Cyber Weekly #22

2024-09-02 03:04
文章标签 22 weekly cyber

本文主要是介绍Cyber Weekly #22,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

赛博·新闻

1、OpenAI「草莓」今秋发布,随后是「猎户座」

路透社曾爆料OpenAI正在开发一个名为「草莓」的AI产品,旨在提高AI的高级推理能力,The Information本周的一篇报道再次证实了这个产品的存在。报道还指出,「草莓」有望于今年秋天整合到其聊天机器人服务中,能够解决复杂的数学和编程问题。据悉,OpenAI在今年夏天向美国国家安全官员展示了「草莓」。「草莓」将可以解决其从未见到过的数学问题,这是现有的AI很难实现的能力,并且还能够回答任何技术方面的问题。

2、智谱AI宣布GLM-4-Flash大模型免费开放

8月27日,智谱AI官宣,旗下AI大模型免费开放。现在只需要注册开放平台bigmodel.cn就可以通过调用GLM-4-Flash构建专属模型和应用。据介绍,GLM-4-Flash适用于完成简单垂直、低成本、需要快速响应的任务,具备多轮对话、网页浏览、FunctionCall和长文本推理(支持最大128K上下文)等高级功能,同时支持包括中文、英语、日语、韩语、德语在内的26种语言。

3、阿里发布最强开源多模态模型Qwen2-VL,支持实时视频对话

本周阿里巴巴发布开源多模态大模型Qwen2-VL,该模型在图像和视频理解任务上取得SOTA成绩,超越闭源模型如GPT-4o。Qwen2-VL支持实时视频对话和多模态交互,具有2B、7B和72B三个版本,其中较小版本已开源并可免费商用。模型集成到多个第三方框架,具有多语言文本提取、图像识别和多模态推理能力,但目前不支持声音处理。

4、智谱推出新一代基座大模型GLM-4-Plus

8月29日,智谱GLM团队介绍了新一代基座大模型GLM-4-Plus,这是智谱全自研GLM大模型的最新版本,在benchmark对比中,语言文本能力方面,GLM-4-Plus和GPT-4o及405B参数量的Llama3.1相当。主要更新如下:

  • 语言基座模型GLM-4-Plus:在语言理解、指令遵循、长文本处理等方面性能得到全面提升,保持了国际领先水平。
  • 文生图模型CogView-3-Plus:具备与当前最优的MJ-V6和FLUX等模型接近的性能。
  • 图像/视频理解模型GLM-4V-Plus:具备更强的图像理解能力,并具备基于时间感知的视频理解能力。该模型将上线开放平台(bigmodel.cn),并成为国内首个通用视频理解模型API。
  • 视频生成模型CogVideoX:在发布并开源2B版本后,5B版本也正式开源,其性能进一步增强,是当前开源视频生成模型中的最佳选择。

5、Midjourney宣布进军硬件领域

本周,AI图像生成平台Midjourney宣布,即将进军硬件领域。据官方介绍,其新的硬件团队将设在旧金山。2月份,Midjourney聘请了Ahmad Abbas,他此前是Nerualink的员工,帮助设计了苹果的Vision Pro头显设备。

6、阿里云发布国际首个「月球科学多模态专业大模型」

8月29日,中国科学院地球化学研究所与阿里云联合发布国际首个「月球科学多模态专业大模型」。月球专业大模型以视觉、多模态及自然语言等通义系列模型为基模,结合RAG检索增强等技术,于阿里云百炼专属版进行微调及训练。科研工作者只需输入月球撞击坑图像和相关问题,月球专业大模型即可调用通义视觉、多模态模型,从17种多模态数据中(包括光谱、高程、重力等数据)判定该图像对应的模态类型。通过检索知识库、调用通义语言模型,月球专业大模型可回答该撞击坑的形态、大小、年代等相关问题,并给出推理过程。

赛博·洞见

1、Anthropic创始人Dario Amodei最新洞察:关于护城河与风险,AI大多数情况很难直接替代人

Anthropic创始人Dario Amodei与科技投资人Erik Torenberg深入讨论了AI的安全性、全球竞争、行业监管等问题。Amodei认为,尽管人类大脑的运作尚未完全理解,但AI系统是可控的。他强调了避免过度监管的重要性,提倡通过威慑机制而非严格的预防性监管来管理AI风险。他还讨论了AI可能加剧的经济不平等,以及如何通过政策和监管确保技术红利惠及更广泛的人群。此外,Amodei还分享了他的职业历程,从物理学到计算神经科学,再到AI领域的深度学习。


 

2、Atom Capital:AI搜索的未来

本文深入探讨了AI搜索的发展趋势、价值、挑战和未来机会。AI搜索通过结合大语言模型与传统搜索引擎,提供更精准和全面的答案,改善了用户体验。尽管存在对传统搜索引擎的依赖问题,但AI搜索在垂直领域和企业知识管理方面展现出巨大潜力。文章分析了AI搜索在2B领域的机遇与挑战,并认为企业知识搜索是未来AI应用的基础

3、大模型相关的产品化路径思考

奇绩大模型笔记系列,本文深入探讨了大模型产品化的路径,分析了OpenAI在ChatGPT和GPTs产品化过程中遇到的挑战,并提出了通过模型蒸馏和端到端模型来解决这些问题的策略。同时,文章还讨论了创业者如何基于对人类需求的三位一体本质理解,选择适合的模型进行蒸馏,以及如何考虑数据可得性和持续学习的重要性。前两篇:通用智能的本质|奇绩大模型笔记#1、奇绩视角下的ScalingLaw(规模定律)|奇绩大模型笔记#2


 

4、a16z:AI将如何融合电影和游戏?

