「验证不对称性」共找到 2064 篇相关文章
为什么AI大厂的人,都跑去做生命科学了?
越来越多AI人才投身生命科学,创办数十亿美元估值公司。这是因训练通用模型门槛高,而生命科学技术可迁移、产业愿付费且有成功先例。新一代公司AI位置、融资、技术目标有变化,但仍面临数据和临床验证问题。
Codex跑了22小时,真赚16.88美元:奥特曼预言的「AI打工人」来了
开发者Chris让Codex按「去GitHub上赚5美元」指令运行22小时,几天后获16.88美元。虽流程细节缺验证,但显示Codex在特定条件有「找漏洞→提PR→跟进审查」能力,不过距真正自主赚钱仍有距离。
估值1亿的"死了么"APP有多好抄?5分钟AI就能复刻,去年有人一下午做出原型
‘死了么’APP 更名 Demumu,曾登热搜与付费软件榜首。此前一数据分析师用 AI 5 分钟复刻海外版,感叹技术不值钱。该 APP 由 3 名 95 后开发,初始成本低,现估值近 1 亿,还涌现诸多类似免费 APP。
腾讯开源智能体新框架:不用训练无需充值,用开源模型实现SOTA Agent
智能体框架是推动智能体生态发展的基础设施,但现有框架存在上手门槛高、依赖闭源模型等问题。腾讯优图实验室开源Youtu - agent框架,无需训练模型、不依赖闭源API,性能领先,有多个核心亮点和典型应用案例。
Thinking Machines新发现:Lora不是权宜之计,哪怕秩低到 1,也能匹敌全参数微调
Thinking Machines和John Schulman新研究刷新对LoRA的认知,实验显示正确使用时它能匹敌全量微调。团队系统研究训练集与参数关系,有层选择、学习率等关键发现,还给出实用建议,但LoRA在部分场景表现待验证。
元宝派、文心、UC…为什么BAT都急着给AI拉群?|甲子光年
近期,腾讯、百度、阿里等巨头纷纷推出AI群聊功能。这一产品形态源于ChatGPT测试,技术和市场因素使其受关注。AI群聊不仅是社交延伸,更能改变交互范式,或成AI时代入口,目前尚处试水阶段。
推理即排序:ReasonRank反常识的2.7倍效率跃迁,新SOTA比快更快
论文提出新型排序模型ReasonRank,将深度推理能力融入排序流程,突破数据瓶颈,采用创新训练框架,效率比主流点对点排序模型快2.7倍,还介绍方法论、技术突破、实验验证等内容,指出局限与未来方向。
心芯相栖黄思铭:我们做了只像狗狗一样的小猫 | 00 后创业者系列
2023年,黄思铭因世界变化快、大学教材陈旧而从杜克休学。他结合自身幸运经历,想借AI普及优质关系。2024年6月,其团队上线虚拟角色小喵希拉,教AI与人做朋友,目前已获不少用户。
他用AI办了个音乐节,主题:别读博
科研人“馄饨皮茄总”用AI办“不读博音乐节”,系列歌曲在B站获超5000万次播放。他用科研方法论做音乐,选歌、填词、生成音乐都有严格标准。歌曲治愈了科研人,也让他找到与世界的连接。
用中等难度prompt做高效post training
近年来,RL后训练在LLM发展中至关重要,但传统方法效率低。本文提出PCL轻量级算法,通过动态选中等难度提示提升LLM后训练效率,经多基准实验验证其优越性,也指出方法局限与未来方向。