复旦等发布AnyGPT：任意模态输入输出，图像、音乐、文本、语音都支持
复旦等发布AnyGPT：任意模态输入输出，图像、音乐、文本、语音都支持最近，OpenAI 的视频生成模型 Sora 爆火，生成式 AI 模型在多模态方面的能力再次引起广泛关注。
来自主题: AI技术研报
5283 点击 2024-03-04 15:49
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
最近，OpenAI 的视频生成模型 Sora 爆火，生成式 AI 模型在多模态方面的能力再次引起广泛关注。
ControlNet作者最新推出的一项研究受到了一波高度关注——给一句prompt，用Stable Diffusion可以直接生成单个或多个透明图层（PNG）！
Sora一出，让很多人心生恐惧：饭碗彻底被砸了！这位亚马逊工程师却告诉我们：真的不必担心生成式AI会抢人类的饭碗，顶多担心一下你的人类同行吧。
互联网有一条经典的“第 34 号规则”（Rule 34）：如果一个东西存在，那么它必然会被用来搞黄色。AI 绘画就很好地说明了这一点——目前最流行的几个 AI 绘画分享网站，都有至少三分之一的内容是各种黄图。
「我向一位女生求婚，ChatGPT 已经和她交流了一年。为了走到这一步，AI 已经尝试了和 5239 名女生进行过沟通……」
今天，穆罕默德・本・扎耶德人工智能大学 VILA Lab 带来了一项关于如何更好地为不同规模的大模型书写提示词（prompt）的研究，让大模型性能在不需要任何额外训练的前提下轻松提升 50% 以上。该工作在 X (Twitter)、Reddit 和 LinkedIn 等平台上都引起了广泛的讨论和关注。
还有谁不知道“假装”给ChatGPT小费可以让它服务更卖力？
大模型幻觉问题还有另一种解法？斯坦福联手OpenAI研究人员提出「元提示」新方法，能够让大模型成为全能「指挥家」，汇聚不同专家模型精华，让GPT-4的输出更精准。
无论是 Google 翻译、DeepL 翻译还是 ChatGPT，翻译大段英文的时候，“机翻感”（机器翻译的感觉）都很强，一看就是机器翻译的，很生硬，但是自己手动润色又太费时间。
随着大型语言模型（LLM）技术日渐成熟，提示工程（Prompt Engineering）变得越来越重要。一些研究机构发布了 LLM 提示工程指南，包括微软、OpenAI 等等。