Meta FAIR、加州大学伯克利分校和纽约大学的研究人员联合推出了一种全新技术，名为思维偏好优化（TPO）。这项创新旨在提升大语言模型(LLM)在处理指令时的回答质量。与传统模型只关注最终答案不同，TPO 允许模型在给出最终回答之前，先进行内部思考和反思，从而生成更准确和连贯的回答。TPO 技术的核心是改进后的连锁思维（CoT）推理方法。这种方法在训练过程中鼓励模型 “思考一下再回答”，帮助它们在提供最终答案之前，构建更有条理的内在思维过程。传统的 CoT 提示有时会导致准

近日，Meta AI 的研究团队与加州大学伯克利分校及纽约大学的研究人员合作，推出了一种名为思维偏好优化（Thought Preference Optimization， TPO）的方法，旨在提升经过指令微调的大型语言模型(LLM)的回应质量。与传统模型仅关注最终答案不同，TPO 方法允许模型在生成回应前进行内部思考，从而产生更加准确和连贯的回答。这种新技术结合了改进版的思维链（Chain-of-Thought， CoT）推理方法。在训练过程中，该方法鼓励模型在回应前先进行 “思考”，帮助其构建更为系统的内部思维过程。以往的直

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

在当今科技的浪潮中，对话式人工智能（AI）已经成为我们生活中的重要组成部分。然而，快速、高效和实时的互动仍然是一个不小的挑战。尤其是延迟问题，指的是输入与响应之间的时间差，常常让客服机器人和虚拟助手的体验变得缓慢，影响用户的使用感受。为了填补这一空白，Standard Intelligence Lab 最近推出了 Hertz-Dev，一个开源的8.5亿参数音频模型，旨在实现实时对话 AI 的飞跃。Hertz-Dev 的最大亮点是其出色的性能指标，理论延迟仅为80毫秒，实际使用中的延迟为120毫秒，所有这一切都

阿里巴巴通义实验室最新研究表明，现有的文生图 Diffusion Transformer 模型其实已经具备生成多张具有特定关系图像的能力，只需稍加“点拨”就能“融会贯通”，生成高质量的多图集。传统的 Diffusion 模型更像是一个“死记硬背”的学生，需要用海量数据训练，才能生成高质量的图像。而有了 IC-LoRA 加持，它就变成了“触类旁通”的学霸，只需要少量样本就能学会新技能。这背后的原理说起来也不复杂，研究人员发现，现有的文生图 Diffusion 模型其实已经具备一定的“上下文学习”能力，只

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

近日，人工智能公司 Anthropic 宣布，在其 Claude 3.5 Sonnet 模型中增加了 PDF 文件处理的功能，目前该功能已进入公共测试阶段。用户现在可以使用该模型分析 PDF 文档中的文本和视觉元素，包括图像、图表和表格等，适用于金融报告、法律文件以及文档翻译等多种场景。Claude 3.5 Sonnet 的 PDF 处理过程分为三个步骤。首先，系统会从文档中提取文本内容。接着，每一页文档会被转换为图像，以便进行更深入的分析。这样一来，用户不仅可以获取文本信息，还能够洞悉 PDF 文件中的视觉信息。值得

最近，有用户在社交媒体平台 X 上爆料称，OpenAI 的全新 o1模型在短时间内通过网址 “chatgpt.com/?model=o1” 向部分用户开放了访问权限，随后又迅速被关闭。根据用户的反馈，这一最新模型能够处理大约20万字的文本，并且具备分析图像的能力。OpenAI 将 o1模型称为其 “最强大的模型”，特别适合那些需要创造力和高级推理能力的任务。与之前的版本相比，o1在性能上有了显著提升，能够更好地满足用户在各种复杂场景下的需求。目前，公众可以使用 o1的迷你版和预览版，但完整版本尚未正式

AI 公司 DecartAI 与 Etched 最近联合推出了一款名为 Oasis 的世界模型，声称可以在“没有游戏引擎、没有逻辑、没有代码”的情况下，运行一款类似《我的世界》的游戏。然而，这款 AI 生成的“游戏”却引发了广泛的批评和争议。Oasis 的画面质量令人失望，其分辨率仅为360p，帧率更是低至20FPS，甚至不及任天堂64时代的游戏。更为严重的是，该 AI 模型存在显著的幻觉问题，导致游戏体验极不稳定。玩家无法进行复杂操作，甚至在简单的挖掘动作中，常常会被意外传送回地面。此外，游戏环境

