为什么不睡觉就会死？为了找到答案，科学家安排了这些实验丨视频

QbitAl

于 2022-05-08 13:41:36 发布

阅读量125

点赞数

文章标签：人工智能 bug 软件开发 jquery ffmpeg

本文链接：https://blog.csdn.net/QbitAI/article/details/124657490

版权

本文介绍了罕见的致死性家族失眠症（FFI），一种100%致死的疾病。患者从轻微失眠开始，逐渐发展为严重的睡眠障碍和精神问题，最终无法入睡并走向死亡。科学家们通过实验试图揭示无睡眠导致死亡的原因，尽管结论有时出人意料。视频将带领观众了解这些实验和背后的科学探讨。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

来自另一个次元（B站）的量子位

“致死性家族失眠症”（FFI）是一种目前无药可医、致死率100%的绝症。

得了这种病的人一般会在35到60岁之间发病。

起初，他们会有轻微的失眠，伴随着偶尔的肌肉抽搐；

跟着，睡眠障碍会加深，他们会开始出现一系列精神问题；

最后，这些人会完全丧失入睡的能力，体重急速减轻，大脑陷入麻木甚至昏迷……

短则几个月，长则三年，患者就会死亡。

现实中的案例告诉我们，人如果一直不睡觉，大概率会死。

但是对于不睡觉的人会死的原因，其实今天的科学家们有很多争论。

俗话说，空口无凭。

为了寻找到那个真正的原因，科学家们开展了不少实验。

这些实验得到的结论里，有一些，很令人意外……

这期8分钟的视频，我们就带大家一起看一看这些有意思的实验。希望大家能在看得开心的同时，也别忘了给个三连。笔芯～

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

QbitAl

关注关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
1
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

1 条评论您还未登录，请先登录后发表或查看评论

博客

通义实验室新研究：大模型自己「扮演」搜索引擎，提升推理能力无需搜索API

05-17

比较了在Qwen-2.5-3B和LLaMA-3.2-3B模型上，使用PPO和GRPO算法的ZeroSearch性能，可以看到ZeroSearch与PPO和GRPO两种强化学习算法的兼容性。这表明ZeroSearch不仅适用于小型模型，还能在大型模型中发挥更大的潜力，为LLM的检索能力提升提供了广阔的空间。这些算法为模型提供了不同的优化策略，使得ZeroSearch能够在不同的模型和任务中表现出色。随着训练的进行，模型逐渐适应更复杂的检索任务，最终能够在高质量和低质量文档中找到平衡。

博客

带图推理碾压同类开源模型！港中文微软等开源OpenThinkIMG框架，教AI学会使用视觉工具

05-17

具体而言，需要先通过SFT进行“理论学习”（冷启动），然后通过V-ToolRL进行“上路实操”，根据任务完成情况获得奖励或惩罚，不断优化策略。未来，他们将继续扩展OpenThinkIMG支持的工具和模型，探索更复杂的任务场景，并期待与社区共同推动这一激动人心的领域向前发展。项目通讯作者为港中文。具体而言，随着训练的进行，模型平均调用的工具次数显著下降，说明它学会了“好钢用在刀刃上”，只在必要时才使用工具。这一算法让AI通过强化学习，在与视觉工具的真实交互中，从错误中学习，自主探索和掌握最佳的工具使用策略。

博客

做AI眼镜，为什么一定要有定制化大模型 | 对话雷鸟创始人李宏伟

05-16

600

这件事情是蛮重要的，举个例子，比如你去徒步的时候，你一边走要一边举起手机来拍，体验就不太好，或者是你去旅行，在海外，比如在巴塞罗那的街头去City walk，你就不希望不断掏手机出来，你希望直接拍到，不管是照片还是视频，这样效果就比较好。比如芯片，我们也在跟一些芯片公司定制；带显示的眼镜，一方面可以把原来的体验做得更好，比如说第一视角的拍摄，现在我们第一视角的拍摄，因为没有显示，所以我们不知道当时拍的大概是什么样子，但有了显示之后，我就可以做预览，我就可以知道拍的什么样子，这样才能拍到我想要的画面。

