莱斯大学无损压缩LLM性能提升39倍；Kimi开源音频模型横扫基准测试；全球首个异步强化学习32B模型发布；美国政府AI行动计划引争议；阿里高德重构强化学习框架 | 04月26日AI资讯

slug

summary

莱斯大学的研究团队提出了一种新的无损压缩技术DFloat11，能够将大型语言模型压缩30%而不损失精度，同时推理速度提升最高达39倍，支持更长的上下文长度，显著减少了显存需求。

Kimi发布了全新的开源音频基础模型Kimi-Audio，支持多种音频任务，整体性能在十多个基准测试中排名第一，尤其在语音识别和音频理解方面表现卓越，模型代码和评估工具包已在GitHub上开源。

全球首个去中心化强化学习32B模型INTELLECT-2发布，允许任何人利用异构计算资源参与训练，推动编码、数学和科学领域的推理性能提升。该模型采用完全异步的训练框架，支持低资源需求和高效验证，标志着去中心化AI生态系统的开端。

美国政府发布AI行动计划，OpenAI和Anthropic呼吁加强对中国AI的技术封锁，限制高端GPU芯片和模型流向中国。Meta则主张保护开源AI，认为出口管制会削弱美国竞争力。各大科技公司对AI政策提出不同建议，强调美国在AI领域的领导地位至关重要。

阿里高德团队提出了一种新的强化学习训练方法GPG，通过直接优化原始目标，消除替代损失函数和复杂模型，显著提高训练效率和稳定性，尤其在单模态和多模态任务中表现优异。该方法有望成为下一代基础模型训练的关键技术。

AI学长小林