Inflection AI 正式宣布收购 Boundaryless，这是一家在欧洲领先的机器人流程自动化（RPA）解决方案提供商。此举旨在支持 Inflection AI 快速部署其 AI 代理能力，助力企业转型。图源备注:图片由AI生成，图片授权服务商MidjourneyBoundaryless 以提供数据转换、自动化、人工智能和分析解决方案著称，服务于金融、能源、医疗、制造等多个行业。该公司的团队经验丰富，曾为全球的财富500强企业成功部署和整合 AI 及自动化技术，如 UiPath。他们的卓越表现不仅为客户节省了数百万美元，还大幅提升了工作

Replit 推出了一款名为 Replit Agent 的 AI 智能体，旨在从零开始帮助用户构建完整应用程序。这款工具具有高度自主性，能够理解用户需求并做出决策，无需持续指令输入。通过学习开发工作流程的每个阶段，Replit Agent 能够独立完成任务，如搭建项目框架、编写代码、调试和部署。其优势在于与当前 AI 助手相比，更具有主动性和学习能力，能根据反馈和新信息改进行为。Replit Agent 目前处于早期访问阶段，主要面向 Core 和 Teams 订阅者，计划在 2024 年晚些时候公布更广泛的定价信息。它在软件开发领域展现了巨大的潜力，有望让软件开发变得更加简单，适用于所有技能水平的用户，加速创意原型设计，缩短软件上市时间，降低开发成本。Replit Agent 的推出标志着 AI 在软件开发中的应用迈出了重要一步，旨在通过自动化常规任务，使人类开发者能够专注于更高层次的创造性问题解决。

Andrej Karpathy提出，基于人类反馈的强化学习（RLHF）可能并非AI通往人类级别问题解决能力的最终解决方案。他以AlphaGo为例，指出真正的强化学习技术通过不断自我对弈优化神经网络，最终在没有人类干预的情况下超越人类。相比之下，RLHF更像是模仿人类偏好而非解决问题，且在定义明确奖励机制的封闭环境如围棋中有效，在开放性任务如文章总结、代码重写等中面临挑战。Karpathy认为，虽然实现这一目标面临困难，但解决这一难题将使语言模型具备真正的问题解决能力，与Google DeepMind的论文观点不谋而合，该论文强调开放性是通用人工智能的基础。这一观点引发了广泛讨论，聚焦于AI如何真正提升解决问题的能力而非简单模仿人类行为。

近期，全球范围内对“9.11比9.9大吗?”这一看似简单问题的讨论，揭示了当前大型语言模型（LLM）在处理简单逻辑问题时的失误，这一现象被称为“锯齿智能”或“参差不齐的智能”。专家Andrej Karpathy指出，虽然LLM能够解决复杂任务，但在某些简单问题上表现不佳，这反映了模型智能的不均衡性。例如，OpenAI研究员Noam Brown发现LLM在井字棋游戏中的决策错误，以及LLM在数字母数量计算上的失误。Karpathy认为，这源于模型的“毫无道理”决策和缺乏“自知之明”。为解决这一问题，Meta发布的Llama3.1论文提出了在后训练阶段实现模型对齐，通过“知识探测”训练方式鼓励模型只回答自己了解的问题，以此提高模型的智能水平。Karpathy强调，当前AI训练方法需在开发栈中进行更多工作，以提升AI能力。在AI用于生产环境前，应确保其专注于擅长的任务，保持人类的参与度，以充分利用AI潜力，同时规避风险。

["宇信科技推出四款金融行业大模型应用和一个开发平台","产品包括 CodePal、DataSherpa、AI + 信贷助手、AI + 营销助手","CodePal 是金融行业应用软件开发人员的编程辅助工具","DataSherpa 能够快速判定金融数据的安全等级","AI + 信贷助手和 AI + 营销助手分别为信贷客户经理和零售金融客户提供辅助工具"]