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

麻省理工学院（MIT）本周展示了一种全新的机器人训练模型，该模型放弃了以往专注于特定数据集的训练方法，转而采用类似大型语言模型(LLMs)训练时使用的海量信息。研究人员指出，模仿学习——即代理通过模仿执行任务的个体来学习——在遇到小的挑战时可能会失败。这些挑战可能包括不同的光照条件、不同的环境设置或新的障碍物。在这些情况下，机器人没有足够的数据来适应这些变化。图源备注：图片由AI生成，图片授权服务商Midjourney团队借鉴了像GPT-4这样的模型，采用了一种粗

麻省理工学院本周展示了一种训练机器人的新模型，旨在解决模仿学习在引入小挑战时可能会失败的问题。研究人员指出，模仿学习在照明、不同环境或新障碍等情况下可能会失败，因为机器人根本没有足够的数据来适应。该团队寻求像 GPT-4这样的模型来寻找一种强力数据方法来解决问题。他们引入了一种名为异构预训练变压器（HPT）的新架构，该架构将来自不同传感器和不同环境的信息汇集在一起。然后使用变压器将数据汇总到训练模型中。变压器越大，输出越好。用户可以输入机器人

大模型（LLM）如GPT、Llama等在人工智能领域掀起了一场革命，但如何高效地训练这些庞大的模型并使其符合人类价值观仍然是一个难题。强化学习与人类反馈（RLHF）作为一种重要的LLM训练方法，近年来得到广泛应用，但传统的RLHF框架在灵活性、效率和可扩展性方面存在局限性。为解决这些问题，字节跳动豆包大模型团队开源了名为HybridFlow的RLHF框架，为LLM训练带来了新的可能性。RLHF通常包含三个阶段:首先，actor模型根据输入的提示生成文本;然后，critic模型、reference模型和reward模型对生成

人工智能视频平台 D-ID 今日宣布推出两款新型虚拟头像 ——Express 和 Premium+，旨在提升内容创作的质量和效率。如今，越来越多的企业希望借助更加人性化的 AI 头像来减轻视频制作的负担，特别是在市场营销、销售和客户支持等领域。D-ID 的新模型就是为了在这一竞争激烈的市场中抢占一席之地。Express 头像的训练时间仅需约一分钟的视频，能够在用户讲话时复制其头部动作。而 Premium + 则是公司的旗舰模型，需要至少几分钟的录制，以生成可以在视频中展示手部和躯干动作的 AI 头像。D-I

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。

日前，字节跳动低调的上线了推出了一个名为“炉米 Lumi ”的AI模型分享社区，平台集成了模型分享、Workflow 搭建以及 LoRA 训练等多种功能，不过该平台目前还处于内部测试阶段。产品入口:https://top.aibase.com/tool/lumilumi炉米 Lumi 的核心亮点就是模型分享与管理功能。用户可以轻松上传自己开发的 AI 模型，并在社区中与其他人分享。这种开放的机制有助于打破信息壁垒，促进跨领域的合作与交流。大家可以借鉴彼此的成果，从而进一步推动 AI 模型的创新。平台还支持用户搭建 AI 工作流程。用

的研究团队宣布了一项令人兴奋的进展，他们开发了一种名为 HOVER（人形多功能控制器）的新型神经网络。这个神经网络拥有150万参数，专门用于协调人形机器人的运动和操作。NVIDIA 的高级研究经理 Jim Fan 表示:“并不是所有基础模型都需要庞大。我们训练的这个1.5M 参数的神经网络，旨在控制人形机器人的身体。” 他进一步解释，HOVER 能够捕捉到人类运动中的潜意识过程，这样一来，机器人就可以在没有繁琐编程的情况下执行复杂任务。他提到，“人类在行走、保持平衡，以及灵活操控

Waymo 近日宣布了一项重大突破，开发了一种基于谷歌多模态大型语言模型 （MLLM） Gemini 的新训练模型，用于其自动驾驶出租车的开发。这种新模型被称为 EMMA(自动驾驶端到端多模态模型)，它能够处理传感器数据以生成自动驾驶汽车的未来轨迹，帮助无人驾驶汽车决定去哪里以及如何避开障碍物。EMMA 模型是自动驾驶领域的领军企业计划在其运营中使用 MLLM 的首批迹象之一，表明这些 LLM 可以摆脱目前作为聊天机器人、电子邮件管理器和图像生成器的用途，并在道路的全新环境中找到应用。

在即将到来的2025年1月，位于圣塔莫尼卡的 Fred Fitness 将正式开门迎客，这家健身房以全新的 AI 驱动个性化锻炼理念，预计将改变美国健身市场。Fred Fitness 背靠欧洲健身巨头 Clever Fit，并使用前沿的 EGYM 科技，致力于为会员提供量身定制的训练计划和实时指导，让每个人都能享受到如同私人教练般的健身体验，但费用却远低于传统健身房。Fred Fitness 的创始人阿尔弗雷德・恩岑斯贝格（Alfred Enzensberger）表示，健身房不再只是提供设备，而是提供解决方案。“想象一下，一个私人教练不仅了解

