李沐老师回归B站！带着大模型创业成果填坑来了

终于，AI大神李沐回来了！带着他的大模型创业最新成果——

一个专门为复杂场景角色扮演设计的大模型，名为Higgs-Llama-3-70B。

得知消息的不少网友已激动在评论区催更，李沐老师也回应，视频坑还是会填的：

想你的365天。

终于回来了，视频都盘包浆了。

那沐神到底干啥去了？这就透过Higgs-Llama-3-70B瞧一瞧。

定睛一看，Higgs-Llama-3-70B是沐神去年联合创立的公司Boso****n AI，推出的Higgs开源系列大模型中的第一个，基于Llama 3打造，做了完整的SFT、RLHF。

它不仅能在角色扮演任务上表现优异，在通用领域上的指令遵循和推理方面也很有竞争力。

另外还有市场消息称，Boson AI已获投资。

左击Claude3，右打Gemini

团队在两个新基准测试MMLU-Pro和Arena-hard上展示了Higgs-Llama-3-70B的能力。

他们还特地强调所有基准测试终将导致过拟合，已尽量从微调数据中排除了基准测试数据及其训练示例。

具体来说，MMLU-Pro是MMLU的扩展，团队认为MMLU-Pro是在模型完成训练之后发布，较少受到其他已发布模型的过拟合影响。

拿来做比较的模型也都一水的很强。

而Higgs-Llama-3-70B的表现优于谷歌在5月I/O大会上最新推出的模型Gemini-1.5-Flash、Claude3家族“中杯”Claude-3-Sonnet以及Llama3-70B-instruct。

再来看Arena-hard，该基准包含了来自Chatbot竞技场的500个具有挑战性的真实用户查询。

Higgs-Llama-3-70B的表现排名第四：

除此之外，使用相同的base model，Higgs-Llama-3-70B在6个基准测试中均优于LLama-3-70B-Instruct。

虽然距离GPT-4o还有不小的差距，但值得注意的是沐神团队放出的只是通用能力的基准测试，并且强调并未针对性刷榜。

而且Higgs-Llama-3-70B毕竟是为角色扮演专门设计的，相关效果展示团队未具体给出。

团队表示Higgs-Llama-3-70B只是个开胃菜，将进一步探讨角色扮演性能、训练后的处理流程、零基础建立数据中心、在云端使用GPU以及未来整合多个服务提供商的策略。

之后也会发布更多Higgs系列模型。

开发角色扮演Agent

这次李沐大模型创业方向终于浮出水面，倒是一定程度印证了之前关于沐神创业方向的猜想。

此前有消息爆料，从亚马逊首席科学家的职务上离职后，李沐联手其导师、另一位亚马逊出身AI大牛Alex Smola创办了创业公司Boson AI。而公司方向是利用大模型能力，做和游戏娱乐有关的项目。

这回官方终于给出了个准信儿，确实跟游戏沾边：

自2023年成立Boson AI以来，我们一直致力于利用AI技术为企业赋能，旨在革新故事讲述、知识学习和信息洞察的方式。我们协助客户开发Agent，使其能够扮演多种角色，如游戏角色、语言教师、保险代理和金融顾问。

目前官网主页也已更新Higgs-Llama-3-70B模型。

还晒出了团队创始成员，除李沐和Alex Smola外，还有四位成员。

李沐和Alex Smola，量子位此前也有介绍过。

李沐，是二者之间大家比较熟悉的那一位。自己有很厉害的经历，加上在小破站传道授业，打下了响当当的知名度。

而Alex Smola，更是一个AI届的神级大牛。

直接上数据：Smola在Google Scholar上的被引用次数，超过17万次。其中，被引次数前三的所著论文，被引数统统破万。

除了是ML著作《动手学深度学习》的主要作者外，Smola这些年的履历也很值得好好了解一番——

1996年，Smola在慕尼黑工业大学完成硕士学业，而后又在柏林工业大学拿下计算机科学博士学位。博士毕业后，他先后去往柏林GMD软件工程和计算机体系结构研究所、NICTA（澳大利亚信息与通信技术研究中心）工作。

2004年起，Smola在NICTA的统计机器学习项目中，担任高级首席研究员和项目负责人；到了2008年，Smola选择入职雅虎研究院。

2012年春天到2014年年底，2年多的时间里，Smola的工作地点是谷歌研究院。

期间，他开始担任CMU的教授。也是这个时候，他成为了李沐的博士导师，二人结缘。

2016年7月，Smola成为了亚马逊的一员，致力于构建AI和机器学习工具。首要任务之一，是让AWS和开发者社区建立和保持联系，让更多的开发者共同建设亚马逊深度学习库MXNet。

离职创业前，Smola在亚马逊担任的职位是杰出科学家和副总裁。

值得一提的是，由于Smola在分布式深度学习框架领域曾提出并行LDA（Latent Dirichlet Allocation）的框架——这是参数服务器概念的最早来源，因此，Smola也被业界称为参数服务器之父。

其他四位成员如下。

Shuai Zheng，2019年从香港科技大学获得计算机科学博士学位。

之后就职亚马逊，领导亚马逊的分布式系统和LLM训练工作，包括开发可扩展的分布式训练和推理架构、具有数千亿参数的更智能模型，以及更快的分布式优化算法。

施行健，2014年本科毕业于上海交通大学，2018年获香港科技大学博士学位。

曾担任亚马逊担任高级应用科学家，领导过两个项目：AutoGluon Multimodal和DeepEarth。

其中AutoGluon Multimodal通过应用基础模型，突破了传统自动机器学习工具的限制。DeepEarth致力于为地球科学领域构建基础模型。之前他还参与了如Apache/MXNet等开源项目。

Yi Zhu，加州大学默塞德分校博士学位。

同样曾在亚马逊AI团队，担任高级应用科学家。研究主要关注大语言模型、多模态学习、自监督学习和视频理解，曾参与AutoGluon、GluonCV等开源项目。

Yizhi Liu，2012年毕业于浙江大学计算机系。

曾先后在百度实习，担任聚胜万合首席软件工程师、奇虎360技术部经理，之后成为亚马逊高级软件开发工程师。

​

如何学习大模型

现在社会上大模型越来越普及了，已经有很多人都想往这里面扎，但是却找不到适合的方法去学习。

作为一名资深码农，初入大模型时也吃了很多亏，踩了无数坑。现在我想把我的经验和知识分享给你们，帮助你们学习AI大模型，能够解决你们学习中的困难。

我已将重要的AI大模型资料包括市面上AI大模型各大白皮书、AGI大模型系统学习路线、AI大模型视频教程、实战学习，等录播视频免费分享出来，需要的小伙伴可以扫取。

一、AGI大模型系统学习路线

很多人学习大模型的时候没有方向，东学一点西学一点，像只无头苍蝇乱撞，我下面分享的这个学习路线希望能够帮助到你们学习AI大模型。

二、AI大模型视频教程

三、AI大模型各大学习书籍

四、AI大模型各大场景实战案例

五、结束语

学习AI大模型是当前科技发展的趋势，它不仅能够为我们提供更多的机会和挑战，还能够让我们更好地理解和应用人工智能技术。通过学习AI大模型，我们可以深入了解深度学习、神经网络等核心概念，并将其应用于自然语言处理、计算机视觉、语音识别等领域。同时，掌握AI大模型还能够为我们的职业发展增添竞争力，成为未来技术领域的领导者。

再者，学习AI大模型也能为我们自己创造更多的价值，提供更多的岗位以及副业创收，让自己的生活更上一层楼。

因此，学习AI大模型是一项有前景且值得投入的时间和精力的重要选择。