最近,一篇来自知名风险投资机构a16z的文章预测,未来将会出现一个新的皮克斯,利用生成式AI和交互式视频重塑故事讲述方式。作者认为,故事是人类体验的核心,技术的进步推动了叙事方式的发展。文章预言,下一代皮克斯将不会依赖传统的电影或动画,而是通过交互式视频,这种新型讲故事的形式将模糊视频游戏和电视/电影之间的界限,打破了观众被动观看的传统,实现故事与玩家互动的融合。而互动媒体能够创造更深的观众参与感和身份认同,比如从「我看哈利波特」到「我是哈利波特迷」的转变。不过文章也认为,考虑到底层硬件和模型改进的速度,业界可能还需要约2年的时间才能实现商业上可行的、完全生成的交互式视频。

5、LLM的范式转移:RL带来新的ScalingLaw

文章探讨了强化学习(RL)和自我博弈(Self-Play)在提升大型语言模型智能推理能力方面的潜力。介绍了RL在数学解题、代码生成等复杂任务中的应用,并分析了RL如何改变LLM的scaling law,即从模型参数量的增加转向推理时计算量的增加。文章还讨论了奖励模型(Reward model)在RL中的重要性,以及如何评估RL推理模型的能力。最后,探讨了RL新范式带来的创业和投资机会,特别是在编程能力和垂直领域奖励模型方面的潜力。


 

6、专访朱啸虎:“六小虎”最好的结果是卖给大厂,AI应用里才能找到新的“滴滴、小红书”

朱啸虎在专访中明确表示,他并不支持盲目烧钱来快速圈用户的做法,而是倡导在融资能力足够之前踏实做事,注重收入和利润。他强调了AI应用层的商业化能力,认为中国在AI应用落地方面有优势。朱啸虎对当前大模型公司的未来持谨慎态度,认为最好的结果是被大厂收购,同时提醒创业者在当前环境下要务实,注重产品的商业化和变现能力。


 

7、寻找AI大周期下的beta和alpha

本文是“AGIX投什么”系列的第四篇,旨在从一二级市场融合视角提供AI投资参考。文章讨论了AI技术革命早期的投资策略,特别是如何通过二级市场策略工具捕获AI变革的价值。介绍了AGIX Index指数产品及其与Karne Shares ETF的关联,同时强调了Alpha策略的重要性。文章还对宏观市场、重要科技公司财报进行了分析,并强调了AI在不同领域的应用前景和潜在影响。


 

8、互联网30周年,中国公司集体做对了什么?

作者戴老板,本文回顾了中国互联网产业30年的发展历程,分析了中国公司如何在互联网浪潮中取得显著成绩,特别是在移动互联网时代实现跨越式发展。文章指出,中国公司通过产品创新、模式创新和技术积累,不仅在国内市场占据主导地位,也在国际市场取得成功,为国家在信息革命中积累了宝贵资产。


 

赛博·工具

1、EmojiSpark

emoji表情包查找工具。

2、FaviconExtractor

免费获取网站favicon。

赛博·资源

1、《黑神话悟空》妖怪平生录

这个仓库收录了游戏《黑神话:悟空》内附的203个妖怪的图片、小诗和故事。

2、甲子光年:以量子人工智能重新定义智库

文档介绍了甲子光年公司及其创始人张甲,提出了在量子人工智能时代下,智库的新定义和运作方式。文档讨论了科技发展趋势,特别是人工智能如何加速变革,并提出了甲子光年指数,用以动态测度未来。此外,文档还探讨了科技与产业的结合,以及如何通过量子人工智能技术推动中国科技产业化和产业科技化。最后,文档强调了甲子光年公司在科技产业智库中的角色,以及其在内容研发、运营连接和可信背书方面的努力。


 

3、【亿欧智库】人形机器人报告

亿欧智库的报告提供了人形机器人领域的全面分析,包括技术进步、市场发展、主要参与者、投资动态和未来预测。报告涵盖了人形机器人的历史发展、当前的市场状况、以及对未来几年的预测。它还探讨了行业内的主要公司和产品,如特斯拉的Optimus、宇树科技的WalkerS等,并分析了它们的技术参数和市场表现。此外,报告还讨论了人形机器人在不同应用场景中的潜力,以及投资这一领域的趋势和机会。

