谷歌Bard更新中文支持;GPT-4:1.8万亿参数、混合专家模型揭秘; Meta推出商用版本AI模型

在这里插入图片描述

🦉 AI新闻

🚀 谷歌的AI聊天工具Bard更新,增加中文支持

摘要:谷歌的AI聊天工具Bard新增中文环境,用户可以使用简体和繁体中文进行交流。然而,与竞品相比,Bard的回复略显生硬,语义理解还有待提升。此外,谷歌还更新了Bard的日志页面,新增了40多种语言支持,并增加了与Bard对话时上传图片和文字的功能。此外,用户还可以使用文字转语音功能,固定对话、整理对话,并分享Bard对话内容。对于需要微调Bard回答的用户,还提供了5个选项来修改回答内容。谷歌Bard AI目前处于测试阶段,用户只需使用谷歌账号登录即可使用。

🚀 GPT-4:1.8万亿参数、混合专家模型揭秘

摘要:外媒Semianalysis揭秘了OpenAI发布的GPT-4的具体信息。GPT-4由120层构成,总共含有1.8万亿个参数,远超GPT-3的1750亿个参数。为了控制成本,OpenAI采用混合专家模型进行构建,使用了16个混合专家模型,每个模型含有1110亿个参数。GPT-4使用了包含13万亿tokens的数据集进行训练,并具有550亿个共享注意力参数。训练成本极高,OpenAI选择使用云端的A100 GPU来降低最终训练成本,约为2150万美元左右。

🚀 Meta推出商用版本AI模型,与OpenAI和谷歌竞争

摘要:Meta计划发布其人工智能模型的商用版本,允许初创公司和企业基于该技术构建定制软件,与OpenAI和谷歌展开竞争。早些时候,Meta向研究人员发布了自有大语言模型LLaMA。新版本将更广泛地提供给企业,并可由企业定制。LLaMA模型参数从70亿到650亿不等,即使使用参数仅为LLaMA的1/10(130亿)也能超越大部分基准测试中的GPT-3。Meta的这一举动将进一步加剧人工智能领域的竞争。

🚀 谷歌被控窃取用户数据用于训练人工智能产品

摘要:一项新的集体诉讼指控谷歌在未经用户同意的情况下窃取用户数据,用于训练其人工智能产品。该诉讼声称谷歌秘密收集了数亿美国人创作和分享的一切内容,并将其用于构建AI产品。诉讼还指称谷歌从订阅网站和盗版书籍等来源窃取数据。谷歌对指控表示“毫无根据”,并称其使用公开可用的信息进行训练,并遵守相关法律和AI原则。此前,谷歌还面临类似窃取数据的指控。

🚀 马斯克新公司xAI将探索宇宙本质

摘要:马斯克在推特宣布成立公司xAI,旨在理解宇宙本质。这一动作引起了广泛关注。xAI的创始团队由马斯克领导,包括谷歌学术和ChatGPT项目组成员等。华人占据团队多个席位。xAI将与Twitter、特斯拉、SpaceX等公司紧密合作。马斯克的举动令人惊讶,引发了广泛讨论。xAI官网上详细列出了团队成员的经历,其中包括曾在OpenAI和DeepMind等公司工作的成员。这一消息让人们兴奋并充满期待。

🗼 AI知识

🔥 微调LLAMA的中文指南

本项目旨在引导中文用户微调Large Language Model(LLAMA),整合了目前多个框架(Minimal LLaMA、Alpaca、LMFlow),尽量避免不必要的封装,保证代码可读性。

🔥 如何写好ChatGPT Prompt

gpt-prompt-engineer是一个工具,可帮助使用GPT-4和GPT-3.5-Turbo的任务中寻找最佳提示。它根据任务描述和测试案例生成提示,并使用ELO评分系统进行测试和排序。该工具还提供了用于分类任务的分类版本。用户可以输入使用案例和测试案例,生成提示,并评估其性能。

更多AI工具,参考国内AiBard123, Github-AiBard123

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.hqwc.cn/news/26336.html

如若内容造成侵权/违法违规/事实不符,请联系编程知识网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

Redis深入——管道、发布订阅、主从复制、哨兵监控和集群

前言 在前面的学习中,我们已经了解了Redis的基本语法以及Redis持久化和事务的概念。而在这篇文章中我们继续来梳理管道、发布订阅、主从复制、哨兵监控和集群的知识,理解Redis主从复制到集群分片的演进过程,希望对正在学习的小伙伴有一定的帮…

