南 阳 的博客

此外，光头哥还发布了一些最新预告，表示SearchGPT的集成与高级语音模式都在路上，界面UI也会发生一些变化，甚至有可能把聊天记录存储在本地。点击后，会弹出一个搜索框，用户只需输入想要搜索的关键词，系统便会在历史对话的标题和正文中进行匹配，展示含有搜索词的结果。相比之下，ChatGPT不仅把聊天记录搜索功能放在了更加显眼的侧边位置，还支持深入到聊天正文，这无疑提升了用户的便利性。然而，Claude的搜索功能需要用户先进入专门的聊天记录管理页面，并且在此之前并没有关于搜索的指引。

EVPN（Ethernet Virtual Private Network）是一种用于二层网络互联的VPN技术。EVPN技术采用类似于BGP/MPLS IP VPN的机制，在BGP协议的基础上定义了一种新的NLRI（Network Layer Reachability Information，网络层可达信息）即EVPN NLRI，EVPN NLRI定义了几种新的BGP EVPN路由类型，用于处在二层网络的不同站点之间的MAC地址学习和发布。

总成绩几乎与马斯克最新的xAI大模型Grok-2-08-13持平，超越了GPT-4o-2024-05-13、GPT-4o-mini-2024-07-18、Claude 3.5 Sonnet等顶级模型。最后，谈到与国外顶尖大模型的差距时，李开复博士表示，Yi-Lightning的排名证明了国产大模型与硅谷最顶尖模型的差距缩小到了五个月。在中文能力方面，Yi-Lightning和GLM-4-Plus这两个国产大模型都名列前茅，Yi-Lightning并列第二，与o1-mini相差无几。其优势在于其极速的性能。

2024年诺贝尔生理学或医学奖已揭晓，美国科学家维克托·安布罗斯（Victor Ambros）和加里·鲁夫昆（Gary Ruvkun）共同荣膺此殊荣。他们的主要贡献在于发现了microRNA的存在，并揭示了它在基因调控中的核心作用。microRNA在多种严重疾病（如癌症、糖尿病、自身免疫疾病等）中的调控机制被深入研究后，科学家们有望找到更多新的治疗靶点，并开发出更先进的诊断工具和疗法。诺贝尔奖委员会指出，这一发现揭开了基因调控领域的新篇章，microRNA对于包括人类在内的生物至关重要。

在Spring框架中，循环依赖（Circular Dependency）是指多个Bean相互依赖，形成一个循环引用。例如，Bean A依赖于Bean B，而Bean B又依赖于Bean A。

今年的诺贝尔物理学奖颁给了机器学习领域的两位先驱，杰弗里·辛顿（Geoffrey Hinton）和约翰·霍普菲尔德（John Hopfield）。这打破了此前人们关于该奖项可能颁发给凝聚态物理或量子物理领域科学家的预测。机器学习，尤其是神经网络技术，成为今年的获奖领域，标志着人工智能技术在科学界获得了前所未有的认可。这一奖项表彰的是他们为人工神经网络的研究与发展所做出的基础性贡献，这些工作不仅在计算机科学领域产生了深远影响，更从根本上改变了我们理解和模拟人类大脑工作的方式。

在一个鲜为人知的字体设计赛道上，清华创业公司“图形起源”悄然实现了商业变现：他们帮助字体公司将成本降低了80%，生产速度提升了10倍以上。Canva可画平台上最受欢迎的前100套中文字体，大部分都是通过他们的算法生成的。这个市场虽然规模较小，但需求却十分迫切。设计公司和字体公司长期以来深受版权费用的困扰。而图形起源凭借其在图形学和AI方面的技术优势，提供了人工无法匹敌的效率与精度。接下来，让我们来看看他们是如何通过AI造字，发现并实现商业化的。

在人工智能领域，文本生成图像（Text-to-Image）技术日益成熟，最近发布的Flux1.1模型更是引发了广泛关注，迅速在各大社交媒体平台上刷屏。这个模型以其强大的图像生成能力和一个简单易用的技巧，让生成的图像几乎无法与真实照片区分开来。通过模仿单反相机的文件命名格式，用户能够生成看似由真实相机拍摄的高质量图像，无论是人物肖像还是自然风景，都能达到照片级的真实感。评论区的网友们纷纷表达了对这一技巧的惊叹，不少人表示：“我完全分不清这到底是AI生成的还是实际拍摄的！

有人认为，Meta的这次发布可能迫使OpenAI尽快推出Sora进行应对，而在10月1日，Pika 1.5的更新也进一步引领了AI视频编辑功能的创新，如在视频中加入物体的融化、膨胀、挤压等物理特效。总的来说，Meta Movie Gen的推出标志着AI视频生成技术的重大突破，从视频的生成、编辑、音效同步到个性化视频的生成，Meta在多个维度上取得了显著的进展。用户只需输入一句简单的指令，例如“把灯笼变成飞向空中的泡泡”，系统就可以自动替换视频中的物体，而且生成的泡泡还能准确反射背景环境的细节。

为了提升训练性能，TeleAI采用了多维混合并行的技术，可以通过设置不同的并行模式，实现数据并行、模型并行和流水线并行的自动混合使用，支持万亿模型在万卡集群上的高效分布式训练。根据了解，训练过程中使用的万卡集群由天翼云上海临港国产万卡算力池提供，基于天翼云自研的“息壤一体化智算服务平台”和电信人工智能公司自研的“星海AI平台”的支持，可以实现万亿参数的稳定训练，平均每周仅有1.5次训练中断，集群训练的稳定性达到了国际领先水平。GQA能大幅降低模型推理过程中的显存使用量，显著提升模型的外推长度和推理性能。

