2024-10-29 简讯 : Waymo 融资 56 亿美元


头条


Waymo 融资 56 亿美元

https://waymo.com/blog/2024/10/investing-to-bring-the-waymo-driver-to-more-riders/

Waymo 的无人驾驶出租车服务广受欢迎。该公司已筹集额外资金,以扩大其在已运营的几个城市和数百万英里之外的业务。

Pixtral 12B 权重发布

https://huggingface.co/mistralai/Pixtral-12B-Base-2409

Pixtral 12B 基础模型权重已在 Hugging Face 上发布。

AI 珠宝

https://techcrunch.com/2024/10/27/arcade-a-new-ai-product-creation-platform-designed-this-necklace/

Arcade AI 已经建立了一个生成产品平台,可以根据文本提示创建独特且优质的珠宝物品。最好的部分是, 可以购买提示的东西。


研究


评估特征转向

https://www.anthropic.com/research/evaluating-feature-steering

如何评估特征转向的能力和功效?Anthropic 今年早些时候对 Golden Gate Claude 进行了实验。它发现许多特征,尤其是类似的安全特征,具有共同的控制范围。

Crosscoders

https://transformer-circuits.pub/2024/crosscoders/index.html

Crosscoders 是稀疏自动编码器的扩展,可用于更好地理解语言模型的内部机制。

检索增强时间序列扩散模型

https://arxiv.org/abs/2410.18712v1

新的检索增强时间序列扩散模型 (RATD) 旨在通过整合检索和指导机制来稳定和改进时间序列扩散模型。RATD 的两步流程从数据库中检索相关历史数据,并使用这些数据作为参考来指导去噪阶段。


工程


NotebookLlama

https://github.com/meta-llama/llama-recipes/tree/main/recipes/quickstart/NotebookLlama

Meta 发布了一份快速入门指南,用于重新创建 Google 非常流行的 NotebookLM 系统的基本版本。

MLLM 中的图表推理

https://github.com/hewei2001/reachqa

代码作为中介翻译 (CIT) 是一种增强多模态语言模型 (MLLM) 中视觉推理的新方法,它使用代码将图表视觉效果转换为文本。

概率视觉语言模型

https://arxiv.org/abs/2410.18857v1

概率语言图像预训练 (ProLIP) 是一种视觉语言模型 (VLM),它以概率方式从图像文本对中学习。与假设严格一对一匹配的传统模型不同,ProLIP 可以捕获现实世界数据中的多对多关系。


杂七杂八


Meta 推出 Spirit LM 开源模型,结合文本和语音输入/输出

https://venturebeat.com/ai/meta-introduces-spirit-lm-open-source-model-that-combines-text-and-speech-inputs-outputs/

Meta 推出了一款开源多模态语言模型,旨在将文本和语音输入输出与富有表现力、听起来自然的语音功能相结合。Meta Spirit LM 旨在通过使用语音、音调和声调标记来增强情感表达并在 ASR、TTS 和语音分类等任务中保持自然表现力,从而超越现有的语音 AI。

如何在两周内学习LLM:综合路线图

https://towardsdatascience.com/how-i-studied-llms-in-two-weeks-a-comprehensive-roadmap-e8ac19667a31?gi=bf8603268eba&utm_source=tldrai

本文概述了为期 14 天的学习路线图,以了解LLM的基础知识,涵盖自我注意、幻觉和混合专家等高级技术等主题。它包括从头开始构建LLM的资源、各种文献和在线资料,所有这些都汇编在 GitHub 存储库中。本文强调个性化学习方法,并强调基础数学、编程和深度学习概念的重要性。

IBM 推出面向企业 AI 的开源 Granite 3.0 LLM

https://venturebeat.com/ai/ibm-debuts-open-source-granite-3-0-llms-for-enterprise-ai/

IBM 正在通过新的 Granite 3.0 LLM 扩展其企业 AI 产品,重点关注开源解决方案和性能。这些模型可在多个平台上使用,包括安全功能,并针对各种企业用例进行了量身定制。IBM 强调使用 Apache 2.0 进行真正的开源许可对于实现灵活的企业采用和创新的重要性。

Marly

https://github.com/marly-ai/marly

Marly 是一个开源数据处理器,允许代理使用 JSON 查询非结构化数据。

微软推出可以处理客户查询的“AI 员工”

https://www.theguardian.com/technology/2024/oct/21/microsoft-launches-ai-employees-that-can-perform-some-business-tasks

微软正在推出自主 AI 代理来提高生产力,允许企业为客户服务和供应链管理等任务构建自定义机器人。

字节跳动实习生因在 AI 模型中植入恶意代码而被解雇

https://arstechnica.com/tech-policy/2024/10/bytedance-intern-fired-for-planting-malicious-code-in-ai-models/

字节跳动已证实一名实习生干扰了 AI 模型训练,并驳斥了数千万美元损失的夸大说法。

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 202,980评论 5 476
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,178评论 2 380
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 149,868评论 0 336
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,498评论 1 273
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,492评论 5 364
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,521评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,910评论 3 395
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,569评论 0 256
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,793评论 1 296
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,559评论 2 319
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,639评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,342评论 4 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,931评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,904评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,144评论 1 259
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,833评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,350评论 2 342

推荐阅读更多精彩内容