统计可控数据合成！新框架突破大模型数据生成局限，麦吉尔大学团队推出LLMSynthor
统计可控数据合成！新框架突破大模型数据生成局限，麦吉尔大学团队推出LLMSynthor现有的数据合成方法在合理性和分布一致性方面存在不足，且缺乏自动适配不同数据的能力，扩展性较差。
来自主题: AI技术研报
6483 点击 2025-05-25 15:42
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
现有的数据合成方法在合理性和分布一致性方面存在不足，且缺乏自动适配不同数据的能力，扩展性较差。
而马毅是那类觉得不够的人，他于无声处开始提问：智能的本质是什么？自 2000 年从伯克利大学博士毕业以来，马毅先后任职于伊利诺伊大学香槟分校（UIUC）、微软亚研院、上海科技大学、伯克利大学和香港大学，现担任香港大学计算与数据科学学院院长。他和团队提出的压缩感知技术，到现在还在影响计算机视觉中模式识别领域的发展。
无需数据配对，文本嵌入也能互通？康奈尔重磅研究：所有模型都殊途同归。曾因llya离职OpenAI，在互联网上掀起讨论飓风的柏拉图表示假说提出：所有足够大规模的图像模型都具有相同的潜在表示。
该项目在今年1 月进一步扩大，Crusoe 与甲骨文签署了更大规模的租赁协议 ，新增 6 个数据中心，覆盖整个 1.2 吉瓦的场地，The Information 率先报道。该协议使甲骨文能为 OpenAI 提供的算力规模翻了两番，额外增加 30 万块 GPU。最初与 Blue Owl 成立的合资企业并不包含此次扩建计划。
不久前，麦炽科技与广大大在北京举办了一场“AI潮涌·文化共生”的行业论坛。Meta 大中华区行业副总经理 David Chen 陈晶在台上做了一场主题为《AI APP出海：产品、流量、合规三大决胜之道》的演讲。陈晶提到了很多Meta的数据，以及各种投放优势。比如，Meta平均每日活跃用户数为34.3亿，是目前全世界日活最高的平台。
来自香港中文大学（深圳）等单位的学者们提出了一种名为 DriveGEN 的无训练自动驾驶图像可控生成方法。该方法无需额外训练生成模型，即可实现训练图像数据的可控扩充，从而以较低的计算资源成本提升三维检测模型的鲁棒性。
AI无疑是最近最火的技术。随着AI迅猛发展，算力需求呈指数级增长，数据中心正在面临一个问题——功率越来越大，耗电越来越多。
「仿生人会梦见电子羊吗？」这是科幻界一个闻名遐迩的问题。现在英伟达给出答案：Yes！而且还可以从中学习新技能。如下面各种丝滑操作，都没有真实世界数据作为训练支撑。仅凭文本指令，机器人就完成相应任务。
当OpenAI、谷歌还在用Sora等AI模型「拍视频」，英伟达直接用视频生成模型让机器人「做梦」学习！新方法DreamGen不仅让机器人掌握从未见过的新动作，还能泛化至完全陌生的环境。利用新方法合成数据直接暴涨333倍。机器人终于「做梦成真」了！
DeepSeek依旧牢牢占据中国AI产品访问量第一的宝座，其月访问量甚至超过其他几款主流产品的总和。相比之下，腾讯「元宝」和「Kimi」的流量则出现明显下滑，环比降幅超过20%。在广告投放趋于保守之后，用户增长逐步放缓，流量更加依赖产品本身的可用性和用户黏性。