大模型日报2024-06-02

大模型日报

 

2024-06-02

 

大模型资讯

 

1. LLM360推出K2：开源大语言模型，计算效率超越Llama 2 70B

 

• 摘要: LLM360发布了K2，一款完全可复现的开源大语言模型。K2在计算效率上超越了Llama 2 70B，使用的计算能力减少了35%。这一突破性的模型为大规模语言处理提供了更高效的解决方案。

 

1. Uni-MoE: 多专家混合的统一多模态大语言模型扩展

 

• 摘要: 最近，多模态大语言模型（MLLMs）在架构和性能方面的进展突显了其重要性。Uni-MoE通过多专家混合方法，进一步扩展了这些模型的能力，提升了多模态数据处理的效率和准确性。

 

1. OpenAI正在训练GPT-5，三大升级亮点值得期待

 

• 摘要: 尽管OpenAI最近推出的GPT-4o大幅提升了大型语言模型的标准，但该公司已经开始训练其继任者GPT-5。预计GPT-5将带来三大重要升级，进一步推动人工智能技术的发展。

 

1. AutoCoder超越GPT-4 Turbo和GPT-4o在人类评估基准测试中取得领先

 

• 摘要: AutoCoder成为首个在2024年4月的人类评估基准测试中以90.9%的pass@1成绩超越GPT-4 Turbo和GPT-4o的超大型语言模型。

 

1. OpenAI推出面向大学的ChatGPT工具

 

• 摘要: OpenAI发布了一款专为大学设计的ChatGPT工具，旨在更广泛地向学生及其校园社区推广人工智能应用。

 

1. 从ChatGPT到Gemini：AI如何重塑互联网

 

• 摘要: 大型科技公司如微软（Copilot）、谷歌（Gemini）和OpenAI（GPT-4o）正在推动AI聊天机器人技术的发展，这些技术以前仅限于测试阶段。

 

1. EmbedAI漏洞可导致恶意数据混入LLM

 

• 摘要: EmbedAI存在漏洞，可能允许恶意数据混入语言模型。此漏洞可被利用，诱使用户无意中上传和整合错误数据到应用程序的语言模型中，造成误导。

 

1. Core42发布最新阿拉伯语大语言模型，现已在微软Azure上线

 

• 摘要: G42旗下公司Core42宣布其最新的阿拉伯语大语言模型现已在微软Azure平台上线，为中东地区提供全面的AI赋能解决方案。这一发布标志着Core42在AI技术领域的又一重要进展。

 

1. Meta将为部分AI产品引入水印功能

 

• 摘要: Meta平台将在未来几周内为其文本生成图像产品Imagine添加不可见水印功能，并与Meta AI聊天机器人结合使用。

 

1. 印度初创公司JiviAI声称其AI医疗语言模型优于谷歌和OpenAI

 

• 摘要: 古尔冈的初创公司JiviAI表示，其基于AI的医疗语言模型在性能上超越了谷歌和OpenAI的同类产品。该公司在新德里宣布了这一消息，强调其技术的领先地位。

 

大模型产品

 

大模型论文

 

1. 大语言模型在Web任务中的自我提升能力

 

• 摘要: 研究大语言模型在复杂环境中作为代理的自我提升能力，通过在WebArena基准测试中自我改进，任务完成率提高31%。

 

1. MotionLLM：多模态人类行为理解

 

• 摘要: 本研究提出MotionLLM框架，结合视频和运动数据，提升人类行为理解、描述与推理能力，并引入MoVid数据集和MoVid-Bench评估基准。

 

1. 通过参数空间对齐实现视觉感知

 

• 摘要: 提出VLoRA，通过参数空间对齐减少输入序列长度，显著降低计算成本，同时保持多模态任务性能。

 

1. RapVerse：从文本生成3D动作与歌唱

 

• 摘要: 提出RapVerse，通过收集同步的说唱数据集，利用多模态变换器，实现从文本生成3D整体动作和歌唱声音。

 

1. Xwin-LM：LLM对齐方法的强大实践

 

• 摘要: Xwin-LM提供了一套全面的对齐方法，包括监督微调、奖励模型、拒绝采样微调和直接偏好优化，显著提升LLM性能。

 

1. ParSEL: 自然语言驱动的3D形状编辑系统

 

• 摘要: ParSEL系统通过自然语言实现高质量3D资产的可控编辑，利用LLM和AEP算法生成参数化编辑程序，精确控制形状变化。

 

1. CausalQuest：自然因果问题数据集构建

 

• 摘要: CausalQuest收集了13,500个自然因果问题，利用人工和大模型标注，训练高效分类器识别因果问题，F1评分达0.877。

 

1. ANAH: 大语言模型幻觉的分析性注释

 

• 摘要: ANAH是一个双语数据集，提供生成性问答中大语言模型幻觉的细粒度注释，包含约12k句子级注释。

 

1. FoldFlow-2: 蛋白质骨架生成的序列增强SE(3)流匹配

 

• 摘要: FoldFlow-2利用氨基酸序列的生物偏置，结合多模态融合和几何变换器，提升蛋白质结构生成的多样性和新颖性。

 

1. PlausiVL: 真实世界中可行动作序列预测模型

 

• 摘要: 介绍PlausiVL，一个大规模视频语言模型，通过引入两种目标函数，提升动作序列的合理性，改善未来动作预测。

 

大模型开源项目

 

1. ChatTTS: 日常对话生成语音模型

 

• 摘要: ChatTTS是一个用于日常对话的生成语音模型，采用Jupyter Notebook编写，适合生成自然对话的语音输出。

 

1. ChatTTS本地网页语音合成工具

 

• 摘要: 一个简洁的本地网页界面应用，使用ChatTTS将文字合成为语音，并支持API接口调用，基于Python开发。

 

1. MusePose：虚拟人生成图像到视频框架

 

• 摘要: MusePose使用姿态驱动技术，实现虚拟人从图像到视频的生成，基于Python语言开发。

 

1. ToonCrafter:生成卡通插值研究

 

• 摘要: ToonCrafter是一个用Python编写的项目，主要研究生成卡通插值技术。该项目通过生成模型实现卡通图像的平滑过渡。

 

1. Fabric：增强人类的AI开源框架

 

• 摘要: Fabric 是一个用Python编写的开源框架，通过众包AI提示解决特定问题，旨在增强人类能力。

 

1. 腾讯AI实验室V-Express项目

 

• 摘要: V-Express通过参考图像、音频和V-Kps图像序列生成可控的说话人视频，使用Python编写。

 

1. 新模型超越GPT-4 Turbo代码生成

 

• 摘要: 我们推出了一种新模型，用于代码生成任务。在HumanEval基准数据集上的测试准确性超过了GPT-4 Turbo（2024年4月）和GPT-4o。

 

1. Novita AI动画实现

 

• 摘要: Novitalabs项目提供了Novita AI的非官方实现，使用Python编写，可以为任何人生成动画效果。

 

1. LLM应用集合：支持多种模型

 

• 摘要: 收集了使用OpenAI、Anthropic、Gemini和开源模型的LLM应用，展示了RAG技术的实际应用，基于Python语言开发。

 

1. Dify: 开源LLM应用开发平台

 

• 摘要: Dify是一个开源LLM应用开发平台，提供AI工作流、RAG管道、代理功能、模型管理和可观测性等特性，助您快速从原型到生产。