3月23日·AI创作梗图更搞笑，模因图灵测试被攻破

3月23日·周日  AI工具和资源推荐

AI创作梗图更搞笑，模因图灵测试被攻破

一项最新研究发现，大型语言模型（LLM）在创作梗图时展现出惊人的幽默感与创造力，甚至超越了人类创作者。研究中，纯AI创作的梗图在幽默性、创意性和分享性三个维度上的评分均高于人类组和人机协作组，表明AI已通过模因图灵测试。不过，人类创作者在最有趣的梗图中仍占据优势，展现了独特的创造力。研究还发现，人机协作能显著提高创意数量，但对质量提升有限。AI在梗图创作中可提供大量创意，但缺乏个性与深度，而人类创作者能融入独特经历和文化内涵，使作品更具感染力。来源：微信公众号【新智元】

Transformer注意力机制的新视角：深度复杂度分析引发讨论

一篇关于Transformer注意力机制的博客引发了AI社区的广泛关注，作者提出，从深度复杂度的角度来看，Transformer中的注意力机制应被视为对数级别的。传统观点认为，Transformer的注意力机制计算复杂度随序列长度呈平方增长，这限制了其处理长序列的能力。然而，该博客从现代计算架构的并行性出发，引入了“work-depth模型”，指出逐个元素相乘等操作在并行计算环境下并非线性时间复杂度，而是接近常数时间。类似地，向量求和、矩阵乘法等操作的深度复杂度也远低于传统时间复杂度分析的结果。对于注意力机制，其渐近深度复杂度仅为O(logn + logd)，其中n为序列长度，d为嵌入维度。这一观点得到了Karpathy的认可，他认为这可能改变我们对Transformer的理解和优化方向。不过，该分析也有局限性，例如当张量大小超出缓存范围时，深度复杂度的理论优势会失效。这一新视角为Transformer的未来发展提供了新的思路。来源：微信公众号【机器之心】

新型RL算法SWEET-RL让智能体学会协作推理

Meta FAIR和加州大学伯克利分校的研究团队开发了一种新型强化学习算法SWEET-RL，能够通过多轮训练让智能体学会协作推理。该研究构建了新的基准ColBench，包含后端编程协作和前端设计协作两个任务，用于评估智能体在多轮交互中的推理和泛化能力。SWEET-RL采用两阶段训练方法：第一阶段学习各轮次的优势函数，利用轨迹偏好对进行微调；第二阶段通过每轮次的优势优化智能体策略，引入训练时间信息以提升性能。实验表明，多轮协作显著提升了LLM智能体的成功率，SWEET-RL在ColBench上的表现优于其他多轮RL算法，与GPT-4o等SOTA模型相当。该研究为强化学习在复杂任务中的应用提供了新的思路。来源：微信公众号【机器之心】

蚂蚁、华为、阿里云联手推动AI医疗落地“大模型一体机”全栈解决方案

蚂蚁集团、华为、阿里云等近百家企业联合发布了“大模型一体机”全栈解决方案，助力医疗机构快速、安全、稳定地实现大模型落地。该方案通过私有化部署，将国产算力、医疗大模型和AI训推一体化，同时提供定制化应用配置，帮助医院业务系统、医疗诊断和患者服务实现升级。浙江省人民医院、北京市中医院等7家机构已首批接入。此外，蚂蚁与浙江卫健委合作的AI健康应用“安诊儿”已覆盖超1000家公立医院。蚂蚁还完成了“三端一体”战略布局，面向医疗机构、医生和患者提供全方位AI医疗解决方案。此次合作标志着AI医疗落地加速，为行业提供了新的探索方向。来源：微信公众号【量子位】

谷歌研究发现大模型与人脑语言处理机制高度一致

谷歌的一项最新研究发现，大模型（LLM）在语言理解与生成机制上与人脑信号高度一致。研究人员将真实对话中的人脑活动与语音到文本模型（如Whisper）的内部嵌入进行比较，发现两者呈现线性相关关系。例如，在语言理解顺序上，人脑先处理语音，再理解词义；在语言生成顺序上，先计划、再发音，最后听到自己的声音，这与大模型的处理机制惊人地相似。研究引入了一个统一的计算框架，将声学、语音和单词级语言结构联系起来，通过编码模型将模型嵌入线性映射到大脑活动上，准确预测新对话中的神经活动。该成果发表在Nature子刊上，表明大模型的内部表征与自然对话过程中的神经活动一致，尽管大模型以并行方式处理单词，而人脑以串行方式处理，但两者反映了类似的统计规律。这一发现为理解人脑语言处理机制提供了新的视角，也为开发受生物启发的人工神经网络提供了理论基础。来源：微信公众号【量子位】