slug
summary
tags
icon
password
⏩Llama 对决 GPT：AI 开源拐点已至?｜智者访谈
本文讨论了AI开源的发展趋势，以及OpenAI从开源转向闭源的原因。作者认为，随着AI能力的增强，尤其是大模型的出现，不完全开源研究成果已成为主流做法。文章还提到了对齐的重要性以及对齐可能带来的成本和影响。作者认为，基本的对齐仍然会被大厂所做，但额外的对齐可能会减少。
⏩关于大模型「越狱」的多种方式，有这些防御手段
这篇文章是机器之心上的一篇综述，详细探讨了大语言模型（LLMs）和视觉语言模型（VLMs）的越狱现象，对各种越狱类型和相应的防御机制进行了系统分类和分析。文章提供了关于越狱分类和防御机制的详细内容，对于理解和防范这些越狱行为具有重要意义。
⏩日均tokens使用量超5000亿，AI生图玩法猛猛上新：豆包大模型为什么越来越「香」了？
该文章介绍了豆包大模型在图像生成方面的最新进展，以及豆包大模型家族的新成员豆包・图生图模型的上新玩法。豆包大模型是国内使用量最大、应用场景最丰富的大模型之一，其日均tokens使用量已经超过5000亿。文章还提到了豆包大模型在图像生成质量方面的优势，包括图像美感、图文一致性、内容创造和复杂度适应性等维度。豆包大模型在多个公开评测集和第三方评测中表现出众，是得分最高的国产大模型。
⏩斯坦福 AI 方法加速目标材料发现，为「自动驾驶实验」奠定基础
斯坦福大学和美国能源部 SLAC 国家加速器实验室的科学家们开发了一种 AI 方法，有助于在寻找新材料时更有效地收集数据，使研究人员能够以更高的精度和速度应对复杂的材料设计挑战。研究人员提出了一个框架，通过简单的用户定义过滤算法来捕获实验目标。这些算法会自动转换为三种智能、无参数、顺序数据采集策略（SwitchBAX、InfoBAX 和 MeanBAX）之一，从而绕过了耗时且困难的任务特定采集函数设计过程。该研究为「自动驾驶实验」奠定了基础。
- 作者:AI学长小林
- 链接:https://ai.linbintalk.com/article/3ab52eae-af3a-449d-ad41-5f36bce3b47b
- 声明:本文采用 CC BY-NC-SA 4.0 许可协议，转载请注明出处。