腾讯今日发布开源MOE大语言模型Hunyuan-large，总参数量达398B，激活参数量52B。公开测评结果显示，腾讯混元Large在CMMLU、MMLU、CEva1、MATH等多学科综合评测集以及中英文NLP任务、代码和数学等9大维度全面领先，超过Llama3.1、Mixtral等一流的开源大模型。据了解，该模型在技术创新上可实现高质量合成数据，通过使用合成数据增强训练，有效应对自然数据的不足。在上下文处理能力方面，预训练模型支持高达256K的文本序列，显著增强了处理长上下文任务的能力。同时，腾讯混元宣布，为填补行业

近日，OpenAI 向美国国家电信和信息管理局（NTIA）提交了一份关于 “加强数据中心增长、韧性与安全” 的意见书，表达了对美国数据基础设施的重视。OpenAI 指出，美国之所以能够在人工智能（AI）领域保持全球领先地位，与几十年前的光纤电缆、同轴电缆等宽带基础设施的建设息息相关。1996年的《电信法》在两党支持下，进一步强化了这一基础设施，奠定了国家战略的重要性。OpenAI 认为，人工智能的潜力类似于电力革命，可以推动美国的再工业化，提升全球竞争力，并为国家、州及家庭

根据天眼查App显示的信息，近日，智谱AI关联公司北京智谱华章科技有限公司发生了工商变更，新增了北京市人工智能产业投资基金（有限合伙）、深圳市招商数科创新私募股权投资基金合伙企业(有限合伙)、湖北长江中信科移动通信技术产业投资基金合伙企业(有限合伙)等作为股东，注册资本也有所增加，从约2791万人民币增至约3107万人民币。据悉，北京智谱华章科技有限公司成立于2019年6月，法定代表人为刘德兵，其经营范围包括人工智能基础软件开发、人工智能应用软件开发、软件开发

谷歌 AI 工作室与 Gemini API 近日联合推出了 “与谷歌搜索的实时连接” 功能，旨在帮助开发者通过整合谷歌搜索的实时数据，提升 AI 模型的响应准确性。随着这项更新，Gemini1.5模型可以从谷歌搜索中获取最新信息，从而增强回答的准确性和透明性。开发者可以通过谷歌 AI 工作室的 “工具” 部分直接访问这一功能，或在 Gemini API 中启用 “google_search_retrieval” 工具。“与谷歌搜索的实时连接” 功能目前在谷歌 AI 工作室的免费试用版中可用，而 Gemini API 的定价则定为每1000个带有实时连接的

美国电视和广播艺人联合会（SAG-AFTRA）近日与AI语音公司Ethovox签署了一项具有里程碑意义的协议，为演员声音数据的AI应用制定了明确规范。这份协议不仅为演艺界使用AI技术提供了可靠框架，更为保护演员权益树立了新标准。根据协议内容，演员将获得双重收益保障:一是声音录制的前期费用，二是AI语音模型应用产生的持续收益分成。更重要的是，任何声音数据的使用都必须获得演员本人的明确授权，且仅限于经过批准的特定用途。Ethovox在协议中作出多项承诺，其中最关键的是确保在最

思科系统公司近日在洛杉矶举办的合作伙伴活动上，推出了两款专为人工智能（AI）模型优化的数据中心设备。这些新系统将进一步丰富思科的硬件产品组合，以帮助企业高效处理 AI 相关工作负载。新推出的第一款产品线是 UCS C885A M8系列服务器。这款服务器可以支持多达八个图形处理单元（GPU），为企业用户提供强大的计算能力。思科为该系列提供了三种 GPU 选项，其中包括由 Nvidia 公司提供的 H100和 H200，以及竞争对手 AMD 的 MI300X 芯片。此外，UCS C885A M8系列中的每个图形卡都配备了独立的

北京百川智能科技有限公司近日宣布推出其一站式解决方案，旨在帮助企业以低成本实现大模型的私有化部署，并提高效率。这套解决方案包括全链路优质通用训练数据、Baichuan4-Turbo和Baichuan4-Air两款模型，以及全链路领域增强工具链，能够满足企业在不同场景下的需求。