今天，NVIDIA（英伟达） 宣布，与 xAI 合作打造的 Colossus 超级计算机集群正式上线，这可是全球最强AI训练集群Colossus，整整由10万颗 NVIDIA Hopper GPU 组成。这个庞然大物之所以能达到这样的规模，得益于 NVIDIA Spectrum-X 以太网网络平台的支持。这个平台专门为多租户、超大规模的 AI 工厂设计，能够通过标准以太网实现远程直接内存访问，提供卓越的性能。Colossus 主要用于训练 xAI 的 Grok 系列大型语言模型，同时还为 X Premium 用户提供聊天机器人服务。更令人兴奋的是，xAI 正在计划将 Colossus 的规

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

耶鲁大学研究团队近日发布了一项开创性研究成果，揭示了AI模型训练的关键发现:AI学习效果最好的数据并非越简单或越复杂越好，而是存在一个最佳的复杂度水平——被称为"混沌边缘"的状态。研究团队通过使用基本元胞自动机（ECAs）进行实验，这是一种简单的系统，其中每个单元的未来状态仅取决于自身和相邻两个单元的状态。尽管规则简单，但这种系统可以产生从简单到高度复杂的多样化模式。研究人员随后评估了这些语言模型在推理任务和国际象棋走子预测等方面的表现。研究结

Meta Platforms今日发布其Llama模型的全新精简版本，包括Llama3.21B和3B两款产品，首次实现了大规模语言模型在普通智能手机和平板电脑上的稳定运行。通过创新性地整合量化训练技术与优化算法，新版本在保持原有处理质量的同时，将文件体积缩减56%，运行内存需求降低41%，处理速度更是提升至原版4倍，单次可连续处理8，000字符文本。在 Android 手机上进行测试时，Meta 的压缩 AI 模型（SpinQuant 和 QLoRA）与标准版本相比，速度和效率都有显著提升。较小的模型运行速度提高了四倍，而内存占用却

《华尔街日报》的母公司道琼斯和《纽约邮报》正在起诉AI驱动的搜索创业公司Perplexity，原因是该公司使用它们的新闻内容来训练其大型语言模型。这两家新闻集团旗下的出版物指控Perplexity侵犯版权，通过使用它们的文章生成对人们查询的回答，从而将流量从出版物的网站转移走。“这起诉讼是由寻求赔偿的新闻出版商提起的，Perplexity公然计划在同时免费利用出版商产生的有价值内容的情况下，与出版商争夺读者，”出版商在其投诉中写道，据《华尔街日报》报道。在诉讼中，这些出版

最近IBM 推出了“Granite3.0”模型，这是一种领先于竞争对手的可访问性技术。该模型旨在降低对生成式 AI 感兴趣的企业的准入门槛，使得更多的企业能够利用人工智能技术。此外，IBM 还提供了一款名为 Watsonx 的付费工具，允许组织在其数据中心内部的运营中启动定制模型。该工具使得企业能够在自己的数据中心内部开发和部署人工智能模型，满足其特定的业务需求。IBM 正在与 NVIDIA 合作，将这些新模型用于商业用途。一些变体也将通过 NVIDIA 的软件工具套件提供，因此 AI 功能可以无缝地交

字节跳动近期针对“实习生破坏大模型训练”的传闻进行了官方回应。该公司确认，确实有一名实习生恶意干扰了商业化技术团队的研究项目模型训练任务，但这一行为并未影响到公司的正式商业项目和线上业务，也没有涉及到字节跳动的其他大型模型业务。此外，字节跳动还指出，网络上流传的“涉及8000多卡、损失上千万美元”的说法是严重夸大的。据公开报道，该实习生在字节跳动商业化技术团队实习期间，因对团队资源分配不满，利用了Hugging Face平台的漏洞，使用攻击代码破坏了团

据《书商》报道，图书出版商企鹅兰登书屋正在以印刷形式表明其对人工智能训练的立场。新书和再版书籍的标准版权页现在将写明:“本书的任何部分不得以任何方式用于或复制用于训练人工智能技术或系统。 ”这意味着企鹅兰登书屋不允许任何人将其出版的书籍用于人工智能训练目的。该条款还指出，企鹅兰登书屋“明确保留该作品的文本和数据挖掘例外”，符合欧盟法律。企鹅兰登书屋似乎是第一家在版权页面上说明人工智能的大型出版商。虽然该页面上印刷的内容可能是一种警告

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，

社交网络平台X（原Twitter）周三更新了其隐私政策，引发了广泛关注和讨论。新政策显示，X将默认允许第三方"合作伙伴"使用平台数据训练AI模型，除非用户主动选择退出。这一举动不仅凸显了X在寻求新收入来源方面的努力，也引发了对用户数据隐私保护的担忧。新政策的核心变化包括:第三方数据使用:新增条款允许第三方合作伙伴使用X用户数据，包括训练AI模型。用户可以选择退出，但默认情况下将参与此计划。数据保留期限:移除了之前关于个人识别信息最长保留18个月的说明，改为根据