數(shù)據(jù)科學(xué)簡訊 2023-04-14


頭條


埃隆·馬斯克 (Elon Musk) 正在Twitter上推進一個AIGC項目

盡管最近支持暫停人工智能培訓(xùn),埃隆·馬斯克似乎正在 Twitter 上醞釀一個人工智能項目还蹲。他購買了大約 10,000 個 GPU男公,并且一直在聘請 AI 專家,同時探索與 ChatGPT 競爭的可能性耘斩。 Twitter 的這種生成式 AI 的確切用途尚不清楚沼填,但它有可能用于增強搜索功能或廣告。

免費的 Dolly括授,商業(yè)上可行的指令調(diào)整模型

在發(fā)布 Dolly 1.0 兩周后坞笙,Databricks 發(fā)布了他們模型的下一個版本: Dolly 2 岩饼。該模型是基于 EleutherAI Pythia 模型的開放式指令調(diào)優(yōu)模型。它已經(jīng)在一個新的商業(yè)上可行的數(shù)據(jù)集上進行了指令調(diào)整薛夜。目前尚不清楚它與基于 llama 的模型或 GPT 3.5 turbo 相比如何籍茧,但比以前更開放的工作總是會令人感興趣。


研究


Agents for science

語言模型充當(dāng)工具(可能是其他語言模型)規(guī)劃器的想法在社區(qū)中越來越受歡迎梯澜。本質(zhì)就是讓一個中央的寞冯、強大的語言模型(例如 GPT-4)可以訪問一組工具。這些工具可以是網(wǎng)絡(luò)搜索晚伙、文檔吮龄、python 引擎。在這些額外功能的支持下咆疗,LLM 模型能夠合成化學(xué)物質(zhì)漓帚、推理反應(yīng),甚至拒絕合成海洛因—午磁。

資源高效型 CLIP

RECLIP 為 CLIP 預(yù)訓(xùn)練引入了一種資源高效的方法胰默,該方法利用小圖像進行大規(guī)模語言監(jiān)督并使用高分辨率數(shù)據(jù)進行微調(diào)。該方法實現(xiàn)了具有競爭力的零樣本分類和圖像文本檢索精度漓踢,同時使用比基線少 6-8 倍的計算資源和 7-9 倍的 FLOP牵署,使其更容易為更廣泛的研究社區(qū)所用。

Multilingual ChatGPT

本研究評估了 ChatGPT 在 7 項任務(wù)和 37 種語言中的有效性喧半,以更好地了解其多語言功能奴迅。盡管在英語方面取得了成功,但 ChatGPT 在各種 NLP 任務(wù)和語言方面的表現(xiàn)都比以前的模型差挺据,這突出表明需要進一步研究開發(fā)更有效的多語言學(xué)習(xí)模型取具。


工程


Deepspeed Chat (GitHub Repo)

Deepspeed 是最好的分布式訓(xùn)練開源框架之一。他們整合了研究論文中的許多最佳方法扁耐。他們發(fā)布了一個名為 DeepSpeed Chat 的新工具——它執(zhí)行獲得完全 RLHF 模型所需的 3 步過程暇检。這 3 個步驟是:監(jiān)督微調(diào)、獎勵模型訓(xùn)練和 RL 步驟婉称。由于底層工具的強大功能块仆,DeepSpeed Chat 比其他框架快 15 倍,并且可以擴展到具有數(shù)十億參數(shù)的模型王暗。

Wombat:從 RLHF 到 RRHF悔据,以“正確”的方式調(diào)整人類偏好 (GitHub Repo)

新穎的 RRHF 學(xué)習(xí)范式有效地將語言模型輸出與人類偏好對齊,需要更少的模型并提供更簡單的 PPO 替代方案俗壹。在 LLaMA 和 Alpaca 數(shù)據(jù)集上進行評估科汗,RRHF 展示了與 PPO 相當(dāng)?shù)男阅埽瑫r在訓(xùn)練中簡化了對齊過程绷雏。

Engshell (GitHub Repo)

Engshell 是適用于任何操作系統(tǒng)的英語 shell头滔,由 LLM 提供支持怖亭。

ChatGPT Concierge Bot (GitHub Repo)

這是一個使用 ChatGPT 和 Whisper AI 的 Telegram 機器人。


雜七雜八


日本讀心術(shù)人工智能研究引發(fā)倫理爭論

本文介紹了日本在 AI 研究方面的一項突破坤检,它提出了讀心技術(shù)的可能性兴猩,引發(fā)了關(guān)于潛在倫理問題以及對隱私、監(jiān)視和個人自主權(quán)的影響的辯論缀蹄。

