据外电报道，就在谷歌与美联社签署协议的第二天，Mistral 还宣布与法新社 (AFP) 达成内容协议，以提高Mistral 聊天机器人产品Le Chat的答案的准确性。对于这家总部位于巴黎的人工智能公司来说，这是第一笔此类交易。这表明 Mistral 不想被视为仅仅一家基础模型制造商。
2024又是AI精彩纷呈的一年。LLM不再是AI舞台上唯一的主角。随着预训练技术遭遇瓶颈，GPT-5迟迟未能问世，从业者开始从不同角度寻找突破。以o1为标志，大模型正式迈入“Post-Training”时代；开源发展迅猛，Llama 3.1首次击败闭源模型；中国本土大模型DeepSeek V3，在GPT-4o发布仅7个月后，用 1/10算力实现了几乎同等水平。
近日，珞博智能（Robopoet）官方发布一则消息，前字节大模型解决方案架构师潘雨楠（Yuna）正式加入珞博，出任联合创始人兼首席技术官（CTO）。潘雨楠本科毕业于哈尔滨工业大学，又在香港大学取得计算机专业硕士学位，她的学术背景为其在科技领域的发展奠定了坚实基础。
大模型的记忆片段进行多次替换的时候，会导致模型输出的内容叠加不同记忆片段，出现混淆和错乱的问题。在我做 Crew.ai 知识库测试的时，替换多份知识库文档后，发现大模型已经疯了。
昨天，我们报道了一个行业猜想，说是 OpenAI 和 Anthropic 等前沿大模型公司可能已经训练出了下一代大模型，但由于它们的使用成本过高，所以短时间内根本不会被放出来。
大型语言模型（LLMs）能够解决研究生水平的数学问题，但今天的搜索引擎却无法准确理解一个简单的三词短语。
一个新框架，让Qwen版o1成绩暴涨： 在博士级别的科学问答、数学、代码能力的11项评测中，能力显著提升，拿下10个第一！ 这就是人大、清华联手推出的最新「Agentic搜索增强推理模型框架」Search-o1的特别之处。
对于 LLM，推理时 scaling 是有效的！这一点已经被近期的许多推理大模型证明：o1、o3、DeepSeek R1、QwQ、Step Reasoner mini……
划时代的突破来了！来自NYU、MIT和谷歌的顶尖研究团队联手，为扩散模型开辟了一个全新的方向——测试时计算Scaling Law。其中，谢赛宁高徒为共同一作。
降低扩散模型生成的计算成本，性能还保持在高水平！ 最新研究提出一种用于极低位差分量化的混合精度量化方法。
