一文读懂Meta Connect 2024：Llama 3.2来了，AR眼镜Orian亮相
一文读懂Meta Connect 2024：Llama 3.2来了，AR眼镜Orian亮相Meta Connect 2024推出Quest 3S、Llama 3.2与AR眼镜Orion。
来自主题:
AI资讯
5676 点击 2024-09-26 11:36
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
Meta Connect 2024推出Quest 3S、Llama 3.2与AR眼镜Orion。
昨天，OpenAI CEO 山姆阿尔特曼在新开的博客主页发了一篇长文《智能时代》。全文大致内容是：随着深度学习的发展，超级人工智能将在几千天后到来，到时候 AI 会改变人们的方方面面，人类也将进入智能时代。
OpenAI今年已有11位高管离职。
他们因为焦虑而投流，投流又反过来助长了焦虑。没有人知道，广告竞价系统里的每个计划和每次确认，究竟是让自己活得更久，还是离死亡更近。
针对影视游戏、具身智能领域，推出两款大模型内容和数据引擎。
为了让设计更友好而创立的公司 Canva，今年的估值是 260 亿美元，这可能是目前全球最有价值的由女性领导的初创公司。
自适应系统在动态和不确定的环境中具有关键作用，广泛应用于自动驾驶、智能制造、网络安全和智能医疗等领域。
在《AI算法分析94家海外AI独角兽》提到，我们分析了2015年后成立的6500家AI公司（从2万多家公司中抽取完成融资和2022年以后创办的企业），本篇是关于VC的一篇分析报告。 我们提供了投到最多独角兽的机构列表（文末），以及对YC的业绩回报做了估算。
指令调优（Instruction tuning）是一种优化技术，通过对模型的输入进行微调，以使其更好地适应特定任务。先前的研究表明，指令调优样本效率是很高效的，只需要大约 1000 个指令-响应对或精心制作的提示和少量指令-响应示例即可。
一波接着一波，OpenAI 到底怎么了？OpenAI 又迎来「地震级」高层人员变动。
在陈思诚导演、上映一个多月便揽下3亿票房的谍战片《解密》中，主人公容金珍是一位民国时期的数学天才，大学毕业后本已开始从事“机器人脑”的研究工作，却在机缘巧合之下被谍报机关招募，自此一生奉献给了密码破译。
说了这么多，这期就是想测评AI写作。
这场AI革命发生在一个非常有趣的时刻，因为在同一时间，我们基本上正处于一场生物学革命之中，我们从生物工程方法中生成了大量数据，并将新型药物、新型模式组合在一起，就像乐高积木一样，现在我们可以将各种抗体和小分子连接起来，创造出能做新事情的结合物。
Skild AI 是一家位于匹兹堡的初创公司，由两位前 CMU 教授创立，旨在打造具身智能的通用大脑。Skild 宣称其模型展示了无与伦比的泛化和涌现能力，并且有多于竞争对手 1000 倍的训练数据。
科学技术的快速发展过程中，机器学习研究作为创新的核心驱动力，面临着实验过程复杂、耗时且易出错，研究进展缓慢以及对专门知识需求高的挑战。近年来，LLM 在生成文本和代码方面展现出了强大的能力，为科学研究带来了前所未有的可能性。然而，如何系统化地利用这些模型来加速机器学习研究仍然是一个有待解决的问题。
在当今大模型技术日新月异的背景下，数据已跃升为构建企业大模型知识库、优化训练与微调，乃至驱动模型创新不可或缺的核心要素。
这项高级语音功能，大家可是等了好久。
在电影《天下无贼》中，葛优扮演的黎叔有这样一句经典的台词，「二十一世纪什么最贵？人才！」而随着人工智能行业进入到大模型时代，这一问题的答案已然变成了「算力」。
“不需要再等OpenAI的鸽王Sora了”。
最近，a16z 发表了一篇文章，其认为，未来每个白领都会有一个 AI Copilot（AI 助手），其中一些工作未来会被 Agent（智能体）完全取代。
深入探讨OpenAI o1模型的技术原理以及产业影响。
跟我们一起来拨“草莓”
大模型的能力越来越强，用户在一些重要的任务中也可以依赖大模型，比如说辅助做科研。 不过现有科研辅助相关的基准测试都太简单，跟现实世界的任务差距还是比较大的。
就在刚刚，创业成功的27岁亿万富翁Alexandr Wang宣布—— Scale AI的年化收入，几乎达到了10亿美元！ 这个数字，足够震惊整个硅谷的。
理想丰满，现实骨感。
OpenAI的Her终于全面开放了！ 今日凌晨，OpenAI公开宣布Her高级语音模式正式全面开放，在OpenAI的移动端APP上即可体验！
取代现有计算架构。 人工智能（AI）硬件有望彻底被颠覆，在计算速度和能效方面实现前所未有的改进。
埃斯顿等公司亮相工博会，展示新型人形机器人。
现年69岁的科斯拉是硅谷最杰出的人物之一
AI真要改变企业需要两只手：一只是对企业本身的理解和抽象，一只是AI大模型。相比之下，当大模型标准化后，其实是不关键的那只。前者的难度远比想的大，绝对是被低估了。
