通义千问团队宣布，继Qwen2发布三个月后，Qwen家族的最新成员——Qwen2.5系列语言模型正式开源。这标志着可能是历史上最大规模的开源发布之一，包括了通用语言模型Qwen2.5，以及专门针对编程和数学领域的Qwen2.5-Coder和Qwen2.5-Math模型。

研究团队最近带来了一个令人兴奋的新方法，叫做 T-FREE，让大型语言模型的运作效率直线上升。来自 Aleph Alpha、达姆施塔特工业大学、hessian.AI 和德国人工智能研究中心（DFKI）的科学家们联合推出了这个令人惊叹的技术，它的全名是 “无需标记器的稀疏表示，可实现内存高效嵌入”。传统上，我们使用标记器将文本转化为计算机能理解的数字形式，但 T-FREE 选择了一条不同的路。它利用字符三元组，也就是我们称之为 “三元组” 的东西，通过稀疏激活的方式直接将单词嵌入模型中。这一

前言去年，Google 推出了 NotebookLM，这是一款结合了大语言模型 (LLM) 与用户笔记的实验性 AI 笔记本，通过提供摘要、回答问题等方式帮助用户更好地理解某个主题。现在，它甚至可以与你讨论笔记内容。日前 Google 在 NotebookLM 中推出了「Audio Overview（音频概览）」功能，允许用户通过引人入胜的 AI 驱动对话讨论他们的笔记内容。对话由两位 AI 生成的主持人进行，他们利用你的内容背景来解释复杂的主题，做类比，并与你展开持续的对话。在现今的人工智能时代，NotebookLM 以其独特的功能和先

最近，微软发布了一个名为 Windows Agent Arena（WAA）的新平台，专门用于测试人工智能助手在真实 Windows 操作系统环境中的表现。这个创新的基准测试工具旨在加速 AI 助手的发展，使其能够在各种应用中执行复杂的计算任务，提升人机互动的效率。研究团队在 arXiv.org 上发布了一篇论文，指出大语言模型在作为计算机助手方面展现出巨大潜力，能在需要规划和推理的多模态任务中提升人类的工作效率和软件可访问性。然而，如何在真实环境中衡量 AI 助手的表现，依然是一个难题。Windows Agent

随着人工智能技术的不断进步，用户界面（UI）的理解成为了创建直观且有用的AI应用程序的关键挑战。最近，苹果公司的研究人员在一篇新论文中介绍了UI-JEPA，这是一种旨在实现轻量级设备端UI理解的架构，它不仅保持了高性能，还显著降低了UI理解的计算要求。UI理解的挑战在于需要处理跨模式特征，包括图像和自然语言，以捕捉UI序列中的时间关系。尽管多模态大型语言模型（MLLM）如Anthropic Claude3.5Sonnet和OpenAI GPT-4Turbo在个性化规划方面取得了进展，但这些模型需要大量的计算资源、巨

近日，哈佛肯尼迪学院的“错误信息审查”研究发现，人工智能生成的虚假研究论文正在渗透到谷歌学术等学术搜索引擎中。这可能会削弱公众对科学发现的信任，并破坏依赖尖端研究的行业的产品开发。

Arcee AI 推出 SuperNova，一款针对企业部署的 700 亿参数大型语言模型，旨在提供强大、可拥有、注重数据隐私、模型稳定性和定制化的 AI 解决方案。SuperNova 采用 Meta 的 Llama-3.1-70B-Instruct 架构，并通过创新的后训练过程，具备先进指令遵循能力。它支持企业完全定制，并允许在企业自有云环境中部署，确保数据隐私和稳定性。与基于 API 的服务相比，SuperNova 提供了更灵活的控制和稳定性。此外，SuperNova 支持模型的微调和持续改进，允许根据企业需求进行个性化调整。Arcee 还发布了开源组件，包括免费 API、8B 参数的开源版本模型和数据集生成管道，以促进开发者社区的评估和定制。SuperNova 的性能在数学推理领域表现出色，并提供了对第三方评估的开放性，以验证其性能声明。此模型的发布反映了企业对 AI 解决方案控制和定制需求的增长，以及对数据隐私和模型稳定性的重视。

​顺丰科技在9月8日的深圳国际人工智能展上发布了针对物流行业的垂直领域大语言模型——丰语。这一模型展示了在顺丰的市场营销、客服、收派、国际关务等业务板块的二十余个场景中的落地实践应用，标志着物流行业在人工智能领域的重大进步。

