Investigaciones recientes muestran que, aunque la inteligencia artificial destaca en áreas como la programación y la creación de contenido, todavía presenta deficiencias en el manejo de problemas históricos complejos. Un estudio reciente presentado en la conferencia NeurIPS indica que incluso los modelos lingüísticos grandes (LLM) más avanzados tienen dificultades para obtener resultados satisfactorios en pruebas de conocimiento histórico. El equipo de investigación desarrolló Hist-LLM, un conjunto de pruebas de referencia, para evaluar tres modelos lingüísticos de primer nivel: GPT-4 de OpenAI, Llama de Meta y Gemini de Google.

Recientemente, RayNeo Innovation (RayNeo), una marca de realidad aumentada (RA) de consumo, y Alibaba Cloud celebraron una ceremonia de firma estratégica en Shanghái, donde anunciaron una colaboración estratégica exclusiva para impulsar conjuntamente el desarrollo de la tecnología de gafas de IA. Esta colaboración marca la primera colaboración de personalización profunda entre un modelo lingüístico grande nacional y un fabricante de hardware de gafas de IA. Los modelos lingüísticos grandes de la serie Tongyi de Alibaba Cloud proporcionarán soporte técnico integral a los productos de gafas de IA de RayNeo. RayNeo Innovation declaró que, en el futuro, utilizará las gafas de IA como vehículo principal y, en combinación con las ventajas tecnológicas de ambas partes, invertirá conjuntamente en la investigación y el desarrollo de nuevas tecnologías.

Según la aplicación móvil Qichacha, China Life (601628) solicitó recientemente el registro de la marca "Plataforma de servicios de modelos lingüísticos grandes de IA", clasificada internacionalmente como gestión financiera y de propiedades. Actualmente, la solicitud de marca se encuentra en proceso. Según informes anteriores, la plataforma China Life Investment GPT de China Life Asset Management, subsidiaria de China Life, ya ha lanzado más de una decena de asistentes de oficina, incluyendo un administrador de experiencia de múltiples modelos, una visión panorámica del cliente, un sistema de preguntas y respuestas inteligente para documentos, una búsqueda de IA, un sistema de preguntas y respuestas sobre las normas de la empresa y la clonación de voz, y continúa expandiendo los límites de las capacidades de los modelos lingüísticos grandes, combinándolos de forma flexible para lograr los objetivos comerciales.

Marc Benioff, CEO de Salesforce, una empresa estadounidense de software de computación en la nube, declaró recientemente en el podcast 'The Future of Everything' del Wall Street Journal que el futuro de la inteligencia artificial reside en los agentes autónomos, no en los chatbots impulsados por modelos lingüísticos grandes (LLM). Señaló que actualmente nos encontramos en la fase de límite superior de los modelos lingüísticos grandes. Benioff mencionó que en los últimos años, el entusiasmo por ChatGPT ha sido excesivo...

Una nueva investigación de la Universidad de Michigan ha descubierto recientemente un método eficiente para entrenar modelos lingüísticos grandes que permite completar el entrenamiento en el mismo tiempo, pero reduciendo el consumo de energía en un 30%. Este método podría ahorrar suficiente energía como para alimentar 1,1 millones de hogares estadounidenses para 2026. Los investigadores desarrollaron una herramienta de software llamada Perseus que identifica las rutas críticas, es decir, la secuencia de subtareas que tardan más en completarse. Luego, Perseus reduce la velocidad del procesador en las rutas no críticas para que todas se completen al mismo tiempo.

En la madrugada de hoy, Anthropic AI lanzó la serie Claude 3.5, que incluye Claude 3.5 Sonnet (una versión mejorada) y el nuevo modelo Claude 3.5 Haiku. Ambas versiones presentan mejoras significativas en funcionalidad y rendimiento. Además, se ha presentado una revolucionaria nueva función: "Computer use". Esta función permite a los desarrolladores, a través de la API, que Claude utilice el ordenador como un humano, controlando el ratón, el teclado y otras funciones.

Una nueva investigación sugiere que las medidas de seguridad implementadas en los modelos de lenguaje grandes, con buenas intenciones, pueden generar debilidades inesperadas. Los investigadores descubrieron una diferencia notable en la dificultad de 'evadir' los modelos según los términos académicos demográficos utilizados. El estudio, titulado "¿Tienen los modelos de lenguaje grandes corrección política?", explora cómo las palabras clave demográficas afectan la probabilidad de éxito de los intentos de evasión. La investigación encontró que los prompts que utilizan términos relacionados con grupos marginados tienen más probabilidades de generar respuestas no deseadas que aquellos que usan términos relacionados con grupos privilegiados.

