1月3日·DeepMind科学家Felix Hill英年早逝，AI界哀悼

DeepMind科学家Felix Hill英年早逝，AI界哀悼

谷歌DeepMind的天才科学家Felix Hill于2024年12月5日不幸去世，年仅41岁。Felix Hill是自然语言理解基准GLUE和SuperGLUE的创建者之一，其学术成就在AI领域备受赞誉。然而，他在2023年初开始与严重的精神疾病作斗争，最终未能战胜病魔。Felix的去世引起了AI界的广泛关注和哀悼，许多同行和朋友表达了对他的怀念和对AI研究者面临的压力的关注。他的生前博客详细描述了AI研究者的压力和挑战，引发了对AI领域工作环境和心理健康问题的深刻反思。Felix的葬礼将于1月11日在伦敦举行，届时将进行现场直播，以供亲朋好友和同行们共同缅怀这位杰出的科学家。来源：微信公众号【新智元】

斯坦福开源AI写作工具STORM&Co-STORM，助力科研写作自动化

斯坦福大学的研究团队近日开源了一款名为STORM&Co-STORM的AI写作系统，旨在通过自动化的方式帮助科研人员高效生成高质量的长篇文章。该系统结合了必应搜索和GPT-4o mini模型，能够全面整合多源信息，避免信息盲点，生成类似维基百科的长文。STORM通过多角色问答的方式，从提纲到段落进行迭代式生成，而Co-STORM则通过多智能体对话生成动态思维导图，帮助用户发现信息盲点并生成综合报告。用户只需输入英文主题词，系统即可在短时间内生成结构化、高质量的文章。这一工具的推出，不仅极大地解放了科研人员的写作负担，也为信息获取和学习提供了新的方式。尽管目前仅支持英语交互，但其潜力和应用前景被广泛看好。未来，STORM&Co-STORM有望扩展至多语言支持，进一步推动科研写作的自动化和智能化发展。来源：微信公众号【新智元】

AI助力解码动物交流，探索自然界的声音密码

近年来，人工智能技术在解码动物交流方面取得了显著进展。加拿大Carleton University的鲸鱼生物学家Shane Gero通过20年的研究，发现鲸鱼的尾音具有独特的节奏和停顿，类似于人类语言中的方言。AI的应用使得研究人员能够更高效地分析这些声音数据，从而揭示鲸鱼之间的复杂交流模式。此外，行为生态学家Mickey Pardo利用AI模型识别出非洲象的特定叫声，类似于它们的“名字”，并进一步探索了大象的其他“词汇”。这些研究不仅增进了我们对动物行为的理解，也为濒危物种的保护提供了新的视角。尽管目前AI在动物交流解码方面仍面临诸多挑战，但其潜力巨大，未来有望实现更全面的动物语言翻译，帮助人类更好地理解和保护自然界的生物多样性。来源：微信公众号【新智元】

CMU与DeepMind新方法助力VLM生成记忆，突破数据瓶颈

卡内基梅隆大学（CMU）和Google DeepMind的研究团队最近提出了一种名为In-Context Abstraction Learning（ICAL）的新方法，旨在解决大型语言模型（LLM）和视觉-语言模型（VLM）在高质量数据不足的情况下如何继续发展的难题。该方法通过使用低质量数据和人类反馈，使VLM能够根据次优演示和自然语言反馈创建有效的提示词，从而改善决策并减少对专家演示的依赖。ICAL通过学习任务和因果关系、对象状态变化、时间抽象和任务建构等多模态抽象，帮助VLM在新任务和环境中更好地执行和推理。实验表明，ICAL在家庭环境的指令遵循任务和多模态自动化网络任务中均表现出色，显著提高了任务成功率和动作预测能力。这一研究为AI模型在数据资源有限的情况下继续提升性能提供了新的思路，并有望在未来的AI应用中发挥重要作用。来源：微信公众号【机器之心】

北大与港理工合作推出LiNo框架，革新时间序列预测

北京大学和香港理工大学的研究团队近日联合推出了一种名为LiNo的时间序列预测框架。该框架通过递归残差分解（RRD）技术，实现了对时间序列数据中线性和非线性模式的显式提取。LiNo框架的核心在于其Li块和No块的设计，分别负责提取线性模式（如趋势和周期性成分）和非线性模式（如突变和复杂的季节性变化）。通过交替和递归地应用这两个模块，LiNo能够逐步剥离并提取时间序列中的复杂模式，最终通过聚合所有模块的输出得到预测结果。实验表明，LiNo在多个真实世界数据集上表现出色，无论是在单变量还是多变量时间序列预测任务中，均显著优于现有的最先进方法，如iTransformer等。LiNo的提出不仅推动了时间序列预测技术的发展，也为设计更高效、更鲁棒的预测模型提供了新的思路和工具，具有广泛的应用前景。来源：微信公众号【机器之心】

什么是AGI，有哪些特点

https://yuanbao.tencent.com/bot/app/share/chat/cb1acc13738a433ad6ead824af1b9a10