在手机上保存，获得更好体验
本字幕由TME AI技术生成
今天是二零二四年十月十五日
欢迎收听ai 上下文
首先我们来关注kimi 探索版的最新动态
乐之暗面公司近日推出了kimi 探索版
这一版本的搜索能力相较于普通版提升了十倍
用户再一次搜索中
可以精读超过五百个页面
极大的提高了信息获取的效率
更为重要的是
Kimi 探索版能够模拟人类的推理思考过程
通过多级分解复杂问题并进行深度搜索
及时反思改进结果
这一功能与open ai 的oe 相似
显示出kimi 在搜索技术上的显著进步
实地测评表明
Kimi 探索版在处理复杂问题时表现出色
尤其是在分解问题和实时生成搜索关键词方面
为用户提供了更精准的搜索体验
在物理学与机器学习的搜叉体域
瑞士洛桑联邦理工学院的lankas debrbrova 教授探讨了如何利用统计物理学的相变理论来理解机器学习算法
特别是大语言模型的行为
Cwy 指出
相变理论可以帮助揭示算法在高维数据中的性为特性
尤其是在神经网络的学习效率方面
通过研究相变
科学家能够理解算法在不同条件下的性能突变
从而优化机器学习模型
这一跨学科的研究方法为理解复杂系统提供了新的视角
并可能为未来的机器学习理论奠定基础
化学空间导航仪的新进展也值得关注
康奈尔大学
哈佛大学
加州理工和深度原理的研究者联合提出了一个名为can flow 的生成式ai 新框架
旨在解决分子设计中的挑战
该框架通过学习向量场描述分子在潜在空间中的演化探索
实现了对分子属性或结构多样性的目标区域的高效探索
Can flow 统一了先前的方法
并展示了在分子操控和优化任务中的性能和潜力
为分子科学
药物设计和材料发现等领域带来了新的机遇
中国法律智能技术评测q 二零二四正式启动
旨在推动人工智能技术在法律领域的应用
本次评测设置了七个任务
包括裁判文书
事实生成
法律咨询
对话生成等
并提供海量司法文书数据集
评测将持续三个月
预计于二零二四年十二月在北京举行颁奖典礼
Kill 自二零一八年以来已连续举办六届
吸引了近五千支队伍参赛
成为法律智能技术研究的重要平台
港大黄超团队最新开源的light rag 系统
通过结合图结构与双层检索机制
大幅降低了大型语言模型llm 检索增强的成本
并提升了信息检索的准确性和效率
Light rag 引入图结构以捕捉实体间的复杂依赖关系
并通过双层检索策略处理具体和抽象查询
确保用户获得既相关又丰富的响应
此外
Light rag 具备快速适应新数据的能力
使其在动态环境中保持高效和准确
从而在处理复杂查询时表现出色
能够提供更具上下文相关性的答案
纽约大学研究团队发现现有的扩散模型训练方法存在缺陷
提出了report 表征对齐技术以改进训练过程
Report 通过将清晰图像的预训练
自监督视觉表征
蒸馏程有噪声输入的扩散transformer 表征
显著提升了模型训练的效率和生成质量
实验结果显示
Report 能将收敛速度提升十七点五倍以上
并在生成质量方面取得了当前最佳结果
Feed 等于一点四二
该研究得到了younlokon 的认可
相关论文和代码已公开
伦敦大学学院
Ucl
上海交通大学
利物浦大学
相港科技大学
广州和西湖大学联合发布了首个类o 一全链条训练框架open 二
该框架旨在增强大型语言模型llm 的复杂推理能力
集成了过程奖励模型
Prm 训练
强化学习和多种搜索框架
Open 二通过在mah 数据集上的实验展示了其有效性
并开源了代码
模型和数据集
以推动推理领域开源社区的发展
图灵奖得主优sua
Banger 及其团队提出了一种简化版的lstm 和gru 模型
称为min lstm 和min gru
这些模型在训练速度和参数效率上显著优于传统lstm 和gru
并且在某些任务上表现与transformer 相当
通过移除隐藏状态依赖和输出范围限制
这些简化模型能够并行训练速度提升达一百七十五倍
研究结果表明
Rnn 在某些方面仍然具有竞争力
为序列模型的未来发展提供了新的方向
最后
来自字节跳动和马里兰大学的研究团队发布了首个用于多任务评测的开源多模态大模型level critic
该模型旨在启发社区开发通用大模型评测器
通过构建涵盖多样化评测场景和评分标准的评测指令
遵循数据集训练模型
对模型回复给出合理评分和打分依据
Level critic 在多模态评测和偏号学习两个场景中验证了其有效性
能够为模型回复提供单点评分和成对排序
并与人类和gpt 四o 的偏好高度一致
此外
Level critic 提供的偏好信号能有效提升多模态大模型的视觉对话能力
超越了基于人类反馈的level r rally chef 奖励模型
今天的新闻播报完了
感谢你的聆听