Recientemente, los investigadores de Apple realizaron un estudio profundo sobre la capacidad de razonamiento matemático de los modelos lingüísticos grandes (LLM), lanzando una nueva prueba de referencia llamada GSM-Symbolic. Esta nueva prueba de referencia se basa en GSM8K, que se utiliza principalmente para evaluar las habilidades matemáticas básicas. Aunque muchos LLM han mejorado su rendimiento en GSM8K, la comunidad científica todavía tiene dudas sobre la capacidad de razonamiento de estos modelos, considerando que los indicadores de evaluación existentes pueden no reflejar completamente sus capacidades reales. El estudio revela...

Recientemente, Apple realizó un estudio sobre la capacidad de razonamiento de los modelos lingüísticos grandes (LLM), lo que ha generado preocupación sobre el rendimiento de estos modelos en el ámbito de las matemáticas. Como es sabido, el conjunto de datos de referencia GSM8K se utiliza ampliamente para evaluar la capacidad de razonamiento de los modelos en problemas de matemáticas de primaria. Aunque el rendimiento de los LLM en GSM8K ha mejorado en los últimos años, los investigadores han cuestionado la fiabilidad de estos resultados. Por lo tanto, llevaron a cabo un estudio a gran escala para explorar el rendimiento de los modelos de código abierto y cerrado más avanzados. Para evaluar mejor los modelos

El Instituto de Inteligencia Artificial de Beijing (BAAI) ha lanzado recientemente FlagEval Debate, la primera plataforma mundial de debate para modelos lingüísticos grandes en chino. Esta nueva plataforma tiene como objetivo proporcionar una nueva forma de medir las capacidades de los modelos de lenguaje grandes a través del mecanismo competitivo del debate entre modelos. Es una extensión del servicio de evaluación de modelos de confrontación FlagEval de BAAI, y su objetivo es identificar las diferencias de capacidad entre los modelos de lenguaje grandes.

Científicos de la Universidad Politécnica de Valencia han realizado un estudio que revela que los modelos lingüísticos grandes como GPT, LLaMA y BLOOM tienden a mentir en lugar de admitir su ignorancia cuando se enfrentan a preguntas. El estudio encontró que a medida que aumenta la complejidad del modelo de IA, su precisión disminuye al enfrentarse a preguntas complejas, siendo más probable que fabriquen respuestas. Los investigadores descubrieron que incluso los voluntarios humanos tuvieron dificultades para identificar estas respuestas incorrectas, lo que sugiere un riesgo potencial para los humanos debido a las mentiras de la IA. Los científicos recomiendan mejorar la IA...

El equipo de investigación de DeepMind de Google ha logrado un gran avance recientemente, desarrollando una innovadora técnica llamada SCoRe (Self-Correction through Reinforcement Learning, autocorrección mediante aprendizaje por refuerzo). Esta técnica tiene como objetivo abordar el desafío de larga data de la dificultad de los modelos lingüísticos grandes (LLM) para autocorregirse, pudiendo identificar y corregir errores sin depender de múltiples modelos o comprobaciones externas. El núcleo de la tecnología SCoRe radica en su método de dos fases. La primera fase optimiza el

La comprensión de contextos largos es un desafío clave en el campo del procesamiento del lenguaje natural, especialmente cuando los modelos de lenguaje grandes (LLM) procesan textos que superan el tamaño de su ventana de contexto. Para abordar este problema, los investigadores han desarrollado el conjunto de datos de referencia LooGLE, diseñado para evaluar la capacidad de comprensión de contextos largos de los LLM al procesar documentos extremadamente largos (promedio de 19.3k palabras, 776 documentos en total, que abarcan múltiples dominios). LooGLE incluye 7 tareas, que abarcan dependencias cortas y largas, y evalúa la comprensión del modelo de textos de diferentes longitudes. Los datos de prueba provienen de publicaciones a partir de 2022.