博客

ChatGPT的记忆机制被公开了

05-16

但ChatGPT无法正确维护消息顺序，也无法在明确的时间范围内回忆，例如：“引用在过去一小时内发送的所有消息”，因此它应当是通过对话摘要和消息内容进行消息检索。，于是各路技术大佬开始着手破解起新记忆功能的具体机制和技术实现路径，甚至披露了连官方都没有透露的聊天记录系统的三大子系统细节。首先是大家最熟悉的保存记忆系统，简单、用户可控，用以保存用户自定义信息，例如你的姓名、喜欢的颜色或饮食偏好。好的方面，记忆系统帮助ChatGPT平台上的OpenAI模型，提供比API更好的用户体验。欢迎在评论区多多留言讨论～

博客

GPT-4V仅达Level-2？全球首个多模态通才段位排行榜发布，General-Level打造多模态通用AI评测新范式

05-16

不同Scope相当于不同范围和难度的子排行榜，允许能力各异的模型各展所长，从“全能冠军赛”一路覆盖到“单项能力赛”，既保证了顶尖通才模型有舞台角逐全能桂冠，也让普通模型能选择合适范围参与比较，降低了社区参与的门槛。在这些技能背后，General-Bench跨越了29个跨学科知识领域，囊括自然科学、工程、医疗、社会科学、人文学科等，从图像识别到跨模态推理、从语音识别到音乐生成、从3D模型到视频理解与生成，应有尽有。”这一问题的回答上，过去常用的多模态大模型评测方法是堆砌多个任务的成绩。

博客

超越OpenAI、拿下全球双料第一，“AI吴彦祖”背后大模型SOTA了！

05-16

372

AI教育硬件方面，MiniMax为听力熊团队提供底层模型支持，专为青少年解决学习、生活中的各种问题，不局限于问题回答，还可以进行适当的反馈和情感表达，兼顾教育与陪伴场景。就在年初，MiniMax还完成了MiniMax-01系列开源，包含两个模型，基础语言大模型 MiniMax-Text-01 和视觉多模态大模型 MiniMax-VL-01，为开源社区提供优质选择。，这种架构创新极大地提升了模型的计算效率，降低了成本，尤其在处理超长文本场景中，展现出显著的可扩展性。此外，研究团队还探索了模型的多种下游应用。

博客

个人开发者训400亿参数大模型：分布式算力，DeepSeek架构，3090单卡部署

05-15

136

模型并行与数据并行结合：将400亿参数拆解为128个分片，分布在不同节点进行 “模型并行” 训练，同时每个节点处理独立的数据批次（“数据并行”），通过DisTrO优化器同步梯度更新。并且，旋转位置嵌入的运用，有效解决长序列位置依赖问题，从多维度保障了训练的高效性与模型性能的优质性。以往类似规模的模型训练往往需要耗费大量的资源和时间，并且通常是由大型科技公司或专业研究机构凭借其雄厚的资金和算力优势来完成的。这一设计彻底摆脱了对传统云服务商高带宽网络的依赖，即使是家用宽带连接的GPU，也能稳定参与训练。

博客

梁文锋署名DeepSeek新论文：公开V3大模型降本方法

05-15

简单来说，下一代AI硬件要向算数快（低精度计算+本地细粒度量化）、传话快（直连网络+智能路由）、记性好（3D内存+近存计算）、不宕机（自愈网络）的方向改进，才能更好地应用于大模型训练，实现高效扩展。针对计算效率低的问题，下一代的AI硬件需要提高累积寄存器的精度，支持FP32累加，或可配置精度（如训练用FP32，推理用FP16）。DeepSeek-V3采用类似的思路，其总参数虽然是6710亿，但每次仅激活370亿参数，训练成本仅为同规模稠密模型的1/10（如Llama-3.1的训练成本是其近10倍）。

博客

阿里开源全能视频模型！生成编辑都精通，1.3B版本消费级显卡可跑

05-15

提示词：在一个欢乐而充满节日气氛的场景中，穿着鲜艳红色春服的小女孩正与她的可爱卡通蛇嬉戏。她的春服上绣着金色吉祥图案，散发着喜庆的气息，脸上洋溢着灿烂的笑容。模型已在GitHub、Hugging Face和魔搭社区上线，动手能力强的小伙伴现在可自行本地化部署，至于其他想在产品端直接体验的朋友，可能还要等一两天。生成的视频如下，不仅还原了文字所描述的氛围感，而且娃娃和小蛇的动作姿态都比较自然，整体构图和谐。按照万相产品负责人的说法，“所有你能想到的关于视频生成的玩法，几乎都在这里了”。