Hugging Face 近期发布 LightEval，一款轻量化 AI 评估工具，旨在辅助企业和研究机构更精准地评估大型语言模型。此工具强调评估在 AI 技术应用中的重要性，帮助确保模型输出的准确性、无偏见性，以及与业务目标的一致性。针对传统评估方法的局限性，LightEval 提供了定制化的评估方案，与 Hugging Face 的其他工具如 Datatrove 和 Nanotron 集成，支持多种设备评估，包括 CPU、GPU 和 TPU，以适应不同硬件环境。作为开源项目，LightEval 允许企业自行运行评估，确保模型在投入生产前符合其道德和业务标准。其易用性与多功能性，使得即使是技术水平不高的用户也能进行复杂模型的评估，包括在多种流行基准上进行评估，甚至定义自定义任务。用户还可根据特定需求，调整模型评估的配置，如权重、管道并行性等。

艾伦人工智能研究所（AI2）发布了一款开源大型语言模型OLMoE，旨在提供高性能与低成本的解决方案。该模型采用稀疏混合专家（MoE）架构，拥有70亿参数，但通过智能路由机制，每个输入标记仅使用10亿参数，实现高效计算。OLMoE包含通用与指令调优两个版本，支持4096标记的上下文窗口。其训练数据来源广泛，包括Common Crawl、Dolma CC和维基百科等。在性能测试中，OLMoE在多项指标上优于其他相似参数模型，甚至在某些情况下超越了更大规模的模型。AI2的目标是通过提供完全开源的AI模型，推动学术研究与开发，促进混合专家架构的广泛应用。

英国MI6局长理查德・摩尔与美国CIA局长比尔・伯恩斯首次联合发表文章，强调生成式人工智能在提升情报活动效率方面的作用。AI技术，包括大型语言模型，被用于信息快速总结、创意生成和数据筛选，特别是在处理互联网上庞大极端内容时，帮助情报人员更好地理解和沟通。情报机构正迅速采纳新兴技术以适应复杂的安全环境和保持有效隐秘性。科技挑战和其在现代冲突中的应用，如乌克兰战争中的卫星图像、无人机、网络战和社交媒体，显示了科技如何改变战争的走向。这些都表明情报界在利用新技术应对犯罪和极端行为方面的努力，同时面对国际秩序面临的前所未有的威胁。

随着全球人工智能市场的迅速发展，图形单元（GPU）作为核心动力，对大语言模型驱动的应用程序至关重要。未来几年，GPU价格波动将显著增加，影响企业成本管理。传统上，能源密集型行业如矿业和物流业已习惯于成本波动，而金融和制药等行业则需迅速适应。Nvidia作为主要供应商，其GPU需求激增，估值飙升。GPU之所以受欢迎，是因其能够并行处理大量计算，适合训练和部署大型语言模型。由于需求激增，企业可能需采取策略以应对成本波动，如自行管理GPU服务器、提前采购或选择合适的GPU类型。地理位置选择也会影响成本，电力成本较低的地区可能成为降低成本的关键。面对AI计算领域快速发展的趋势，企业需制定策略以适应未来价格波动。

在一次商业会议上，OpenAI日本业务负责人忠志永提及了“GPT Next”作为下一代大型语言模型的比喻性表述，暗示OpenAI的模型随时间呈指数级发展。然而，OpenAI随后澄清，“GPT Next”仅是一个比喻，用于展示模型演进的概念，并非确切产品名称或时间表。忠志永在幻灯片中描绘了一条从2021年“GPT-3时代”到2024年“GPT Next”时代的时间线，显示了模型随时间的迭代。最终，澄清说明了“GPT Next”并非具体产品计划的一部分，而是关于模型发展路径的讨论。

ChatGPT5是ChatGPT的最新版本，基于GPT-5人工智能模型，旨在改进GPT-4的功能，通过提供更个性化、准确的响应增强人机交互，并处理更广泛的内容，可能包括视频。预计在2024年秋季发布。新功能可能包括自主AI代理，无需人工监督执行任务，多模态能力以处理文本、图像和视频输入，以及改进的语音生成技术。训练数据的增加旨在提高模型在专业领域和复杂场景中的准确性和实用性。价格预计为每月20美元，可能包括免费和订阅模式。与GPT-4相比，ChatGPT5将解决性能问题，如慢速响应、代码输出中断和语言切换问题，以提供更稳定、可靠的体验。