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

随着AI技术的发展，学习场景中诸多难题得以高效化解。11月1日，夸克全面升级“AI搜题”产品，让搜题与解题的过程速度更快、能力更强。用户可通过手机、平板、电脑等设备搜到各类新题和难题，AI还会分步骤进行题目讲解，并支持用户随时提问。在推出“一站式AI服务”和“系统级全场景AI能力”后，夸克AI能力落地于学习场景，助力用户提升学习能力与效率。夸克“AI搜题”创新升级，让学习更智能如今，手机和电脑已经成为学习工具。当用户遇到难题时，常常借助搜索、拍照等方式

微软近期推出的屏幕内容解析工具OmniParser，本周跃居人工科技开源平台HuggingFace最受欢迎模型榜首。据HuggingFace联合创始人兼首席执行官Clem Delangue表示，这是该领域首个获此殊荣的解析工具。OmniParser主要用于将屏幕截图转化为结构化数据，帮助其他系统更好地理解和处理图形用户界面。该工具采用多模型协同工作方式:YOLOv8负责检测可交互元素位置，BLIP-2分析元素用途，同时配备光学字符识别模块提取文本信息，最终实现对界面的全面解析。这一开源工具具有广泛的兼容性，可支持多种主

美国演员工会 SAG-AFTRA 与人工智能公司 Ethovox 最近签署了一项协议，旨在为演员在人工智能声音模型中的权益提供保护。该协议的主要目标是为娱乐行业的 AI 使用建立一个负责任的框架，确保演员在新技术时代的权益得到维护。根据这项协议，演员在录制声音时将获得前期支付，并且将分享后续的收入。这意味着，演员在自己的声音被用于 AI 模型时，能够获得公平的经济回报。此外，协议规定，任何使用演员声音的行为必须获得其明确同意，且数据的使用范围仅限于经过批准的特定目的。

近日，图像 AI 初创公司 Recraft 发布了其最新的文本生成图像模型 Recraft v3，该模型在独立测试中表现出色，重新定义了图像生成的性能标准。根据 Recraft 的介绍，v3模型在生成图像中的文本、保持解剖学准确性、理解提示和制作高质量视觉内容方面都表现优异。其最大的突破在于能够在一次生成中准确呈现长段文本，而许多其他模型在处理超过几个字时常常力不从心。Recraft v3在 Hugging Face 的文本生成图像基准测试中名列第一，获得1172的 ELO 分数，超越了近期的竞争对手 Flux 和 Ideogram。用户

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

Meta 近日宣布，其 MobileLLM 模型现已向研究人员开放，用户可在 Hugging Face 平台上免费下载并使用这些模型，这些模型已与 Transformers 库全面集成。这一举措旨在推动移动设备上的大型语言模型（LLM）的研究和开发，为开发者和学术界提供更广泛的工具与资源。MobileLLM 是 Meta 在移动 AI 领域的重要进展。它的推出标志着 Meta 在降低大型语言模型使用门槛方面的重要一步。这些模型能够在移动设备上运行，使得开发者能够在更广泛的应用场景中利用 AI 技术。研究人员现在可以直接在自己的项目

百川智能正式推出了一款一站式大模型商业化解决方案，这一方案被称为1+3产品矩阵，包含了全链路的优质通用训练数据、两款自研模型（Baichuan4-Turbo 和 Baichuan4-Air）以及一套全面的领域增强工具链。百川智能表示，这套方案具备 “工具多、速度快、效果好、成本低” 的特点，旨在帮助企业以最低的成本实现最佳效果的私有化部署。在当前的大模型应用中，各个企业都拥有自己独特的业务需求和专业知识。虽然大模型的泛化能力很强，但直接使用通用模型往往无法达到理想的效果。因此

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。

最近，OpenAI 发布了一个名为 SimpleQA 的新基准测试，旨在评估语言模型生成回答的事实准确性。随着大型语言模型的快速发展，确保生成内容的准确性面临着诸多挑战，尤其是那些所谓的 “幻觉” 现象，即模型生成了听起来很自信但实际上是错误或不可验证的信息。这种情况在越来越多的人依赖 AI 获取信息的背景下，变得尤为重要。SimpleQA 的设计特色在于它专注于短小、明确的问题，这些问题通常有一个确凿的答案，这样就能更容易地评估模型的回答是否正确。与其他基准不同，SimpleQA