AIGC Nature:「人类亲吻难题」彻底难倒LLM,所有大模型全部失败!LLM根本不会推理,只是工具 最近,Nature上的一项研究,全面驳斥了LLM具有类人推理能力的说法。研究者设定的「人类亲吻难题」把7个大模型彻底绕晕。最终研究者表示,与其说LLM是科学理论,不如说它们更接近工具,比如广义导数。 新智元 LLM产品分析大模型
AIGC AI「长脑子」了?LLM惊现「人类脑叶」结构并有数学代码分区,MIT大牛新作震惊学界! Max Tegmark团队又出神作了!他们发现,LLM中居然存在人类大脑结构一样的脑叶分区,分为数学/代码、短文本、长篇科学论文等部分。这项重磅的研究揭示了:大脑构造并非人类独有,硅基生命也从属这一法则。 新智元 LLM大模型行业观察
AIGC AI Agent实践分享:基于FAQ文档和LLM,从0-1搭建智能问答机器人~ 在人工智能领域,大型语言模型(LLM)正逐渐成为构建智能系统的核心。本文通过两个实践案例,详细阐述了如何从零开始,利用受限的FAQ文档和LLM能力,搭建一个智能问答机器人,供大家学习。 产品蝶道 AI AgentLLM实操指南
AI人工智能 大模型「强崩溃」!Meta新作:合成数据有「剧毒」,1%即成LLM杀手 1%合成数据,就能让模型瞬间崩溃!来自Meta、NYU等机构团队证实,「微量」合成数据便让LLM弱不可堪。甚至,参数规模越大,模型崩溃越严重。 新智元 LLM大模型行业观察
AIGC 深度|Andrej Karpathy 最新思考:小模型有巨大潜力,大模型用来处理多任务,AI 模型未来聚焦于处理重要信息的能力 在人工智能领域,Andrej Karpathy 的最新思考为我们提供了关于AI模型未来发展的深刻见解。他认为,虽然当前的大型模型非常强大,但未来的小型模型也具有巨大的潜力。通过模型蒸馏技术,我们可以将大型模型的能力压缩到更小的模型中,实现更高效的认知处理。 有新Newin LLMOpenAI产品思考
AIGC LLM 进化分岔口:多模态、成本、代码推理 在人工智能领域,大型语言模型(LLM)的进化正处在一个关键的分岔口,其中多模态能力、成本效率和代码推理能力是未来发展的三大核心方向。文章深入分析了OpenAI和Anthropic这两家在LLM领域处于领先地位的公司,它们在2024年的技术动态、产品发展和人才变动,揭示了它们在LLM进化路径上的不同选择和战略重点。 海外独角兽 LLMOpenAI行业观察
个人随笔 LLM的范式转移:RL带来新的 Scaling Law LLM(大型语言模型)的范式转移正在由RL(强化学习)引领,带来全新的Scaling Law。传统上,LLM的发展依赖于模型规模、数据量和计算资源的扩展,而RL的引入为这一领域注入了新的活力。通过强化学习,LLM能够更好地适应复杂环境和任务,实现更精细化的控制和优化。这种范式转移不仅提升了LLM的性能,还为其应用开辟了新的可能性。随着RL与LLM的深度融合,我们有望见证一个更加智能、高效和适应性强的大型语言模型时代的到来。 海外独角兽 LLMRL草莓照片
个人随笔 Agent开发平台数据运营体系:企业如何衡量大模型投入产出比ROI? 大模型到底为公司带来了多大的好处?为应用大模型,采购了第三方的AgentBuilder平台,或者自研搭建了大模型应用平台,效果咋样?企业内部的员工会用了吗?还是依赖外部... shucay AgentChat GPTLLM
AIGC 世界模型又近了?MIT惊人研究:LLM已模拟现实世界,绝非随机鹦鹉! MIT CSAIL的研究人员发现,LLM的「内心深处」已经发展出了对现实的模拟,模型对语言和世界的理解,绝不仅仅是简单的「鹦鹉学舌」。也就说,在未来,LLM会比今天更深层地理解语言。 新智元 LLM世界模型行业观察
AIGC Gary Marcus:生成式AI泡沫将退,神经符号AI才是未来 人工智能学者Gary Marcus近日发文称,生成式AI可能因可靠性问题无法解决而在12个月内退去泡沫。他认为,神经符号学方法是超越LLMS局限、迈向自主AI的途径之一,而谷歌的两款系统验证了可行性。 元宇宙日爆 LLM生成式AI行业趋势
AIGC 少即是多!10亿参数「小巨人」击败ChatGPT 只有10亿参数的xLAM-1B在特定任务中击败了LLM霸主:OpenAI的GPT-3.5 Turbo和Anthropic的Claude-3 Haiku。上个月刚发布的苹果智能模型只有30亿参数,就连奥特曼都表示,我们正处于大模型时代的末期。那么,小语言模型(SLM)会是AI的未来吗? 新智元 ChatGPTLLMSLM