阿里巴巴集团的通义千问QwenLM项目遭遇了Github页面意外下线，用户访问时收到404错误。项目负责人林俊旸在朋友圈回应表示团队并未消失，正与官方沟通解决页面下线问题。尽管团队努力，页面仍无法访问。值得一提的是，该团队近期发布了Qwen2-VL模型，此模型在处理长达20分钟的视频内容方面表现出色，刷新了多模态模型的多项权威评测指标，部分指标超越了GPT-4o和Claude3.5-Sonnet等先进模型。

谷歌 DeepMind 团队与高校合作开发了一种名为生成奖励模型 (GenRM) 的创新方法，旨在提升生成式 AI 在推理任务中的准确性和可靠性。GenRM 将验证过程融入文本生成任务，允许模型同时生成和评估潜在解决方案，同时支持链式推理（CoT），增强验证过程的全面性。相较于传统方法，GenRM 在多项测试中表现出显著优势，准确率提高16%至64%，特别是在学龄前数学和算法问题解决上，问题解决成功率从73%提升至92.8%。这一方法标志着生成式 AI 领域的重大进步，通过统一生成与验证过程，显著提升了 AI 在高风险领域应用的准确性和可信度。

Not Diamond 是一款创新的 AI 模型路由器，专为自动确定最适合响应特定查询的 LLM 而设计。通过将多个 LLM 组合成元模型并学习何时调用每个模型，Not Diamond 能在保证高质量响应的同时显著提高处理效率。这一自动化智能路由机制减少了人工选择模型的时间，确保每次查询都能得到优化的响应。Not Diamond 的功能亮点包括多模型支持、性能卓越、自定义模型训练、快速响应、智能权衡、隐私保护以及开发者友好。适用于从旅行规划到技术报告分析、内容创作等各类场景。通过访问其官网注册账号，用户可以轻松开始使用 Not Diamond，根据任务需求选择模型、输入指令，然后获取处理结果。Not Diamond 还提供 API 密钥调用选项，支持用户进行个性化设置和监控模型性能，以适应不同需求。

​9月2日，通义千问宣布开源其第二代视觉语言模型Qwen2-VL，并在阿里云百炼平台上推出2B、7B两个尺寸及其量化版本模型的API，供用户直接调用。Qwen2-VL模型在多个方面实现了性能的全面提升。它能够理解不同分辨率和不同长宽比的图片，在DocVQA、RealWorldQA、MTVQA等基准测试中创下全球领先的表现。

NVIDIA 联合多所高校推出了 NVEagle，一个能看图聊天的大型视觉语言模型。NVEagle 能解析图片内容并给出准确答案，如识别图片中的人物为黄仁勋。该模型通过将图像转化为视觉标记并与文本嵌入结合，显著提升了对视觉信息的理解能力。面对高分辨率图像处理的挑战，研究团队通过探索不同的视觉编码器和融合策略，构建了包括 Eagle-X5-7B、Eagle-X5-13B 和 Eagle-X5-13B-Chat 在内的三个版本，其中 13B-Chat 特别适用于对话式 AI。NVEagle 采用混合专家机制，根据任务动态选择最佳视觉编码器，提高了对复杂视觉信息的处理能力。在多种基准测试中，NVEagle 的表现均优于其他领先模型，特别是在 OCR、视觉问答和复杂视觉信息处理任务上。

语言模型在多个领域展现出广泛应用，从教育到法律咨询，甚至预测医疗风险。然而，随着这些模型在决策过程中的权重增加，它们可能无意中反映了人类训练数据中的偏见，加剧对少数群体的歧视。研究发现，语言模型存在隐性种族主义，尤其是在处理非洲裔美国英语（AAE）时，表现出有害的方言歧视，比对非洲裔美国人的任何已知刻板印象更消极。通过“匹配伪装”方法对比AAE与标准美国英语文本，研究揭示了模型在隐性偏见上与最负面刻板印象的高度重合。一些旨在缓解显性偏见的训练方法反而可能加剧隐性和显性刻板印象的差距。这些发现强调了语言技术公平和安全使用的重要性，以及在开发和应用这些技术时需要的敏感性和细致考虑。