高通发布骁龙X Elite Oryon CPU /GitHub出现一款开源项目,让用户“拥有”更大的GPU内存

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

高通发布骁龙X Elite Oryon CPU，性能超越苹果和英特尔，能耗更低
GitHub上出现了一款开源项目，帮助用户计算训练或推理大模型所需GPU内存
Meta FAIR 和 Samaya AI 利用 AI 开发 SIDE，提高维基百科的可验证性
大模型价值对齐：解决AI模型的错误信息和算法歧视等问题的关键方法
科大讯飞：大模型进化速度惊人，预言里程碑实现，未来将注重个性化AI助手和商业闭环

🪄魔法简报

高通发布骁龙X Elite Oryon CPU，性能超越苹果和英特尔，能耗更低

高通在2023年骁龙峰会上发布了骁龙X Elite Oryon CPU，这款处理器不仅在性能上超过了苹果和英特尔的最强处理器，而且能耗更低。此外，高通还发布了骁龙8 Gen 3处理器，该处理器不仅在性能上有所提升，而且在生成式AI处理上也有优化，能直接跑得动百亿参数的模型。

此次发布的产品让高通强调了"终端AI"的重要性，为触手可及的现实。高通还推出了跨平台技术Snapdragon Seamless，实现了多个终端间的无缝协作。这次发布的产品对各种终端设备都有渗透，推动了"终端AI"的发展。

GitHub上出现了一款开源项目，帮助用户计算训练或推理大模型所需GPU内存

近日，GitHub上出现了一个开源项目，可以帮助用户计算在训练或推理大模型（LLM）时所需的GPU内存。该项目不仅可以提供内存占用情况，还能帮助用户评估量化方法、处理的最大上下文长度等问题，以选择适合自己的GPU配置。

用户只需输入一些必要的参数，点击按钮即可得到计算结果。此外，该项目还支持自定义模型和Huggingface ID，用户可以根据需要上传json配置或输入模型大小。作者表示，最终结果可能因用户模型、数据、CUDA版本和量化工具等因素而有所不同，但在实验中，作者尽力确保结果在500MB以内。

总之，对于感兴趣的读者来说，可以亲自体验一下，并提供反馈以便项目的优化和完善。这个开源项目为用户提供了一个简单便捷的方式，帮助他们了解GPU在训练或推理LLM过程中所需的内存情况，从而更好地选择和配置GPU。

Meta FAIR 和 Samaya AI 利用 AI 开发 SIDE，提高维基百科的可验证性

Meta FAIR 和 Samaya AI 团队利用 AI 提高维基百科的可验证性。他们开发了一个名为 SIDE 的基于人工智能的维基百科引文验证器。该系统通过学习维基百科本身，使用英语维基百科声明及其当前引用的语料库，训练了一个检索器组件和一个验证模型。

SIDE 可以识别不太可能支持其主张的维基百科引文，并推荐更好的引文。通过众包实验，研究人员观察到，对于被系统标记为无法验证的引用，人们更喜欢该系统提供的替代方案。

此外，研究人员构建了一个演示来与英语维基百科社区互动，发现 SIDE 推荐的首选引用频率是现有维基百科引用的两倍。结果表明，基于人工智能的系统可以与人类一起使用，以提高维基百科的可验证性。这项研究对于改进维基百科的参考文献质量具有重要意义。

大模型价值对齐：解决AI模型的错误信息和算法歧视等问题的关键方法

大模型价值对齐是指如何让大模型的能力和行为与人类的价值、真实意图和伦理原则相一致，确保人类与人工智能协作过程中的安全与信任。目前大模型存在的突出问题包括错误信息问题、算法歧视问题、能力涌现的失控风险问题和滥用问题。为了实现价值对齐，可以采取多种方法。

首先是人类反馈的强化学习，通过人类反馈数据对模型进行训练和改进。其次是"宪法性AI"模式，通过从属的AI模型评估主模型的输出是否符合特定的"宪法性"原则，并基于评估结果优化主模型。此外，还可以采取对训练数据的干预、对抗测试、内容过滤工具和推进模型的可解释性和可理解性研究等措施。

然而，AI价值对齐仍面临一些长期解决的问题，如确立统一的人类价值、实现有效监督和解决人类对前沿AI模型的监督困难等。因此，AI领域需要广泛的多学科协作和社会参与，以确保AI系统与人类的价值和意图相一致，实现AI向善的目标。

科大讯飞：大模型进化速度惊人，预言里程碑实现，未来将注重个性化AI助手和商业闭环

科大讯飞是一个有意思的玩家，他们在大模型领域的表现出乎了很多人的预料。讯飞的大模型能力在业内有了明显的改观，并且进化速度非常惊人。讯飞对大模型发展路线的判断也非常准确，他们在年初预言了今年内的关键里程碑，并且如约发布了2.0和3.0版本。讯飞对于大模型的发展非常有自信，他们认为大模型的未来发展方向是更大的模型参数和个性化的AI助手。