lqfarmer的博客

例如，我想绘制这样一幅图：横轴上标有『今天』、『下周』和『明年』，分别代表x=1、x=2和x=3的位置，纵轴上标有『初级』、『中级』和『专家』，分别代表y=1、y=4和y=9的位置（因此纵向标签的间距并不相等），要绘制的图形是抛物线y=x^2的图形。随后ChatGPT照例给出了详细解释：为了在「0,1」的区间上创建（$x$和$x^2$，$x^2$和$x^3$，$x^3$和$x^4$）的函数，需要定义x的范围、定义函数、创建图形和坐标轴、初始化动画函数等。这样就可以确保，图例反映的是当前显示函数的功能。

来源 | 量子位 | 公众号 QbitAI这两天，一个用ChatGPT进行的免费工具火了：它叫，主界面是一块白板，只需写下你想探索的任何主题，比如“傅立叶变换”，它就会在几秒之内给出n个建议。然后选择你感兴趣的那一个，就可以开始学习了。高能点是：你能通过，解锁你可能从来不会考虑到的角度。不仅如此，它还有专门的学习模式，可以在学习的过程中让它向你提问（你提问它也行）、总结关键概念等操作。生成的内容则可以直接编辑（like做笔记），以及获得相关的配图。

当年大会共收到 3240 篇论文投稿，其中 678 篇被选为大会论文，Transformer 论文就是被接收的论文之一，在这些论文中，40 篇为 Oral 论文，112 篇为 Spotlight 论文，3 篇最佳论文，一篇 Test of time award 奖项，Transformer 无缘奖项。不过，也有论文足够幸运，能够第一时间被发现，比如何恺明等人提出的 ResNet，当年获得了 CVPR 2016 最佳论文，这一研究当之无愧，得到了 AI 顶会的正确认可。2021 年，她也离开谷歌。

来源 | 量子位 | 公众号 QbitAIArxiv上所有论文转成Token，加起来不过14.1GB而已。这是最新爆火开源计划完成的壮举。事实上，这还只是第一步。他们最终是想要将整个互联网变成，换言之全都转化成ChatGPT等大模型理解这个世界的方式。一旦这样的数据集诞生，那岂不是为开发出GPT-4这样的大模型又新增一大利器，上知天文下知地理指日可待了？！消息一出，瞬间引发巨大关注。网友们赞叹，。

并且在前段时间泄露的一份谷歌内部文件中，谷歌内部研究人员表达了这样一种观点：虽然表面看起来 OpenAI 和谷歌在 AI 大模型上你追我赶，但真正的赢家未必会从这两家中产生，因为第三方力量「开源」正在悄然崛起。其实这样做的不只谷歌一家，OpenAI 也缄口不言其最新多模态大模型 GPT-4 的细节。在官宣 PaLM 2 之初，就有网友根据 Chinchilla 定律预测其参数量，ta 预测 PaLM 2 模型家族的参数结果为 80B / 90B / 100B 不等，和这次爆料的 340B 还是差距很大的。

无论是粗糙的3D动画，还是用手机拍出来的摇摇晃晃的视频，Gen-1都可以升级出一个不可思议的效果。这个raw模式的作用是可以维持V5的逻辑，因为V5.1在生图时，更有创造力，并会更多依据其观点判断图像内容和形式。有了Runway Gen-2，你就能用任意的图像、视频或文本，生成一段酷炫大片，想要啥风格，就有啥风格。此外，V5.1支持更简单的prompt，能产出更加具有创意的图，还最新上线了style raw模式。虽说是在V5大版本上更新，但升级后的V5.1创造力解禁，出图更加丝滑，简直是对视觉的爆点冲击。

这一开创性的能力把人工智能提到了一个新的高度。请留意这则来自人工智能教父的爆炸性消息：关于谷歌人工智能的发展和人工智能的未来！随着人工智能的不断发展，它将改变我们的世界，理解不同的世界观，彻底改变就业市场，重新定义编程的重要性。他建议，我们要么用更少的人完成当前的任务，要么保持现有的劳动力水平不变并完成更多的工作。Hinton 观察到，目前的人工智能系统都持有相同的世界观，这意味着它们无法理解对同一物理现实的不同解释。他设想，未来的机器将足够先进，能够从不同的角度进行理解，为人工智能的应用带来新的机遇。

来源 | 量子位 | 公众号 QbitAI万众瞩目，谷歌的反击来了。现在，谷歌搜索终于要加入AI对话功能了，排队通道已经开放。当然这还只是第一步。大的还在后面：全新大语言模型正式亮相，谷歌声称它在部分任务超越GPT-4。，不用再排队等候，并支持新语言。谷歌版AI办公助手也一并推出，将在Gmail中抢先亮相。谷歌云也上线多个基础大模型，为行业提供更进一步的生成式AI服务……在最新一届I/O开发者大会上，谷歌的大放送真的太震撼。有网友直呼：AI大战全面开启。

针对基于不同日期的问题的 SituatedQA 数据集进行的一项观察是，尽管 LM（预训练截止日期为 2020 年）可以通过 Google 搜索访问最新信息，但其在 2020 年后问题上的表现仍然比 2020 年前问题差很多。2、给定 Dtrain={(x,y)} 的数据集，想要找到一条指令 ρ 使得 ρ∗=arg⁡maxρE (x,y)∈Dtrain [f (ρ,x,y)]，其中 f (.) 是每个样本的得分函数，比如如执行精度 [LM (.|ρ, x)=y] 或对数概率：Plm (y|ρ,x)；

此外，由经验驱动的 SSL 带有许多可变的部分（主要是超参数），它们是可能会影响最终表示的关键属性，而且在已发表的工作中不一定有详细的说明。传统的监督学习方法是在一个特定的任务上进行训练，而这个任务通常是基于可用的标记数据而预先知道的，SSL 则是在许多任务中学习有用的通用表征。然而，就像烹饪一样，训练 SSL 的方法是一门精致的艺术，有很高的入门门槛。研究人员的目标是以 cookbook 的形式奠定 SSL 研究的基础，并呈现与 SSL 有关的最新方法，从而降低 SSL 研究的门槛。

早在今年 2 月，马斯克就在 Twitter 上表示，“我们需要的是 TruthGPT”，同时呼吁人们关注大 AI 模型引发的风险，特别是 OpenAI 制造的模型。他曾在 Twitter 上表示，自己离开 OpenAI 是因为必须专注于特斯拉和 SpaceX，但他也提到了自己与 OpenAI 团队的分歧，“特斯拉正在竞争一些与 OpenAI 相同的人，我不同意 OpenAI 团队想要做的一些事情。他补充称，“它有积极的一面，也有消极的一面，有巨大的前景也有巨大的能力，但随之而来的危险也是巨大的。