8月6日·OpenAI经历重大人事变动，联合创始人转投竞争对手

44 0 0

8月6日·周二 AI工具和资源推荐

AI智库导航-aiguide.cc为您提供最新的AI新闻资讯和最新的AI工具推荐，在这里你可以获得用于营销的AI聊天机器人、AI在商业管理中的应用、用于数据分析的AI工具、机器学习模型、面向企业的AI解决方案、AI在商业客户服务中的应用、AI和自动化工具等。

OpenAI经历重大人事变动，联合创始人转投竞争对手

近期，人工智能研究实验室OpenAI遭遇了一系列高层人事变动。公司总裁、联合创始人之一Greg Brockman宣布将进行长期休假，其在公司AI模型和产品如ChatGPT的发展中扮演了关键角色。同时，另一位联合创始人John Schulman决定加入由OpenAI前员工创立的竞争对手公司Anthropic，以更深入地研究AI对齐问题。此外，产品负责人Peter Deng也已离职，他此前在Meta Platforms、Uber和Airtable担任过类似职务。这些变动发生在OpenAI去年11月的领导层动荡之后，尽管山姆・奥特曼已重新掌权，但公司高层的稳定性仍受到外界关注。OpenAI最近放慢了新模型的发布步伐，转而专注于API和开发者服务的更新，引发了对其下一代AI大模型发展和安全性的广泛讨论。来源：微信公众号【机器之心】

端侧AI新突破：MiniCPM-V 2.6模型实现多模态理解

面壁智能公司推出的MiniCPM-V 2.6模型，在端侧AI领域实现了重大技术突破。这款仅含8B参数的模型，不仅在单图、多图、视频理解三项任务上达到了20B参数以下模型中的最佳性能（SOTA），而且在端侧首次实现了实时视频理解、多图联合理解等多模态核心能力，全面超越了GPT-4V的性能水平。MiniCPM-V 2.6模型以其高效的多模态像素密度和端侧友好的特性，如量化后端侧内存仅占6GB、端侧推理速度高达18 tokens/s，为用户提供了前所未有的AI体验。此外，该模型还支持多种语言，并已开源在GitHub和HuggingFace平台，同时提供了详细的部署教程，为端侧AI应用的广泛部署和进一步研究奠定了基础。来源：微信公众号【新智元】

图灵奖得主LeCun加盟Groq，AI芯片领域新星挑战英伟达

AI芯片行业迎来重大变革，图灵奖得主Yann LeCun宣布加盟Groq担任技术顾问，为这家AI芯片初创公司注入强劲动力。Groq在最新一轮融资中筹集了6.4亿美元，由BlackRock领投，公司估值飙升至28亿美元。Groq的LPU芯片专为加速AI基础模型特别是大型语言模型（LLM）设计，其速度和效率在AI推理任务中展现出显著优势。Groq的LPU在最坏情况下的功率使用仅为GPU的三分之一，且在多数工作负载下仅使用GPU十分之一的功率，展现出其在能耗效率上的卓越性能。此外，Groq的LPU采用了时序指令集计算机架构，减少了对外部高速存储器的依赖，进一步降低了成本。Groq的创始人Jonathan Ross表示，公司将专注于企业市场，预计到明年底将部署150万个LPU，占据全球推理需求的半壁江山。来源：微信公众号【新智元】

智谱AI开源视频生成模型CogVideoX，5小时GitHub获3.7K星

智谱AI宣布开源其先进的视频生成模型 CogVideoX，并迅速在GitHub上获得3.7K星标。CogVideoX是首个可商用的视频生成模型，发布5小时内便受到开发者社区的热烈欢迎。该模型不仅支持在线体验，还具有高效的三维变分自编码器结构，能够显著降低视频生成的训练成本和难度。CogVideoX-2B版本在FP-16精度下仅需18GB显存进行推理，40GB显存用于微调，使得单张4090显卡即可完成推理，A6000显卡足以进行微调。此外，智谱AI还发布了详尽的技术报告，详细介绍了模型背后的技术创新，包括专家Transformer和数据筛选标注技术。模型已集成在HuggingFace的diffusers库中，简化了部署流程，使得用户可以轻松体验视频生成技术的魅力。来源：微信公众号【量子位】

AI图像生成面临“茶杯中的冰可乐”挑战

上海交通大学的研究团队在探索AI图像生成技术时遇到了一个特殊案例：“茶杯中的冰可乐”，这揭示了AI在理解和生成文本到图像转换时的局限性。尽管AI技术在图像生成方面取得了显著进展，但当要求AI生成不符合常规的组合图像时，如将冰可乐画入茶杯中，即使是最先进的模型如Dall・E 3也难以准确呈现。这一问题被学术界称为文本图像不对齐问题（text-image misalignment）。王德泉教授的团队在论文《Lost in Translation: Latent Concept Misalignment in Text-to-Image Diffusion Models》中深入分析了这一问题，并提出了Mixture of Concept Experts (MoCE) 方法来解决包含隐藏变量的不对齐问题（Latent Concept Misalignment，简称 LC-Mis）。通过将人类绘画的顺序规律融入到 diffusion models 的多步采样过程中，MoCE方法成功地提高了图像生成的准确性。这项研究不仅推动了AI图像生成技术的发展，也指出了现有自动化评价指标在评估特殊图像生成问题时的不足。来源：微信公众号【机器之心】