在手机上保存，获得更好体验
本字幕由TME AI技术生成
今天是二零二四年九月十一日
欢迎收听ai 上下文
首先
我们来关注一项在材料科学领域的重要突破
多伦多大学的研究人员利用ai 技术
在短短几天内筛选出一种新型氯氢生产催化剂
这一成果比传统方法节省了数年实验时间
该催化剂由特定比例的了各和态组成
其稳定性比基准金属好二十倍
Ai 通过训练三万六千多种混合金属氧化物
快速确定了候选材料
展示了ai 在材料科学领域的巨大潜力
这一发现不仅加速了滤氢的生产
也为其他高效催化剂的研发提供了新的思路
苹果公司于九月十日凌晨发布了首款ai 手机iphone 十六系列
包括iphone 十六
Iphone 十六plus
Iphone 十六pro 和iphone 十六pro max
新机搭载了a 十八芯片
采用第二代三纳米工艺
性能大幅提升
Iphone 十六系列新增相机控制按钮和动作按钮
支持智能化的文本工具和视觉智能功能
此外
Air pd s pro 二新增听力保护功能
可作为临床级助听器使用
所有硬件产品将于九月十三日开启预售
九月二十日发售
Apple intelligence 智能系统将在下个月开始向用户推送
在大型语言模型llm 领域
谷歌研究者hichahohot 发布了一篇详细介绍自动提示词工程app 的长文
旨在通过自动化生成和优化llm 的提示词
提升模型在特定任务上的性能
App 基于提示词工程的思路
通过自动化过程生成和测试多个提示词
类似于传统机器学习中的自动超参数优化
文章还提供了从零开始实现app 的代码
并展示了其在几何形状数据集上的应用效果
显著提升了llm 的准确率
Uc
伯克利和斯坦福大学的研究人员提出了一种名为表格增强生成tag 的新方法
旨在解决现有自然语言与数据库交互系统在处理复杂查询时的局限性
Tag 通过统一查询合成
查询执行和答案生成三个步骤
实现了对数据库中自然语言问题的通用回答
与传统的text 二cq 和rede 方法相比
Tag 在精确匹配
准确率和执行时间上均有显著提生
尤其在处理需要复杂推理和领域知识的查询时表现出色
该研究展示了tag 在多个数据集上的优越性能
为ai 与数据库的深度融合提供了新的方向
北京大学与百川智能联合实验室推出paul 自动提示工程系统
旨在辅助用户设计高质量提示集
提升大语言模型在特定任务上的表现
Paw 通过构建高质量量题数据集
补充提示工程数据集系调自动提示模型实现了快速
简单且高效的自动提示工程
在多个基准测试中抛表现优于现有最先进模型
显著提升了模型的适应性和处理复杂任务的能力
该系统不仅节省了计算资源和数据收集成本
还为大语言模型在更广泛领域的应用铺平了道路
Amd 近日宣布将放弃旗舰游戏显卡市场
转而专注于ai 领域
并计划统一现有的两种gpu 微架构
以挑战英伟达的cuda 生态系统
Amd 计算和图形主管jack win 表示
此举旨在扩大生态规模
吸引更多开发者
Amd 的目标是建立一个拥有四百万开发者的生态系统与英伟达的cuda 相媲美
此外
Amd 还将简化其开源软件堆栈rocm
以加速生态发展
这一战略调整意味着amd 将更加关注中低端市场
而英伟达在高端游戏显卡市场的主导地位将进一步巩固
Very 团队开源了首首迈向ocr 二二零零的通用端到端模型got
旨在挑战多模态大模型在ocr 领域的降维模击击括t 模支支持多种oc 任务
包括括n tax ocr
Document ocr 等
并能输出可编辑的formatted 文本
研究团队通过三个训练阶段优化模型
强调ocr 研究仍有巨大潜力
尤其是在纯ocr 任务上
多模态大模型存在瓶颈
Got 的开源旨在吸引更多研究者关注ocr 领域
推动ocr 二点零的发展
Together ai 通过将lmba 三模型蒸馏到monmba 架构中
成功提升了推理速度一点六倍
同时保持甚至提升了模型性能
该研究由monmba 架构的提出者try 到参与
采用三阶段蒸馏流程
包括伪标签蒸馏
指令数据集为微调和人类反馈优化
此外
研究还提出了推测解码算法
进一步加速推理过程
测试结果显示
混合模型在多项任务中表现优异
甚至在某些任务上超越了原始lma 三模型
随着open ai 的gpt 四o 语音功能展示
硅谷科技巨头纷纷发力语音模型领域
谷歌推出germany love
苹果升级siri
而亚马逊则计划通过与anthropic 合作
利用cloud 模型大幅提升alexa 的性能
新版alexa 将具备更强的对话能力
个性化推荐和家居自动化功能
预计将在十月发布
与此同时
新秀celebris 也推出了基于其高性能ai 处理器的语音模型
尽管发布较晚
但其快速对话能力引起了广泛关注
谷歌l 六级别资深工程师justine 在服务九年后选择离职
他在离职报告中详细描述了在谷歌的工作经历和离职原因
Justiine 指出
尽管在谷歌获得了丰厚的薪酬和职业成长
但随着时间推移
他对谷歌的技术优势感到减弱
团队扩张和管理层承诺未能兑现
晋升l 七的机会渺茫
此外
他对技术工作的兴趣逐渐转移
最终决定离职并计划创业
Justiina 的离职反映了谷歌内部管理问题和员工对职业发展的深思熟虑
Research 近日宣布重大突破
通过使用与架构和网络无关的分布式优化器distrol
成功将训练大型语言模型llm 十gpu 间的通信量降低了一千到一万倍
Distro 不仅显著减少了带宽需求
还支持分布式数据并行训练
使得全球算力资源得以整合
形成一个巨大的异构ai 服务器集群
实验证明
Distro 在不影响模型性能的情况下
大幅优化了通信量
为未来ai 训练提供了新的可能性
今天的新闻播报完了
感谢你的聆听