阿里巴巴旗下通义AI通过官方微博对近期网传的AI产品营销投放数据进行了公开澄清。此前网络流传的数据显示，多家AI产品第三季度投放费用高达亿元级别，其中包括通义千问在内的具体投放数据引发广泛关注。根据通义AI官方回应，网传通义千问第三季度投放450万、10月前20天投放90万等数据与实际情况严重不符。官方明确表示，实际投放费用远低于网传数字，但未具体透露真实投放金额。同时，网传消息还提到其他AI产品的投放数据，如kimi第三季度投放1.5亿、10月前20天投放1.1亿，夸克第

最近，CenterPoint Energy Inc. 宣布，他们收到了来自数据中心开发商的连接请求数量激增700%。这一增长速度相当惊人，在短短几个月内，来自开发商的请求量大幅增加。根据 CenterPoint 的首席执行官杰森・威尔斯在周一的财报电话会议上所述，现在，德克萨斯州休斯顿地区的数据中心连接请求总容量已经达到了8吉瓦，而在夏季之前，这一数字仅为1吉瓦（GW）。这一变化主要集中在休斯顿周边，这座城市是德克萨斯州最大的城市。随着人工智能（AI）技术的快速发展，支持这一技术的数据中心需

最近，开放源代码倡议组织（OSI）发布了一项新定义，明确什么才算是真正的 “开源” 人工智能。这一新标准引起了科技巨头们的关注，尤其是 Meta 的 Llama 模型，因为它并不符合这些规则。OSI 一直是开放源代码软件的行业标准制定者，但在 AI 系统中，有一些传统许可证未能覆盖的元素，比如模型训练数据。根据 OSI 的新定义，任何被认为是真正开放源代码的 AI 系统必须提供三样东西:首先是有关训练 AI 所用数据的详细信息，以便他人能够理解并重现这些结果;其次是用于构建和运行 AI 的

最近，有消息称，Meta 正在开发一款全新的人工智能搜索引擎，目的是希望降低对谷歌和微软的依赖。根据《The Information》报道，这款搜索引擎将会在 Meta 的 AI 聊天机器人中提供针对时事的 AI 生成搜索摘要。目前，Meta 的聊天机器人在 Instagram 和 Facebook 中，依然依赖于谷歌及微软的 Bing 来回答有关近期新闻和事件的问题。不过，事情可能会有所改变，因为早在几个月前，就有人发现 Meta 的网络爬虫正在互联网上游走。消息来源透露，一个专门的团队已经努力工作了大约八个月，致力于为其

Anthropic宣布为Claude AI平台推出了一款全新的数据分析功能，这个功能可以让用户轻松地上传 CSV 文件，Claude 会根据你的指令自动编写并执行 JavaScript 代码。Claude 现在可以处理数据、进行分析并生成实时见解，所有Claude.ai的用户都可以在功能预览中使用这个分析工具。说到这个新功能，Claude 不仅仅是个普通的分析工具。它内置了一个代码沙盒，可以帮助用户进行复杂的数学运算和数据分析，提供更准确的答案。与之前的抽象分析不同，现在 Claude 可以更深入地处理数据，通过运行具体代码，

Anthropic 的 Claude 聊天机器人现在可以编写和运行 JavaScript 代码，帮助用户执行复杂的数学运算和数据分析。该功能已在预览阶段推出，允许 Claude 执行计算并分析电子表格和 PDF 等文件中的数据，并将结果呈现为交互式可视化。Anthropic 的分析工具可以视为一个内置的代码沙箱，Claude 可以在其中进行复杂的数学运算、分析数据，并在分享答案之前迭代不同的想法。该工具可以系统地处理用户的数据，逐步清理、探索和分析，直到得到正确的结果。Anthropic 给出了几个可能有用的示例。例如，产

