“草莓味”的ChatGPT、国风视频大模型、“豆包爱学”、人形机器人+智慧药房...

看点概览:

一、“草莓味”的ChatGPT来了

二、“豆包爱学”全新升级

三、昆仑万维全新奖励模型

四、全球首个人形机器人智慧药房解决方案亮相

五、更符合中国文化和东方审美的视频大模型

一、“草莓味”的ChatGPT来了

(图源:微信公众号@字母榜)

当地时间9月12日下午,OpenAI突然发布了新模型o1。此前OpenAI发模型一直以“GPT”系列迭代,从2018年的GPT-1到今年5月的GPT-4o无不如是。如今,OpenAI却开辟新条线。正如此前的传闻,o1的一大侧重点是“推理”。而“推理”的背后的关键,则是“思考”。对于用户来说,最直观的感受是o1-preview在回答问题之前,会花更长时间。“这是一款通过强化学习训练的新型大预言模型,旨在执行复杂的推理任务。o1在回答问题前会进行思考——它可以在回答用户之前产生一个内部的长‘思维链’。”OpenAI在博文中写道。

总之,o1比起OpenAI之前的模型,更注重推理能力,在数学和编程等方面的能力尤其得到提升,说夸张点儿简直是拳打博士,脚踢专家,而且通过“思维链”,还有望减少模型的幻觉。

内容详情:OpenAI“草莓”值万亿吗?

二、“豆包爱学”全新升级

(图源:微信公众号@豆包)

为了更好地帮助大家学习,豆包爱学推出了很多辅助学习的实用功能,包括答疑解惑、作业批改、知识问答、作文辅导、口算练习等,更适配家庭教育的各类场景。

打开豆包爱学,可以选择题目讲解,获得准确的分步骤解析,并支持进一步向豆包提问。也可以一键批改作业,提高家长辅导的效率。针对语文作文,输入关键词,即可激发写作思路和灵感,或是选择作文批改,获得全方位的文本解析和润色建议。想要互动学习百科知识,可以试试“AI搜知识”功能,对话模式为你全面讲解。

三、昆仑万维全新奖励模型

(图源:微信公众号@昆仑万维集团)

近日,昆仑万维发布了两款全新的奖励模型Skywork-Reward-Gemma-2-27B和Skywork-Reward-Llama-3.1-8B。在权威奖励模型评估基准 RewardBench 上,这两款模型表现卓越,分别位列 RewardBench 排行榜上的第一和第三位。

奖励模型(Reward Model)是强化学习(Reinforcement Learning)中的核心概念和关键组成,它用于评估智能体在不同状态下的表现,并为智能体提供奖励信号以指导其学习过程,**让智能体能够学习到在特定环境下如何做出最优选择。**奖励模型在大语言模型(Large Language Model,LLM)的训练中尤为重要,可以帮助模型更好地理解和生成符合人类偏好的内容。

27B模型地址:

https://huggingface.co/Skywork/Skywork-Reward-Gemma-2-27B

8B模型地址:

https://huggingface.co/Skywork/Skywork-Reward-Llama-3.1-8B

四、全球首个人形机器人智慧药房****解决方案亮相

(图源:微信公众号@银河通用机器人)

具身大模型机器人 Galbot (以下简称“Galbot”)由美团买药与北京银河通用机器人有限公司(以下简称“银河通用”)联合打造,Galbot 完成24小时无人值守,未来有望与连锁药房合作,帮助其优化经营成本、提升服务效率,有效实现数字化转型。

在执行补货任务时,面对货架上数十种商品,Galbot 可以自主分析哪些需要补货,并从货筐中识别出对应的商品,精准抓取,并稳稳放置到货架的对应位置,无论是货架最高层还是最底层都可轻松驾驭;而当有顾客模拟“下单”后, Galbot 会自主规划路径移动到物品附近,通过大模型精准识别、抓取商品,随后平稳送给顾客。

五、更符合中国文化和东方审美的视频大模型

(图源:微信公众号@书生Intern)

近日,上海人工智能实验室(上海AI实验室)推出升级版的视频生成大模型书生·筑梦2.0(Vchitect 2.0)。为生成更符合中国文化和东方审美的视频,团队从源头对书生·筑梦2.0的预训练数据进行了精细化加工处理,构建了包含37万小时的高质量数据集,并通过算法的增强进一步提升生成视频的质量和美学水平。集成了视频生成、插帧超分、画面修复等任务的书生·筑梦2.0,搭载轻量化框架后,推理效率提升了60%,可满足更高质量的视频编创需求。

项目网站:https://vchitect.intern-ai.org.cn

开源链接:https://github.com/Vchitect

AI 创新|分享人工智能领域的技术革新和创新应用的新动态,与读者共同关注AI领域的创新思维与实践。

·END·

AI|美图

(图源:可灵AI生成)

把行动交给现在,把结果交给时间,那些暗自努力的时光,终会照亮你前行的路,只要一直在追光路上,你的人生终会光芒万丈。

那么,如何系统的去学习大模型LLM?

