提供12萬人真實數據,Prolific想讓大模型都能用上RLHF!

來源:
來源:
哈佛大學與谷歌DeepMind的人工智能實驗室合作,開發了一款虛擬AI老鼠,象徵性的推動了“虛擬神經科學”領域的發展。此研究的重大意義在於揭示大腦如何操控複雜身體動作,對腦科學和機器人學產生深遠影響。通過無動物犧牲的虛擬實驗,科學家們成功創建了一隻能夠模仿真實老鼠所有動作的AI,其AI“大腦”能夠預測對應的真實老鼠腦內的神經活動。論文發表於《Nature》雜誌,展示了利用人工神經網絡訓練實現運動控制,用以探究大腦神經基礎,併爲設計改良機器人控制系統提供了新思路。這項合作不僅加深了對AI與神經科學交界的知識,也爲未來靈活、智能機器人發展開拓了新視野。
加州大學聖地亞哥分校與麻省理工學院的合作項目“Open-TeleVision”致力於打造遠程操作機人的新型開源操作系統。該系統利用V.R頭顯,如Vision Pro、Quest等,實現了從遙遠距離精準操控機器人及物體的能力,其沉浸式體驗和順滑操控直追電影《阿凡達》中的先進科技。其優化的適配性,無需額外設備,通過頭顯直接感知空間深度與立體視覺,確保精細控制。藉助前瞻性的技術亮點——視覺中心區域處理、活動頸部模擬聚焦方式,操作人彷彿掌控一切。通過逆運動學算法與Web平臺接入模式,簡化高效率遠程交互。解決自由度匹配挑戰與通過數據採集實現機器人自學習的解決方案,提升系統跨場景應用的可靠性和泛化能力。這一創新爲遠程操作與人工智能交互探討提供了新的見解與應用場景。更多詳細信息可訪問 GitHub 地址:[https://github.com/Improbable-AI/VisionProTeleop](https://github.com/Improbable-AI/VisionProTeleop)。
Anthropic 首席執行官預計 AI 模型訓練成本在未來三年內將會有顯著提升,從目前的 10 億美元增長到 1000 億美元,引發行業對成本前沿的波瀾與 AI 泡沫的可行性討論。這一成本增長主因在於不斷增長的硬件需求,特別是 AI 模型快速擴張對高性能計算硬件(特別是 GPU 和數據中心能源)的驅動。此外,伴隨着人工智能從生成式向通用目的的演進,基礎理論與發展路徑的探討與其實用成本之間的平衡成爲關注焦點。提高效率與優化成本成爲 AI 領域深度研究的關鍵。關注硬件與能源優化、提高人力成本利用效率、數據管理與維護,仍將是降低 AI 訓練成本、實現其經濟可持續發展的核心路徑。因此,AI 產業仍需高度關注技術與經濟策略的綜合平衡,以推動其蓬勃發展。
快手今天放了個大招,開源了自家的圖像生成模型——"可圖 Kolors"。這可不是一個普通的模型,它在數十億的文本圖像對上進行了訓練,搭載了通用語言模型(GLM)作爲文本編碼器,支持中英文雙語提示詞,還能處理長達256個token的上下文。
Moonshot AI的Kimi瀏覽器插件現已上線,旨在升級用戶在網頁及應用中的體驗。該插件擁有點問筆及總結器兩大功能:通過劃選文字獲取即時解釋與答疑,利用位於網頁右下角的總結器快速摘要全文。 支持全局浮窗與側邊欄模式,便於在寫作過程中持續對話與搜索信息。通過快捷鍵啓動Kimi,實現高效操作。發展歷程中包括多項體驗優化,例如直接在App中打開微信中的PDF文件、搜索引用溯源、部分複製功能擴大範圍,以及新增提問推薦功能可根據用戶問答提供相關問題。網頁版功能進一步增加,支持Ctrl+C/V進行貼圖操作與利用歷史記錄搜索,涵蓋基礎運算、函數運算等多個計算器功能板塊。插件下載地址爲:https://kimi.moonshot.cn/extension/download
一款名爲 Glaze 的免費工具正受到藝術家們的熱捧,它的主要功能是通過在圖像中添加難以察覺的噪點,以保護藝術風格不受 AI 圖像生成器的抄襲。自從 Meta 公佈計劃利用用戶數據進行 AI 訓練後,WebGlaze 的訪問請求迅速增加,導致藝術家可能需要等待數週甚至數月纔可獲取工具使用權。Glaze 的開發者 Ben Zhao 指出,項目團隊會手動審覈每個申請,確保申請者爲真實人員及工具未被濫用。然而,安全研究人員發現了繞過 Glaze 保護的方法,並對 Glaze 的有效性提出了質疑,因爲一些攻擊團隊認爲 Glaze 的防禦措施並不足。