最近，数据中心公司 RackBank 宣布了一项激动人心的计划，他们将在印度中部的印多尔市建立一个专为人工智能（AI）打造的数据中心。这个数据中心的规模相当可观，预计将能够容纳多达6万块图形处理单元(GPU)，这对推动 AI 技术的发展无疑是一大助力。图源备注:图片由AI生成，图片授权服务商Midjourney这个新的数据中心不仅仅是为了存储和处理数据而建，它还提供灵活的机架密度选项，支持从50kW 到150kW 的多种需求。这意味着，随着技术的发展，数据中心的规模和能力可以轻松扩展，以满足

在最近的 TED AI 大会上，OpenAI 的研究科学家诺亚姆・布朗引起了与会者的热烈反响。他在演讲中介绍了 OpenAI 新发布的 o1模型，强调这款模型如何通过 “系统二思维” 来改变各个行业的决策方式。图源备注:图片由AI生成，图片授权服务商Midjourney布朗曾参与开发了知名的扑克 AI “Libratus” 和外交游戏 AI “CICERO”，如今他希望看到人工智能不仅仅是一个工具，而是成为创新和决策的核心。布朗在演讲中提到，过去五年，AI 的发展可以归结为一个字:规模。虽然在技术上有很多进步，但今天的

最近，Appen 发布的2024年《人工智能状态报告》引起了广泛关注。这份报告基于对500多名美国 IT 决策者的调查，显示出生成式 AI 在过去一年中增长了17%。不过，伴随着这股增长潮流，企业在数据管理上却面临着不小的挑战。Appen 的战略负责人 Si Chen 在采访中提到，随着 AI 模型的应用逐渐深入到更复杂和专业的领域，对数据的要求也水涨船高。光有数据是不够的，企业需要的数据不仅要准确、多样化，还得有清晰的标签，并且要符合特定的 AI 使用场景。生成式 AI 的应用范围正在不断扩展，

近年来，大型语言模型（LLMs）在数据管理领域受到了广泛关注，应用范围不断扩大，包括数据整合、数据库调优、查询优化以及数据清洗等。然而，处理非结构化数据，尤其是复杂文档时，依然面临许多挑战。目前一些基于 LLM 的非结构化数据处理框架往往更注重降低成本，而忽视了提升处理准确性的问题。这一问题在分析复杂任务时尤为突出，因为 LLM 输出的结果往往无法精确满足用户的特定需求。以加州大学伯克利的调查报道项目为例，研究人员希望分析大量通过记录请求获得的警察

来自 Archetype AI 的研究人员开发了一种名为“牛顿 AI 模型”的人工智能基础模型，该模型仅通过分析传感器数据，就能准确地预测各种物理现象，甚至包括那些在训练过程中从未接触过的现象。这项突破性研究成果或将彻底改变物理研究的方式，为科学发现开启新的篇章。传统上，为物理现象构建 AI 模型需要将大量的物理定律和专业知识作为先验信息输入模型，这使得模型的应用范围受到限制，难以泛化到其他领域。而“牛顿 AI 模型”则采用了全新的“唯象学”方法，完全不依赖任何物

瑞士洛桑联邦理工学院 （EPFL） 的一项最新研究比较了两种主流的大型语言模型 (LLM) 适应性训练方法:上下文学习 (ICL) 和指令微调 (IFT)。研究人员使用 MT-Bench 基准测试来评估模型遵循指令的能力，发现在特定情况下，两种方法的表现各有优劣。研究发现，当可用的训练样本数量较少时（例如不超过50个），ICL 和 IFT 的效果非常接近。这表明在数据有限的情况下，ICL 或许可以作为 IFT 的替代方案。然而，随着任务复杂度的增加，例如在多轮对话场景中，IFT 的优势就变得明显。研究人员认为，

一项由以色列理工学院主导的最新研究表明，大型语言模型（LLM）可能“深藏不露”，掌握的知识比实际表现出来的更多。研究人员发现，LLM 的内部表征编码了关于其输出正确性的信息，即使它们最终生成了错误的答案，也能在内部识别出正确答案。该研究团队重点分析了 LLM 在长文本生成中的错误，这更贴近其在现实世界中的应用场景。他们构建了一个错误检测数据集，通过比较模型生成的答案与真实答案来判断其正确性，并以此为基础，研究 LLM 内部表征中编码真实性信号的位置。研