8月16日·OpenAI的未来蓝图：从GPT-5到颠覆传统

8月16日·周六  AI工具和资源推荐

OpenAI的未来蓝图：从GPT-5到颠覆传统

在一次神秘晚宴上，OpenAI的CEO奥特曼勾勒出了宏大的未来愿景。他透露，OpenAI计划斥资数万亿美元打造数据中心和全新AI硬件，探索脑机接口技术，并试图颠覆传统的搜索与社交模式。奥特曼还提到，未来三年内，OpenAI的CEO可能是一个AI。此外，OpenAI与设计大师Jony Ive合作打造的AI设备也备受期待。尽管GPT-5的表现引发了争议，但奥特曼强调，模型的改进只是OpenAI宏大计划的一部分。OpenAI的未来布局，不仅着眼于技术的突破，更在于重塑整个科技生态。来源：微信公众号【新智元】

AI顶会的危机与变革

新加坡国立大学的研究者们指出，AI顶会如NeurIPS、ICML和CVPR等正面临结构性危机。研究者们每年被迫发表4.5篇论文，导致学术产出泡沫化，评审质量下滑，甚至出现了学术不端行为。同时，顶会的碳排放量惊人，参会成本高昂，场地也难以承载过多参会者。为此，研究者们提出了“社区联邦会议”（CFC）模型，通过全球统一的评审平台、区域化联邦会场和数字同步互联，来解决当前顶会模式的不可持续性问题。这一变革有望重塑AI学术圈的生态。来源：微信公众号【新智元】

离散分布网络DDN：生成模型的新突破

一种全新的生成模型——离散分布网络（DDN）被提出，其相关论文已发表于ICLR 2025。DDN的核心机制是在单次前向传播中同时生成多个输出，形成一个离散分布，通过优化样本点的位置来逼近真实分布。它具有零样本条件生成、树状结构的一维离散潜变量和完全端到端可微分等特性。DDN不仅在随机采样效果上表现出色，还能在无需梯度计算的情况下完成条件生成任务，为生成模型的研究带来了新的方向和可能性。来源：微信公众号【机器之心】

Denny Zhou：大语言模型推理的奥秘

Google DeepMind首席科学家Denny Zhou在斯坦福大学的CS25课程中，深入讲解了大语言模型（LLM）推理的原理和优化方法。他指出，LLM的推理能力在于生成中间token，而非模型的大小。通过提示技巧、监督微调和强化学习微调等方法，可以显著提升模型的推理能力。Denny Zhou还强调，通过生成多个响应并聚合结果，可以进一步提高推理的准确性。此外，检索与推理的结合也为模型提供了更强大的问题解决能力。这些研究为大语言模型的未来发展提供了重要的理论支持。来源：微信公众号【机器之心】

北大iFairy：复数大模型的创新

北京大学的研究团队提出了首个复数大模型iFairy，采用2比特超低比特量化算法，将模型权重量化到复数集合{+1, -1, +i, -i}，极大地压缩了模型体积，仅为原来的1/8。同时，通过PhaseQuant算法，iFairy实现了“无乘法”计算，将复杂的复数乘法运算简化为加法、减法和数据交换操作，显著降低了计算成本。iFairy模型不仅在困惑度（PPL）上优于全精度模型，还在多个下游任务中表现优异，为大模型在手机等边缘设备上的部署提供了可能。来源：微信公众号【量子位】