博客

字节最新大模型秘籍：只挑能有推理潜力的数据训练！1.3B模型无需标签自动挑选

05-15

另外，当特定重要头部被屏蔽时，1.3B模型在某些任务上的性能显著下降，而AttentionInfluence方法选择的数据往往能改善7B模型在这些任务上的性能，表明该方法具有预测能力。受CLongEval中提出的关键段落检索评估任务启发，团队采用了一种类似的简单proxy task，在可控环境下评估大语言模型的检索能力，并识别与检索和推理强相关的注意力头。在这项工作中，团队使用一个基于类Llama 2架构的1.3B参数模型作为小型预训练语言模型，使用平均分数作为头的最终检索分数，并按该分数对其进行排序，

博客

全新预训练数据筛选方案，让数据效率提升10倍！配置仅需fastText评分器｜港科大vivo出品

05-15

通过对不同数据筛选方法所筛选出的数据长度进行比较，可以看到DCLM 和FineWeb-Edu显示出明显的短数据向量和长数据向量趋势，而PreSelect筛选的数据在长度分布上更接近原始长度分布。从已通过人工规则集和多种质量评分模型筛选，并经过不同粒度的文本级和语义级去重的vivo自有Web数据集中，随机抽取5T tokens作为基础数据，分别采用PreSelect与Random方法各自筛选10%（即500B tokens），训练参数规模3B的模型并评估下游任务效果。

博客

新晋顶流Agent颠覆设计师！Lovart一手实测来了：是该刷屏爆火

05-15

568

其次，Lovart内部还构建了一套设计流程，能够将用户的高层设计需求自动拆解为结构化的任务序列，包括风格定义、元素选择、布局设计到最终渲染。一番深入体验下来，不得不说，Lovart带来了不同于其它AI设计工具的体验，能够理解设计流程和专业需求，交付更接近专业水准的成果。有点意外，Lovart并没有立刻生成，而是在原Logo的基础上又设计了一番，其中有忠实于原Logo的，也有改动大一些的。其中就包括图层、蒙版、文本微调等，比如图层中，还支持透明度、色调、饱和度、阴影、曝光、对比度等精细调节。

博客

新版Claude曝光：“极限推理”成最大亮点

05-15

这种协作式推理，让新模型更接近于人类协作者的思维方式，能够像人类一样进行推理，而不仅仅是作为“计算器”。但也有网友回应称，这是来自The Information的消息，还是比较靠谱的信源。这一消息来自The Information，根据它的说法，新版模型最大的亮点，就是。的任务，模型会自动测试生成的代码，并在发现错误时进行修正，而不是简单地输出结果。从曝光的特性来看，新模型的架构更加适应不同的任务和场景，减少了对人类监督的依赖。而Anthropic这边，官方也发布了一项正在进行的计划，称是。

博客

Switch 2芯片细节曝光！英伟达专门定制支持DLSS，网友：掌机模式相当于PS4

05-15

ARM官方信息显示，A78C有多种配置可以选择，Switch 2选择的是64K的L1指令缓存+64K的L1数据缓存，L2是每个核心都有256K，L3则是八个核心共享4MB。之前Switch 1首次发布时，老任宣传采用了“定制的英伟达Tegra处理器”，但实际上用的只是普通的Tegra X1。有意思的是，在掌机模式下，CPU频率反而更高，尚不清楚具体原因，数毛社对此的推测是为了拉平内存带宽下降带来的性能影响。内存，包含了两个6GB的内存模块，底座和掌机模式下的带宽分别为102GB/s和68GB/s。

