GPU计算爆发，谁还记得游戏显卡鼻祖GeForce 256？
GPU计算爆发，谁还记得游戏显卡鼻祖GeForce 256？GPU计算驱动AI。
来自主题:
AI资讯
9078 点击 2024-10-14 16:59
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
GPU计算驱动AI。
特斯拉发布新款Optimus，投资者失望股价大跌。
氮化镓技术崛起，EPC引领市场趋势。
LightRAG通过双层检索范式和基于图的索引策略提高了信息检索的全面性和效率，同时具备对新数据快速适应的能力。在多个数据集上的实验表明，LightRAG在检索准确性和响应多样性方面均优于现有的基线模型，并且在资源消耗和动态环境适应性方面表现更优，使其在实际应用中更为有效和经济。
AI已完全融入数学家的工作流中。陶哲轩刚刚宣布，最新方程理论项目已完成99.9963%，众包之力外加AI辅助取得了重大成绩。他认为，剩余大约700个让人类头疼的难题，AI或许更有潜力。
经过三年的努力，ImageNet成为了一个包含1500万张互联网图像的数据集，涵盖了22000个物体类别概念。
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。
自从 Transformer 模型问世以来，试图挑战其在自然语言处理地位的挑战者层出不穷。 这次登场的选手，不仅要挑战 Transformer 的地位，还致敬了经典论文的名字。 再看这篇论文的作者列表，图灵奖得主、深度学习三巨头之一的 Yoshua Bengio 赫然在列。
o1 作为 OpenAI 在推理领域的最新模型，大幅度提升了 GPT-4o 在推理任务上的表现，甚至超过了平均人类水平。o1 背后的技术到底是什么？OpenAI 技术报告中所强调的强化学习和推断阶段的 Scaling Law 如何实现？
AI能回答问题，但能不能真正“思考”？ 经常用AI搜索产品的用户会发现，这类产品在面对复杂问题时常常“掉链子”——它能模仿莎士比亚的文风，解答数学题，却可能在解决日常生活中的难题时束手无策。
在用模拟环境训练机器人时，所用的数据与真实世界存在着巨大的差异。为此，李飞飞团队提出「数字表亲」，这种虚拟资产既具备数字孪生的优势，还能补足泛化能力的不足，并大大降低了成本。
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。」
生活中最大的挑战之一是传达你情感、决策和行为背后的背景 。你如何将脑海中旋转的想法转化为其他人——你的同事、伴侣、治疗师——能够理解的东西？
在 Claude AI 新模型发布之际，Anthropic 的CEO Dario Amodei 发表了一篇近2万字深度长文，探讨人工智能对人类的潜在积极影响。作为斯坦福大学神经科学博士，Amodei 以严谨的学术态度定义了"强人工智能"概念，并详细阐述了它在不同核心领域可能带来的积极变革。
多年以来，无需巨大的开发成本就能解决某一需求，是许多企业一直在探索的方向。而拥有一个属于自己的软件应用，也是许多非技术人的一个梦想。
传统的歌声任务，如歌声合成，大多是在利用输入的歌词和乐谱生成高质量的歌声。随着深度学习的发展，人们希望实现可控和能个性化定制的歌声生成。
陶哲轩发起的「众包」数学研究项目终于快要迎来胜利时刻！
自近日获知自己摘得诺贝尔物理学奖之后，76 岁的人工智能教父 Geoffrey Hinton 便「闲不住」了。
11x.ai 开发的人工智能“数字员工”如 Alice 和 Jordan，能够自动化处理销售开发、客户服务等重复性任务，帮助企业提升效率，降低成本，释放人力专注于更具战略价值的工作。客户可以根据完成的任务量或实际取得的销售成果进行付费，提供更定制化的服务。
1%的合成数据，就让LLM完全崩溃了？ 7月，登上Nature封面一篇论文证实，用合成数据训练模型就相当于「近亲繁殖」，9次迭代后就会让模型原地崩溃。
善智者，动于九天之上。
多模态大语言模型（MLLM）如今已是大势所趋。 过去的一年中，闭源阵营的GPT-4o、GPT-4V、Gemini-1.5和Claude-3.5等模型引领了时代。
2024年的诺贝尔化学奖一半授予大卫·贝克（David Baker），“以表彰在计算蛋白质设计方面的贡献”；另一半则共同授予德米斯·哈萨比斯（Demis Hassabis）和约翰·M·詹珀（John M. Jumper），“以表彰他们在蛋白质结构预测方面的成就”。
OpenAI好不容易开源了一次，却被曝出剽窃？ 就在昨天，OpenAI应用AI研究员Shyamal Anadkat ，放出了全新多智能体框架——Swarm，瞬间在全网爆火。
器官芯片结合AI技术推动药物开发进步。
三个月前我在硅谷沉浸式泡了两个多月把产品上的整体感受和几个趋势简短写在了这里，在和不同的创业者交流研究了 40 多个产品后，最终回归到了“语音”这个方向，写下“Voice is a big thing”，语音产品是我认为 AI 在 C 端领域的核心变革点。
教育大模型是真刚需。
在中国移动全球合作伙伴大会“移动爱家”展台中，用一部手机，链接AI科技、AI健康、AI学习等六个家庭场景，人们关于智慧家居的理想画面在这里被实现了。
虽然还没有 super-app 的出现，但今天的 AI，已经在很多方面开始重塑人类创作的过程，影响内容创作者与消费者之间的关系，甚至开始和人类谈恋爱了。
计算资源并非性能提升的唯一途径：Arvind Narayanan 认为，仅仅增加计算资源并不总是能带来模型性能的等比提升。目前，数据量正逐渐成为限制AI发展的主要瓶颈。
