马斯克最近又成立了一家新的人工智能公司,名叫X.AI。前不久马斯克还呼吁暂停开发比OpenAI的GPT-4更强大的系统,保障人工智能的安全可控。而他自己则在秘密地组建自己的AI团队,从英伟达购买了上万块GPU,从DeepMind挖走了工程师,打算开发自己的大语言模型。马斯克是OpenAI的联合创始人之一,但在2018年退出后,经常发表言论抨击OpenAI。如今X.AI的具体业务和目标还不清楚,但很可能马斯克是想要借助X.AI入局ChatGPT之争。
“有意见”留言板
@媒体搬运工:X.AI的名字比较符合Musk的调性,再加上他和openAI之间宫斗的剧情,似乎ChatGPT引发的AI剧情已经很狗血,虽然现在GPT市场非常混乱,各路玩家粉墨登场,让我们看着这出戏如何发展。
@快乐萌猛男:笑死,合着之前各种公开反对要求暂停AI模型训练,就是想耍赖,然后自己建大模型赶上是吧。奥运会正跑步比赛呢,你看人家跑得比你快,你说先别跑了,让我追上你再跑?大哥你没事吧?
@打起精神的小一:OpenAI开创的初心是好的,但如果受到某某控制变成盈利部门,训练觉醒的AI就不好了。
好文章,需要你的鼓励
这项研究介绍了VisCoder,一个经过专门微调的大语言模型,用于生成可执行的Python可视化代码。研究团队创建了包含20万样本的VisCode-200K数据集,结合了可执行代码示例和多轮修正对话。在PandasPlotBench基准测试中,VisCoder显著优于同等规模的开源模型,甚至在某些方面超越了GPT-4o-mini。研究还引入了自我调试评估模式,证明了反馈驱动学习对提高代码可执行性和视觉准确性的重要性。
这项研究提出了"适应再连续学习"(ACL)框架,一种创新的方法解决预训练模型在连续学习中的稳定性-可塑性困境。通过在学习新任务前先对模型进行适应性调整,ACL使模型既能更好地学习新知识(提高可塑性),又能保留已有知识(维持稳定性)。实验证明,该框架能显著提升各种连续学习方法的性能,为解决人工智能系统中的"灾难性遗忘"问题提供了有效途径。
这篇研究首次关注了CLIP模型文本编码器的对抗鲁棒性问题,提出了LEAF方法(Levenshtein高效对抗性微调)来增强文本编码器的稳健性。实验表明,LEAF显著提高了模型在面对文本扰动时的性能,在AG-News数据集上将对抗准确率从44.5%提升至63.3%。当集成到Stable Diffusion等文本到图像生成模型中时,LEAF显著提高了对抗噪声下的生成质量;在多模态检索任务中,它平均提高了10个百分点的召回率。此外,LEAF还增强了模型的可解释性,使文本嵌入的反演更加准确。
BenchHub是由韩国KAIST和Yonsei大学研究团队开发的统一评估平台,整合了38个基准中的30万个问题,按技能、学科和目标类型进行精细分类。研究显示现有评估基准存在领域分布偏差,而BenchHub通过自动分类系统和用户友好界面,让用户能根据特定需求筛选评估数据。实验证明模型在不同领域的排名差异巨大,强调了定制化评估的重要性。该平台支持多语言扩展和领域特化,为研究人员和开发者提供了灵活评估大语言模型的强大工具。