变最大的行业之一。ChatGPT 的使用场景中,教育占据了很大比重,其用量常随开学和假期规律波动。而 Andrej Karpathy 也选择了教育作为他的创业方向。人们都期待能够有全能的AI Tutor,因材施教,提供给每个人最好、最个性化的教育。

来自主题: AI技术研报
6309 点击    2024-12-01 12:05
杂谈 | 试了一下Cursor,感觉自己这个工种危险了

杂谈 | 试了一下Cursor,感觉自己这个工种危险了

杂谈 | 试了一下Cursor,感觉自己这个工种危险了

去年二月ChatGPT刚在国内被热议的时候,我发过两篇文章凑热闹,一篇总结了几个群友的观点,关于ChatGPT的功能和它可能带来的影响,一篇介绍了许成刚教授和Tinyfool的评论,关于ChatGPT为什么出现在美国。

来自主题: AI资讯
6261 点击    2024-12-01 11:37
深度丨AI Agents 技术栈图谱与分析

深度丨AI Agents 技术栈图谱与分析

深度丨AI Agents 技术栈图谱与分析

Letta(由之前爆火的 MemGPT 更名)最近做了一个关于 AI Agents Stack 的研究报告。

来自主题: AI技术研报
8010 点击    2024-12-01 11:29
如何使用OpenAI fine-tuning(微调)训练属于自己的专有模型?

如何使用OpenAI fine-tuning(微调)训练属于自己的专有模型?

如何使用OpenAI fine-tuning(微调)训练属于自己的专有模型?

Fine-tuning理论上很复杂,但是OpenAI把这个功能完善到任何一个人看了就能做出来的程度。我们先从原理入手,你看这张图,左边是Pre-trained LLM (预训练大模型模型),也就是像ChatGPT这样的模型;右边是Fine-tuned LLM (微调过的语言大模型),中间就是进行微调的过程,它需要我们提供一些「ChatGPT提供不了但是我们需要的东西」。

来自主题: AI技术研报
8773 点击    2024-12-01 10:56
GPT-5涌现能力可预测?UC伯克利仅使用当前模型检查点预测未来模型

GPT-5涌现能力可预测?UC伯克利仅使用当前模型检查点预测未来模型

GPT-5涌现能力可预测?UC伯克利仅使用当前模型检查点预测未来模型

LLM 规模扩展的一个根本性挑战是缺乏对涌现能力的理解。特别是,语言模型预训练损失是高度可预测的。然而,下游能力的可预测性要差得多,有时甚至会出现涌现跳跃(emergent jump),这使得预测未来模型的能力变得具有挑战性。

来自主题: AI技术研报
8263 点击    2024-11-30 16:51