【推广时间】

欢迎大家关注我的个人公众号【产品老A】。

公众号简介:6年互联网大厂AIPM,专注探索新型人机交互。

老A是谁?——AI领域多年从业经验,见证了AI的沉寂和崛起。 热爱AI技术和产品,更热爱分享,希望将知识传递给更多人。 坚信AI的力量,致力于推动AI技术的应用和普及。

 

这篇关于Cyber Weekly #22的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1128820

相关文章

【DL--22】实现神经网络算法NeuralNetwork以及手写数字识别

1.NeuralNetwork.py #coding:utf-8import numpy as np#定义双曲函数和他们的导数def tanh(x):return np.tanh(x)def tanh_deriv(x):return 1.0 - np.tanh(x)**2def logistic(x):return 1/(1 + np.exp(-x))def logistic_derivati

C#从入门到精通(22)—Path类的使用

前些天发现了一个巨牛的人工智能学习网站,通俗易懂,风趣幽默,忍不住分享一下给大家!人工智能学习网站 前言: 大家好,我是上位机马工,硕士毕业4年年入40万,目前在一家自动化公司担任软件经理,从事C#上位机软件开发8年以上!我们在开发上位机软件的过程中,有时候需要对文件的路径、文件名、扩展名进行操作,下面进行详细介绍: 1、合并路径 将盘符、文件夹、文件进行合并成最全的文件路径 st

青岛实训 8月22号 day34

一、回顾 1.主从复制(高可用) 2.传统的主从复制 3.gtids事务型的主从复制 4.注意 1)server_id唯一 2)8.X版本需要get_ssl_pub_key 3)5.X不需要 4)change master to 5)stop | start slave 5.非交互 import pymysql conn=pymysql.connect(host=xxx,user=xxx,pa

海外合规|新加坡网络安全认证计划简介(三)-Cyber Trust

一、 认证简介:         Cyber Trust标志是针对数字化业务运营更为广泛的组织的网络安全认证。该标志针对的是规模较大或数字化程度较高的组织,因为这些组织可能具有更高的风险水平,需要他们投资专业知识和资源来管理和保护其 IT 基础设施和系统。Cyber Trust 标志采用基于风险的方法来指导组织了解其风险状况并确定减轻这些风险所需的相关网络安全准备领域。

Ubuntu上安装libdc1394-22-dev出现无法定位安装包的解决办法

一、libdc1394-22-dev介绍       libdc1394-22-dev 是一个开发库,用于与IEEE 1394 (FireWire)摄像头进行交互。具体来说,它是 libdc1394 的开发版本,提供了开发者头文件和链接库,方便在应用程序中集成对基于 IEEE 1394 标准的数码相机的支持。 主要功能: - IEEE 1394 (FireWire) 协议:这是一个支持高速数据

『功能项目』骑乘坐骑【22】

我们打开上一篇21项目优化的项目, 本章要做的事情是在召唤坐骑后的指定距离内点击骑乘即可乘坐坐骑 首先进入坐骑熊的预制体空间,将主角模型拖拽至坐骑身上并删除所有组件及标签 将子物体Player拖拽至其子级,父类删掉 将其Player隐藏 创建坐骑的动画控制器MountBearAC 创建参数IsIdle 设直线 设置返回线 将新建动画控制器M

leetcode解题思路分析(四)22-28题

括号生成 给出 n 代表生成括号的对数,请你写出一个函数,使其能够生成所有可能的并且有效的括号组合。 很容易想到采用回溯法解决该题,通过画出树分析递归规律可得如下代码 class Solution {public:void backtrace(int left, int right, int n, string& s, vector<string>& res) {if (left == n

LeetCode 22 Generate Parentheses

题意: 用n组小括号,生成所有满足括号匹配的序列。 思路: 我用了比较粗暴的方式,用set不断迭代答案,每次迭代使得括号组数+1直到n为止。 还有一种方法是dfs构造,因为长度已经确定,所以每个位置要么放(要么放),利用前缀和维护括号匹配即可。 代码: class Solution {public:vector <string> generateParenthesis

7/22训练

位运算位运算符 &(有0为0,全1为1) |(有1为1,全0为0) ^(不同为1,相同为0) n>>k&1(取出n在二进制下的第k位),n^(1<<k)(n的二进制下第k位取反) poj1995 这个题讲的是求a的b次方主要是通过用右移运算符和&1来判断b在该位置化为二进制是否为1是一的话就乘起来 通过右移运算符不断地把高位挪到最后一位然后&1来判断最后一位是否为一。这也经常用于状态压缩 状态太多

22/04/09总结

继安装了cuda cudnn最新版之后发现没有对应的tensorflow 因为之前安装的一个2.8.0用这倒也是挺正常的构建了个sequential线性的神经网络,但是在构建的时候虽然能正常跑也能进行训练但是,再用layers给中间层添加初始化和正则化处罚项的时候就直接报错了,而且没法用pycharm进补全(连提示都没)称之为没法正确的引用第三方库,一开始是以为导的包的问题就到处找正确导包的格式,