我有魔法✨为你劈开信息大海❗
高效获取AIGC的热门事件🔥,更新AIGC的最新动态,生成相应的魔法简报,节省阅读时间👻
🔥资讯预览
-
苹果放弃造车计划,专家称之All in AI
-
阿里巴巴主席蔡崇信:中国电子商务渗透率有望超过40%,阿里巴巴重返顶级电商轨道
-
OpenAI开发超越传统搜索引擎的新产品,将改变用户对搜索的期望
-
谷歌推出免费的开源模型系列「Gemma」,轻量且超越Llama-2和Mistral
-
腾讯研究者发现:简单采样投票法让大语言模型性能大幅增强
🪄魔法简报
苹果放弃造车计划,专家称之All in AI
苹果公司决定终止造车计划,这一决定让特斯拉等竞争对手松了一口气。多位车圈大佬在社交媒体上发表评论,马斯克回复了两个表情符号,雷军表示震惊,李想认为苹果选择聚焦人工智能是正确的战略选择,何小鹏也表示意外。早在2023年,就有分析师预测苹果汽车项目可能会失败。
苹果汽车项目经历了多次重组和战略调整,一度将重心放在自动驾驶系统的研发上。然而,最终苹果决定放弃造车计划。苹果之所以对电动汽车产生兴趣,是因为其智能手机市场饱和,需要新的业务领域推动销售增长。然而,苹果的战略优先级发生了变化,选择聚焦人工智能。
苹果在人工智能领域的投入和布局显示出对未来技术发展的关注,这也符合其生态建设和创新战略。终止造车计划并非坏消息,而是一种明智的战略选择。选择专注于最具潜力、最符合核心实力的领域,可以更好地满足用户需求。
阿里巴巴主席蔡崇信:中国电子商务渗透率有望超过40%,阿里巴巴重返顶级电商轨道
阿里巴巴主席蔡崇信表示,阿里巴巴已经回到了中国顶级电商轨道,并且对未来五年中国电子商务的渗透率持乐观态度。蔡崇信在阿里巴巴的地位非常重要,被称为马云背后的男人。他在阿里的贡献不仅体现在才华和知识上,还投入了大量资金支持阿里巴巴的发展。阿里巴巴早前搁置了阿里云的IPO计划,蔡崇信表示,若投资者情绪较好,才会推进IPO计划。
至于菜鸟已在香港提交上市申请,但目前市场表现欠佳,公司仍在等待更好的时机。总的来说,阿里巴巴在经历了一段时间的竞争压力后,现在已经重返中国顶级电商企业轨道,并且有信心成为中国最顶尖的电子商务公司之一。未来,中国电子商务的渗透率有望超过40%。
OpenAI开发超越传统搜索引擎的新产品,将改变用户对搜索的期望
据报道,OpenAI正在开发一款集成或可能独立的网络搜索产品,该产品有望利用先进的技术提供更精准、个性化的搜索结果。OpenAI的新搜索产品可能采取一种基于知识的方法,超越传统关键字搜索。过去一年,微软的Bing搜索引擎也推出了由OpenAI的GPT技术提供支持的新版,希望追赶谷歌的搜索主导地位。
然而,微软的努力似乎还远远不够,市场份额增长缓慢。除了微软,还有一些备受关注的AI搜索产品,如Perplexity AI和Arc浏览器。这些产品通过提供更直接、更准确的回答方式,展示了AI搜索在体验上与传统搜索引擎的差异。尽管传统搜索引擎仍然是用户的核心需求之一,但AI技术的发展正在改变搜索的逻辑,使搜索更加注重用户体验和信息的精准匹配。
OpenAI的搜索产品有可能改变用户对搜索的期望,对传统搜索引擎构成一些挑战。用户可能更倾向于使用能够提供即时、准确答案的搜索工具。
谷歌推出免费的开源模型系列「Gemma」,轻量且超越Llama-2和Mistral
谷歌最近推出了一款开源模型系列名为「Gemma」,与之前的Gemini相比,Gemma更轻量且免费可用。Gemma发布了两种规模的模型:Gemma 2B和Gemma 7B。尽管体量较小,但Gemma在关键基准测试中表现出色,超越了更大的模型,如Llama-2和Mistral。
研究者Sebastian Raschka指出,Gemma之所以表现出色可能有两个原因:其一是词汇量大,达到了256,000个单词,远超Llama的32,000个单词;其二是训练数据集达到了6万亿个token,是Llama的三倍。此外,Gemma的架构也与Llama-2和OLMo-7B有所不同,具体体现在模型大小和参数数量上。
Gemma使用了GeGLU激活函数,这是一种非线性激活函数,与传统的ReLU相比具有更好的性能。总的来说,Gemma在开源LLM领域做出了重要贡献,展示了小规模参数模型也可以达到强大的性能,有潜力在真实世界中取代Llama-2和Mistral。
腾讯研究者发现:简单采样投票法让大语言模型性能大幅增强
腾讯的研究者发现,通过一种简单的采样投票法,大语言模型(LLM)的性能可以随着实例化 agent 的数量增加而增强。这种方法无需复杂的多LLM agents协作框架和prompt工程方法,与现有的复杂方法正交结合后,可以进一步增强LLM的性能。
论文对各种LLM基准进行了全面实验,结果显示在所有任务和不同种类、规模的LLM上,随着agent数量的增加,LLM的性能也增加。此外,论文还分析了性能提升与问题难度之间的关系,如固有难度、步骤数量和正确答案的先验概率等。
论文提出了逐步采样和投票以及分层采样和投票两种优化策略,进一步提升方法的有效性。最后,论文还展望了未来的工作方向,包括优化采样阶段和减轻LLM幻觉的负面影响,确保这些强大模型的部署负责任且有益。
如果对AIGC感兴趣,请关注我们的微信公众号“我有魔法WYMF”,我们会定期分享AIGC最新资讯和经典论文精读分享,让我们一起交流学习!!