Open-Source Leak 如何導(dǎo)致開源 ChatGPT 爆炸式增長

本文介紹了“駱駝效應(yīng)”峭跳,這是 AI 研究中的一個意外發(fā)現(xiàn),它導(dǎo)致機器學(xué)習(xí)模型和算法取得重大進展缺前,最終徹底改變了該領(lǐng)域蛀醉,并為 AI 應(yīng)用帶來了新的可能性。

我希望 GPT4 從未發(fā)生過

本文以非常人性化的視角審視了 GPT4 的經(jīng)濟影響

流媒體服務(wù)商敦促取締AI音樂

環(huán)球音樂集團已告知包括 Spotify 和蘋果在內(nèi)的流媒體平臺衅码,阻止人工智能服務(wù)從其受版權(quán)保護的歌曲中抓取旋律和歌詞拯刁。

分割網(wǎng)絡(luò)上的任何內(nèi)容

Web AI 使用 JavaScript 和 onyx 運行時在瀏覽器中運行 ML 模型。這是在瀏覽器中運行的流行段任何模型的示例逝段。

一致性模型 (GitHub Repo)

這個 repo 包含 OpenAI 發(fā)布的最新一致性模型的代碼庫垛玻。

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市奶躯,隨后出現(xiàn)的幾起案子帚桩,更是在濱河造成了極大的恐慌,老刑警劉巖嘹黔,帶你破解...
    沈念sama閱讀 216,744評論 6 502
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件账嚎,死亡現(xiàn)場離奇詭異,居然都是意外死亡儡蔓,警方通過查閱死者的電腦和手機郭蕉,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 92,505評論 3 392
  • 文/潘曉璐 我一進店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來喂江,“玉大人召锈,你說我怎么就攤上這事』裱” “怎么了涨岁?”我有些...
    開封第一講書人閱讀 163,105評論 0 353
  • 文/不壞的土叔 我叫張陵,是天一觀的道長筐付。 經(jīng)常有香客問我卵惦,道長,這世上最難降的妖魔是什么瓦戚? 我笑而不...
    開封第一講書人閱讀 58,242評論 1 292
  • 正文 為了忘掉前任,我火速辦了婚禮丛塌,結(jié)果婚禮上较解,老公的妹妹穿的比我還像新娘畜疾。我一直安慰自己,他們只是感情好印衔,可當(dāng)我...
    茶點故事閱讀 67,269評論 6 389
  • 文/花漫 我一把揭開白布啡捶。 她就那樣靜靜地躺著,像睡著了一般奸焙。 火紅的嫁衣襯著肌膚如雪瞎暑。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 51,215評論 1 299
  • 那天与帆,我揣著相機與錄音了赌,去河邊找鬼。 笑死玄糟,一個胖子當(dāng)著我的面吹牛勿她,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播阵翎,決...
    沈念sama閱讀 40,096評論 3 418
  • 文/蒼蘭香墨 我猛地睜開眼逢并,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了郭卫?” 一聲冷哼從身側(cè)響起砍聊,我...
    開封第一講書人閱讀 38,939評論 0 274
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎贰军,沒想到半個月后玻蝌,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 45,354評論 1 311
  • 正文 獨居荒郊野嶺守林人離奇死亡谓形,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 37,573評論 2 333
  • 正文 我和宋清朗相戀三年灶伊,在試婚紗的時候發(fā)現(xiàn)自己被綠了。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片寒跳。...
    茶點故事閱讀 39,745評論 1 348
  • 序言:一個原本活蹦亂跳的男人離奇死亡聘萨,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出童太,到底是詐尸還是另有隱情米辐,我是刑警寧澤,帶...
    沈念sama閱讀 35,448評論 5 344
  • 正文 年R本政府宣布书释,位于F島的核電站翘贮,受9級特大地震影響,放射性物質(zhì)發(fā)生泄漏爆惧。R本人自食惡果不足惜狸页,卻給世界環(huán)境...
    茶點故事閱讀 41,048評論 3 327
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧芍耘,春花似錦址遇、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,683評論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至坝初,卻和暖如春浸剩,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背鳄袍。 一陣腳步聲響...
    開封第一講書人閱讀 32,838評論 1 269
  • 我被黑心中介騙來泰國打工绢要, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人畦木。 一個月前我還...
    沈念sama閱讀 47,776評論 2 369
  • 正文 我出身青樓袖扛,卻偏偏與公主長得像,于是被迫代替她去往敵國和親十籍。 傳聞我的和親對象是個殘疾皇子蛆封,可洞房花燭夜當(dāng)晚...
    茶點故事閱讀 44,652評論 2 354

推薦閱讀更多精彩內(nèi)容