博客

陶哲轩DeepMind梦幻联动，最强通用科学Agent来了！一口气解决芯片设计、矩阵乘法和300年几何难题

05-15

通过找到将大型矩阵乘法运算划分为更易于管理的子问题的更智能方法，AlphaEvolve将Gemini架构中的这一重要内核加速了23%，从而将Gemini的训练时间缩短了1%。比如，它发现了一种使用48次标量乘法来对4x4复值矩阵进行乘法运算的算法，改进了Strassen于1969年提出的算法，该算法此前被认为是此类算法中的最佳算法。基于计算机程序的极简代码框架，它设计了一种基于梯度的新型优化程序的诸多组件，发现了矩阵乘法的多种新算法。在20%的案例中，它改进了之前已知的最佳解决方案。

博客

讯飞AI耳机新品1499开卖，三年成绩单公布：用户破百万，AI调用破千亿

05-14

197

而翻译、跨语种交流作为讯飞AI耳机的传统技术优势，目前已经覆盖同传听译、面对面翻译、通话翻译三大场景，支持32种语言实时互译。，就是根据最近你产生的记录，推测你可能想要进一步了解的内容，并在互联网上搜索相关的信息，甚至可能生成一个深度报告。而用户高留存，积累更多真实数据，同样会激发更多技术创新、场景创新。这个场景值得说一说，当你在跨国通话的时候，它会自行完成双向翻译，对方甚至无需使用耳机或安装App。，正如开头所展现的那样，模仿你的声音来替你打电话，完成预定餐厅、预约理发这类简单却又费时的任务。

博客

ICML25 | 让耳朵「看见」方向！仅依靠360°全景视频，就能生成3D空间音频

05-14

在完成自预训练后，OmniAudio团队将模型与双分支视频编码器结合，同时提取视频的全局特征和局部视角，进行有监督微调，以达成模型可根据360° 视频生成高保真、方向准确的空间音频的效果。传统的视频到音频生成技术主要关注于生成非空间音频，比如手机外放或者耳机里的声音，这些音频缺乏方向信息，无法满足沉浸式体验对3D声音定位的需求。OmniAudio的研究团队表示，未来的工作将探索更好地理解多目标360° 视频的技术，并通过持续收集和扩充数据集，进一步推进该领域的发展。

博客

百万规模数据集打造人形机器人通用大模型，实现精细动作跨平台、跨形态动作迁移丨北大人大联合发布

05-14

在动作映射阶段，采用轻量级的MLP网络学习从人体动作到人形机器人动作的映射关系。又基于此数据集，研发了端到端的文本驱动动作生成模型，实现了具备规模效应的复杂、多样的人类动作生成，做到了人体动作向多类型人形机器人的动作迁移。同团队提出的动作生成大模型展现出显著的规模效应，成功验证了“大数据+大模型”在人体运动生成领域的技术可行性，为通用动作智能奠定基础。实验表明，这种表示方法能更好地发挥大模型的潜力，特别是在生成精细动作方面具有明显优势，为构建下一代动作生成模型奠定了新的技术基础。

博客

数据中心不必建在地球！中国企业已经把算力设施送到了太空

05-14

597

中国科学院院士、中国科学院大学杭州高等研究院院长王建宇表示，随着卫星对地观测的分辨率越来越高，数据量也在不断增大，将数据全部送至地面再进行处理，不仅传输量大，数据应用的及时性也受到影响。但地理空间和能源都存在有限性，所以人们也开始探索新的数据中心部署地点的脚步，抛开太空不谈，在山洞、海底、极地等地区，都已经有了数据中心的身影。今年2月，一个新的数据舱又接入该数据中心，形成了海底智算中心集群。并且，太空中的计算卫星，将不仅是一种新的算力部署方式，还会改变科学研究的范式，支撑科学家探索更多的未知。

博客

奥特曼最新访谈暗示：OpenAI终极目标是打造订阅制AI服务

05-14

你的生活只是不断附加到上下文中，你的公司也对你公司的所有数据做同样的事情。将在这种订阅制操作系统界面起到重要作用，确保所有的东西都能被合成为一种，能够使用OpenAI登陆其他服务，而其他服务的SDK将会接管ChatGPT的UI，实现个性化定制。尤其是大学生群体，他们使用ChatGPT的方式与使用操作系统类似，拥有复杂的设置方法，将其连接到文件，并记住或保存相当复杂的提示。借鉴年轻人的做法，奥特曼相信在未来开发高效的订阅制AI服务，对你的全部历史进行推演，可以从根本上改变日常生活中与技术的互动方式。