具身智能领域的“疯狂”，已经迈入了全新的阶段！让我们一起来看看这段视频：一个人形机器人在前面奔跑，一群机器狗紧随其后；接着是人追赶机器狗，随后机器狗又追逐人……视频最后，那个机器人似乎还带着一丝“调皮”的意味。别误会，这不是《恐怖游轮》或《开端》中的诡异循环，而是一家国内具身智能企业的最新产品展示。。这一整套全面的产品布局，让人眼前一亮。尽管目前尚无人能够准确预测具身智能的最终形态，但这家国产具身智能公司通过其新产品表达了他们的观点：未来的具身智能世界，很可能是“多物种”共生的。

谷歌刚宣布推出Gemini-1.5-Pro-002和Gemini-1.5-Flash-002，OpenAI紧接着就把流量吸引了过去。OpenAI表示，将在一周内向所有ChatGPT Plus和Team用户开放，唯独欧盟、英国、瑞士、冰岛、挪威和列支敦士登暂不提供。在日常使用中，你可以让它在一旁静静待机，随时提问即可开始对话。它会记住你设定的住址，并主动推荐附近的游玩地点，甚至连路线都帮你想好了——沿着1号公路探索海岸线。“奶奶，对不起，我迟到了，我不是故意让您等这么久的，我可以怎么补偿您呢。

而DoT则直接在单一模型内构建有向无环图，避免了外部控制机制或多个模型的依赖，训练和部署更为简便。值得注意的是，当前大模型中的“顶流”OpenAI o1已具备生成CoT的能力，而更强大的DoT的到来，是否意味着可以通过强化学习内化到模型中？在该框架中，命题被建模为拓扑中终端对象的子对象，逻辑关系和推理步骤用态射表示，批评与改进过程则分别对应子对象分类器的态射和命题间的态射。此外，在DoT中，模型生成的批评反馈为自然语言形式，而非CR中仅提供的二元信号，使模型能够接收到关于错误的详细解释，更有效地改进命题。

动作规划系统通过情境库、动作库和人类引导库进行推理，结合视觉输入生成智能决策，而人类引导轨迹系统则通过人类操作数据帮助优化智能体的表现，特别是在面对困难任务时，通过查询历史操作生成更加精确的动作。实验数据显示，在对抗普通小怪时，AI的表现已与人类玩家不相上下。《黑神话·悟空》中的精英怪——牯护院，已经被AI智能体轻松击败，AI不仅能灵活躲闪和精确攻击，甚至在对抗鸦香客和牯护院时，其胜率已超越了人类玩家。令人期待的是，这项研究不仅展示了AI在游戏场景中的应用潜力，也为大模型的多领域扩展提供了全新的思路。

然而，就是在这样的情境下，AI客服系统展现了出色的表现，赢得了围观者的阵阵喝彩。选手们在百炼平台上开发客服系统，可以使用通义千问系列模型作为底层支持，依靠平台提供的Prompt优化工具、RAG（检索增强生成）以及Agent构建能力，灵活应对低代码和高代码的开发需求。正因为如此，开发智能客服的门槛仍然较高，但随着百炼等开发平台的升级完善，这一问题正在逐步得到解决。最近，一场别开生面的AI客服挑战赛引发了热议：一位使用“花开富贵”阿姨人设的Agent甩出一条链接，结果对面的AI客服立刻开始了大段的自动回复。

随着《黑神话·悟空》的爆火，3D游戏背后的AI 3D生成技术也逐渐受到更多的关注。虽然3D大模型的热度相较于语言模型和视频生成技术稍逊一筹，但全球的3D大模型玩家们却从未放慢脚步。无论是a16z支持的Yellow，还是李飞飞创立的World Labs，3D大模型的迭代速度一直在稳步前进。近日，国内3D大模型的领军者VAST发布了最新版本的大模型——Tripo 2.0。这个基于千万级高质量原生数据库训练的超强模型支持文字、单图、多图输入，并在几何精细度和图像还原度上表现出色。

训练策略方面，通过DPO等优化手段，进一步增强了模型的生成和理解复杂任务的能力。这一次，阿里国际AI团队开源的多模态大模型Ovis1.6，不仅成功开源，还在多模态评测基准OpenCompass上击败了Qwen2VL-7B、InternVL2-26B和MiniCPM-V-2.6等主流开源模型，荣登300亿参数以下模型榜首。特别是在退货和退款审核环节，Ovis1.6通过处理用户提供的图文、视频信息，实现了秒级别的审核，极大减少了人力成本，提高了效率和一致性，确保了商家与消费者的公平权益。

发布不到一周，OpenAI 的最新模型 o1 的“护城河”似乎已经失守。近日，有人发现谷歌 DeepMind 早在今年 8 月发表的一篇论文，揭示了与 o1 模型极其相似的工作原理。这项研究指出，在模型推理过程中增加测试时的计算量，比简单地扩展模型参数更有效。基于论文中提出的计算最优（compute-optimal）测试时计算扩展策略，规模较小的基础模型在某些任务上甚至可以超越一个规模大14倍的模型。有网友惊呼：这几乎就是 OpenAI o1 的原理！

让我惊喜的是，我发现通过文章进行技术交流，不仅可以帮助他人，同时也在与读者的互动中激发了自己的思考，拓宽了知识的广度和深度。更重要的是，通过创作，我认识了一群志同道合的朋友，我们在评论区、社群中进行深入的技术交流，从设计模式到性能优化，从源码剖析到架构思考，这些讨论不断拓宽了我的技术视野。在创作上，我希望我的文章不仅仅是知识的传递，更能激发读者的思考，帮助他们在技术之路上少走弯路。

定义创建产品的接口。