我在一线互联网企业工作十余年里,指导过不少同行后辈。帮助很多人得到了学习和成长。

作为一名热心肠的互联网老兵,我意识到有很多经验和知识值得分享给大家,也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑,所以在工作繁忙的情况下还是坚持各种整理和分享。

但苦于知识传播途径有限,很多互联网行业朋友无法获得正确的资料得到学习提升,故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

所有资料 ⚡️ ,朋友们如果有需要全套 《LLM大模型入门+进阶学习资源包》,扫码获取~

篇幅有限,部分资料如下:

👉LLM大模型学习指南+路线汇总👈

💥大模型入门要点,扫盲必看!
在这里插入图片描述
💥既然要系统的学习大模型,那么学习路线是必不可少的,这份路线能帮助你快速梳理知识,形成自己的体系。

路线图很大就不一一展示了 (文末领取)
在这里插入图片描述

👉大模型入门实战训练👈

💥光学理论是没用的,要学会跟着一起做,要动手实操,才能将自己的所学运用到实际当中去,这时候可以搞点实战案例来学习。
在这里插入图片描述

👉国内企业大模型落地应用案例👈

💥两本《中国大模型落地应用案例集》 收录了近两年151个优秀的大模型落地应用案例,这些案例覆盖了金融、医疗、教育、交通、制造等众多领域,无论是对于大模型技术的研究者,还是对于希望了解大模型技术在实际业务中如何应用的业内人士,都具有很高的参考价值。 (文末领取)
在这里插入图片描述

👉GitHub海量高星开源项目👈

💥收集整理了海量的开源项目,地址、代码、文档等等全都下载共享给大家一起学习!
在这里插入图片描述

👉LLM大模型学习视频👈

💥观看零基础学习书籍和视频,看书籍和视频学习是最快捷也是最有效果的方式,跟着视频中老师的思路,从基础到深入,还是很容易入门的。 (文末领取)
在这里插入图片描述

👉640份大模型行业报告(持续更新)👈

💥包含640份报告的合集,涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师,还是对AI大模型感兴趣的爱好者,这套报告合集都将为您提供宝贵的信息和启示。
在这里插入图片描述

👉获取方式:

这份完整版的大模型 LLM 学习资料已经上传优快云,朋友们如果需要可以微信扫描下方优快云官方认证二维码免费领取【保证100%免费

😝有需要的小伙伴,可以Vx扫描下方二维码免费领取🆓

### 即将举行的重要会议和活动 #### 机器人人形机器人领域 - **IEEE国际机器人与自动化大会 (ICRA)** ICRA 是全球最具影响力的机器人术会议之一,涵盖广泛的机器人技术和应用。该会议不仅关注传统工业机器人,还特别重视服务型机器人、医疗机器人以及人形机器人的最新进展[^1]。 - **Humanoids Conference** 这一专门针对人形机器人的年度盛会聚焦于双足行走机制、感知系统及交互界面的研究成果展示和技术交流。参与者可以深入了解基于MATLAB的人形机器人运动建模、轨迹规划等方面的前沿动态[^2]。 #### AI 和大模型领域 - **NeurIPS (Conference on Neural Information Processing Systems)** NeurIPS 是神经网络处理系统的顶级峰会,每年吸引大量研究人员参与讨论最新的算法改进、理论突破及其实际应用场景。对于那些致力于开发更高效能的大规模预训练语言模型的企业来说尤为重要[^3]。 - **ACL (Association for Computational Linguistics)** ACL 主要围绕自然语言处理展开探讨,近年来随着AIGC概念兴起而备受瞩目。这里不仅是分享关于对话系统构建经验的好地方,也是探索如何利用大规模多模态数据集来增强生成式AI性能的理想平台。 #### AIGC 领域 - **CVPR (Conference on Computer Vision and Pattern Recognition)** CVPR 聚焦计算机视觉识别技术的发展趋势,特别是图像生成对抗网路(GANs)在内的各类创新方法论。这使得其成为任何希望了解或投身于创造逼真虚拟内容创作者不可错过的一站。 ```python # Python代码示例:获取未来一年内上述提到的主要会议日期列表 import requests from bs4 import BeautifulSoup def get_conference_dates(conferences): dates = {} base_url = "https://www.example.com/conference/" for conf in conferences: url = f"{base_url}{conf.lower().replace(' ', '-')}" response = requests.get(url) soup = BeautifulSoup(response.text, 'html.parser') date_element = soup.find('span', class_='date').text.strip() dates[conf] = date_element return dates conferences_list = ["IEEE International Conference on Robotics and Automation", "Humanoids Conference", "NeurIPS", "ACL", "CVPR"] future_conferences = get_conference_dates(conferences_list) for name, date in future_conferences.items(): print(f"The {name} will be held from {date}.") ```
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值