关于学习过程中的小点

nfev : 函数求值次数njev : Jacobian 评估的数量nit :算法的迭代次数 permute(dims)#维度转换 torch.split #[按块大小拆分张量] Pytorch.view Pytorch中使用view()函数对张量进行重构维度,类似于resize()、reshape()。用法如下:view(参数a,参数b,...)&a…

Boojum:zkSync的高性能去中心化STARK证明系统

1. 引言 2023年7月17日zkSync官方twitter Say hello to Boojum宣称在不regenesis的情况下,将zkSync Era迁移至Boojum证明系统。 Boojum为STARK证明系统(PlonkFRI),开源代码见: https://github.com/matter-labs/era-…

Python爬虫学习笔记(三)————urllib

目录 1.使用urllib来获取百度首页的源码 2.下载网页图片视频 3.总结-1 4.请求对象的定制(解决第一种反爬) 5.编解码 (1)get请求方式:urllib.parse.quote() (2)get请求…

微信小程序用户登录及头像昵称设置教程(前后端)

目录 1.背景分析 2.具体需求分析 3.前端设计 3.1 用户登录 3.2 头像昵称填写(个人信息界面) 4.后端设计 4.1项目架构分析 4.2 代码分析 实体类 dao层 service层 controller层 工具类 5.nginx部署 6.效果演示 1.背景分析 众所周知&#x…

拒绝无效内卷|*CTF 2023邀你一起hack for fun!

注意 ⚠️ 2023年07月29日 *CTF 2023携重磅赛题惊喜来袭 请求加入你的假期计划! 7月29日09:00-30日09:00 CTF 2023 再度回归 由复旦大学*****战队倾力打造 赛题一如既往质量与趣味并存 知识量与时效性双高 结合时下最新安全漏洞 专注底层逻辑思考 注重知识点本身 …

四阶龙格-库塔方法matlab程序与误差对比

四阶龙格-库塔方法matlab程序与误差对比 简介参考code四阶龙格-库塔函数微分方程函数主程序 结果分析 简介 本例子函数参考了【1】中的函数,增加了解析方法的函数与四阶龙格-库塔方法对比,并计算了百分比误差,最大误差在0.3%左右。 参考 【…

Codeforces Round 884 (Div. 1 + Div. 2)(视频讲解A--D)

[TOC](Codeforces Round 884 (Div. 1 Div. 2)&#xff08;视频讲解A–D&#xff09;) 视频链接&#xff1a;Codeforces Round 884 (Div. 1 Div. 2)&#xff08;视频讲解A–D&#xff09; A Subtraction Game 1、 板书&#xff1a; 2、代码 #include<bits/stdc.h> #…

奇奇怪怪的知识点-EXCEL(1)

如何用Excel提取想要的数据 参考链接&#xff1a;Excel表格中如何在一串数字中提取几位数字 在日常工作中经常会用到EXCEL表格来进行数据的提取和处理&#xff0c;有时候很长一串数据我们只需要提取指定位数后面的数字&#xff0c;EXCEL中内置了很多丰富的函数可以帮助我们高…

【复盘】记录一次类型不一致导致的Kafka消费异常问题

背景 业务主要是通过A系统向B系统写入Kafka&#xff0c;然后B系统消费Kafka 将结果写到Kafka中&#xff0c;A进行消费最终结果。 在整个流程中&#xff0c;A写入Kafka会写入一张 record1表记录&#xff0c;然后在A消费最终结果的时候也记录一张record2表。主要改动的话 只是B系…

uniapp editor组件 如何上传图片

需求&#xff1a;我们在使用uniapp的editor组件时&#xff0c;主要是为了保持输入内容的格式。里面的文字可以有颜色、粗体、排列样式&#xff0c;可以插入图片。就像下面这样。 一、如何处理图片&#xff0c;好让它在 rich-text组件中显示 &#xff1f; 逻辑&#xff1a;我们…

设计模式详解(一):工厂方法——Factory Method

目录导航 工厂方法及其作用工厂方法的好处工厂方法的实现关系图实现步骤 工厂方法的适用场景工厂方法举例 工厂方法及其作用 工厂方法是一种创建型设计模式。所谓创建型设计模式是说针对创建对象方面的设计模式。在面向对象的编程语言里&#xff0c;我们通过对象间的相互协作&…