%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
相关推荐
Anthropic 推出 Claude for Excel，助力金融服务更高效分析
Anthropic公司推出Claude for Excel，专为金融专业人士设计，目前处于研究预览阶段。用户可通过Excel侧边栏直接与AI助手互动，实现工作簿的读取、分析和修改，所有更改均提供清晰追踪和解释，助力提升金融服务效率。
OpenAI财务危机：到2026年亏损或将达140亿美元、ChatGPT仍是收入主力
最近，《 The Information 》对 OpenAI 的内部财务预测进行了披露，发现了OpenAI 采取了激进的增长战略，同时存在巨额亏损和对 Microsoft 等合作伙伴的严重依赖，结果引发了广泛关注。这家人工智能公司制定了一项极具雄心的增长战略，预计到2029年，收入将达到1000亿美元，较2023年增长100倍。不过，OpenAI 并不打算在此之前实现盈利。据 The Information 报道，到2026年，亏损可能会增加两倍，达到140亿美元，这还不包括基于股票的薪酬，并引用了“对 OpenAI 财务文件中包含的数据分析”。烧钱仍在继续
施耐德电气与Microsoft合作推动生成式人工智能应用
["法国领导者施耐德电气携手Microsoft，整合Azure OpenAI，推动生成式人工智能（GenAI）应用。","GenAI解决方案包括Resource Advisor Copilot、Jo-Chat GPT、Finance Advisor、Knowledge Bot等，提供创新工作方式和决策支持。","施耐德电气致力于技术创新，与Microsoft合作推动效率提升、创新培育，实现可持续增长。","该合作展示了施耐德电气在能源管理和工业自动化技术创新方面的承诺，与Microsoft共同追求可持续数字化未来。"]
微软加强Bing AI图像生成内容限制
["Microsoft 最近对其Bing图像生成AI进行了调整，以提高其内容保护措施。","尽管保护措施有所增强，但仍然存在一些问题，特别是在涉及恐怖主义等关键词时。","这一举措引发了有趣的讨论，关于如何在向公众提供AI工具之前进行更严格的测试。","该事件还让人思考AI是否在保护自身基础设施方面起到了一定的作用。"]
阿里通义推出新型强化学习方法 SAPO，让大语言模型更稳更强
阿里通义Qwen团队推出Soft Adaptive Policy Optimization（SAPO），旨在解决大语言模型强化学习中策略优化不稳定的问题。相比传统硬剪切方法，SAPO通过自适应调整更新幅度，避免过于严格限制，提升训练稳定性和效率。