Recientemente, un equipo de investigación del MIT ha explorado en profundidad el rendimiento de los modelos lingüísticos grandes (LLM) en diferentes tareas. El estudio revela que los LLM funcionan bien en tareas familiares, pero muestran serias limitaciones en su capacidad de razonamiento cuando se enfrentan a situaciones atípicas o desconocidas. Al comparar las "tareas predeterminadas" con los "escenarios contrafactuales" y al ajustar el diseño de las tareas para probar las respuestas del modelo, se muestra que, aunque el modelo es bastante bueno en las operaciones aritméticas decimales, su rendimiento es completamente diferente en entornos no decimales y en otras tareas como la música, el razonamiento espacial y el ajedrez.

En la sesión de la Asamblea Popular Nacional de 2024, Zhou Yuan, fundador y CEO de Zhihu, presentó varias propuestas, centrándose en la necesidad de mejorar la escasez de datos lingüísticos chinos de alta calidad. "La escala de datos de China crecerá de 18,51 ZB a 56,16 ZB, pero los datos chinos de alta calidad siguen siendo escasos." Zhou Yuan propone establecer un mecanismo de supervisión de la conformidad de los datos y promover la legislación sobre la supervisión de AIGC. Con motivo del 30 aniversario de la conexión a Internet en China en 2024, Zhou Yuan propone reforzar las garantías legales y normativas. Zhou Yuan también propone acelerar el proceso legislativo para promover el desarrollo de la economía privada y estimular la innovación en las empresas de plataformas de Internet.

El Pentágono está acelerando el descubrimiento e implementación de las aplicaciones militares más útiles, discutiendo el uso de la inteligencia artificial en la planificación militar. Existen usos potenciales en áreas como el análisis de inteligencia militar, pero persisten desafíos relacionados con la fiabilidad y la seguridad. El Pentágono destaca la necesidad de colaboración con la industria para impulsar la aplicación de la tecnología de IA en el ámbito militar. La tecnología de IA podría tener un impacto profundo en el ámbito militar, pero se requieren pruebas exhaustivas para garantizar su fiabilidad.

Un estudio ha descubierto que los grandes modelos lingüísticos exhiben una gran capacidad en el aprendizaje en contexto online, pudiendo aprender a escribir código robótico a partir de la retroalimentación humana. A través del marco Language Model Predictive Control (LMPC), se logró mejorar la eficiencia de los LLMs en la escritura de código robótico adaptándose a las entradas humanas. Los experimentos demostraron que LMPC aumentó la tasa de éxito en tareas no vistas, proporcionando un sólido apoyo para el aprendizaje adaptativo de robots. El equipo de investigación, mediante la aplicación del marco LMPC, ha abierto con éxito nuevas...

Un estudio ha descubierto que los modelos lingüísticos grandes repiten y propagan teorías conspirativas, estereotipos dañinos y otra información falsa. ChatGPT presenta problemas frecuentes de errores, contradicciones y repetición de información dañina. El contexto y la formulación de las preguntas pueden influir en el grado de 'concordance' del modelo con la información falsa. El proceso de aprendizaje de los modelos lingüísticos grandes puede llevar a que aprendan información errónea, lo que genera preocupación.

SALMONN es un marco de modelo lingüístico grande multimodal de audio a texto diseñado para ampliar la comprensión y el procesamiento de los modelos lingüísticos grandes en el ámbito de la audición general. El marco integra componentes como el codificador de audio no hablado BEATs, el codificador de voz del marco OpenAI Whisper y el Q-Former a nivel de ventana, logrando una alta resolución temporal para la alineación de audio-texto. Después de una fase de ajuste fino, SALMONN ha logrado un rendimiento competitivo en tareas como subtitulado de audio y traducción de voz, demostrando su capacidad de audición general.

'NetEase publica su informe financiero del tercer trimestre, con ingresos netos de 27.300 millones de yuanes y una inversión en I+D superior a 12.000 millones de yuanes. 'Los modelos lingüísticos grandes de IA de NetEase se aplican masivamente en negocios centrales y escenarios reales. 'El Asistente inteligente de correo electrónico de NetEase obtiene aprobación, ofreciendo funciones inteligentes como redacción de correos electrónicos y resumen de correos electrónicos con IA. 'El modelo lingüístico grande para la educación de NetEase Youdao ya admite seis desarrollos de aplicaciones nativas. 'NetEase refuerza la inversión en I+D y aplicación de tecnologías clave como modelos lingüísticos grandes de IA de desarrollo propio.'