LLM最大能力密度100天翻一倍!清华刘知远团队提出Densing Law

清华大学刘知远教授团队提出大模型密度定律,指出模型能力随时间呈指数级增长,每3.3个月翻一倍。该定律揭示了AI时代电力、算力与智力都在快速增长的趋势,并可能推动端侧智能的发展。

打「推理补丁」之外,实现更强的AI还有哪些不一样的思路?

本周会员通讯解读AI & Robotics领域内三则重要资讯:一是探讨如何通过不同思路实现更强的人工智能;二是讨论关于元宇宙、皮卡丘世界模型以及Meta的技术布局;三是诺奖得主论坛的焦点话题及应用中的潜在副作用。

OpenAI的强化微调:RL+Science 创造新神还是灭霸?

OpenAI 发布了新的 Reinforcement Finetuning 方法,用于构造专家模型。只需上传少量数据,就能通过微调找到最合适的决策。该技术基于已广泛应用于 Alignment 和 Coding 的方法,并且适用于医疗诊断和科学决策等领域。不过,也引发了对潜在风险的关注。

NeurIPS 2024|拆解高复杂运筹问题的砖石,打破数据稀缺的瓶颈,中科大提出高质量运筹数据生成方法

中科大团队提出MILP生成框架,有效解决运筹优化领域数据稀缺问题。该方法通过考虑分块结构生成高质量的优化问题样例,显著提升AI求解器性能。