3月13日

首个AI软件工程师上线！已通过公司面试抢程序员饭碗，华人创始团队手握10块IOI金牌

Cognition AI 团队发布首个人工智能软件工程师 Devin ，在 SWE-Bench 基础测试中，无需人类协助，Devin 就可以解决 13.86% 的问题。而目前的 SOTA 模型，在没有人类帮忙的情况下，只能完成 1.96% 的任务。Devin 不仅通过了一家业内领先的人工智能公司的面试，在自由职业平台 Upwork 上也能成功接单，完成单主要求的工作。总体来看，与其他具有编程能力的大模型，Devin 不仅辅助编程或提供代码片段，它能够独立支持一整个项目，而不仅仅是辅助或提供代码片段的建议。相比于「副驾驶」的角色，Devin 更接近于一个独立工作者。而 Cognition AI 声称 Devin 实现了在 AI 领域被称为「理解」的突破，这意味着它能够不仅是在预测下一个单词或代码行应该输出什么，而是更像在思考如何解决问题的总体方法。来源： 微信公众号【机器之心】

北京智源人工智能研究院、新加坡南洋理工大学、北京大学携手提出通用计算机控制，向数字世界AGI迈进！智能体已经从头开玩「荒野大镖客 2」了

北京智源人工智能研究院、新加坡南洋理工大学、北京大学携手提出通用计算机控制 General Computer Control (GCC)，即智能体需要像人一样看屏幕，通过键盘、鼠标完成计算机上的所有任务。在过去很长一段时间里，人工智能研究以游戏为场景，而 GCC 将为通用人工智能研究提供场景，也将进一步促进大模型和 AI Agents 的落地与产业化。为此，研究团队提出通用计算机控制智能体框架 Cradle，使智能体不依赖任何内部 API 直接控制键盘、鼠标和任何软件交互，无论开源还是闭源，甚至能玩《荒野大镖客 2》这样的商业 3A 游戏大作！来源：微信公众号【机器之心】

“现代AI之父”Jürgen Schmidhuber团队迎新成果：用图结构构建智能体，助力研发AI智能体

诸葛鸣晨和所在团队提出一个观点：所有形式的多模态智能体都能够利用一种通用语言（例如自然语言）——以模块化的方式进行头脑风暴，进而完成单一智能体无法完成的任务。诸葛鸣晨和所在团队提出一种构建智能体的新型理解方式—— GPTSwarm。即通过以下对应关系，来重新定义智能体的构建：1. 操作（Operation）↔节点（Node）2. 智能体（Agent）↔由多节点构成的图（Graph of Nodes）3. 蜂群（Swarm）↔复合图（Composite of Graphs）。有了这套定义方法，就能将所关注的问题转化为“图”的优化问题，包括：a. 合作与通信（Collaboration and Communication）↔图之间的信息流动（Information Flow between Graphs）b. 编排（Orchestration）↔复合图中的边缘连接（Edge Connections in the Composite Graph）c. 优化（Optimization）↔节点或边缘的优化（Optimization of Nodes or Edges）作为一种新型理解方式，GPTSwarm 通过将智能体构建的概念，映射到操作、智能体、蜂群（多智能体）与节点、节点图、复合图的对应关系中，从而能够重新定义智能体的架构。来源：微信公众号【DeepTech深科技】

Meta公开 Llama-3基础训练设施：使用了49,000个H100

3 月 13 日，社交、科技巨头 Meta 在官网公布了两个全新的 24K H100 GPU 集群（49,152 个），专门用于训练大模型 Llama-3。此外，Llama-3 使用了 RoCEv2 网络，基于 Tectonic/Hammerspace 的 NFS/FUSE 网络存储，继续使用了 PyTorch 机器学习库。从训练进度来看，估计 Llama-3 最快将于 4 月末或 5 月中旬上线。受 Sora 影响，很可能是一个多模态模型，并且会继续开源。Meta 表示，预计到 2024 年底，将拥有 600,000 个 H100 的算力。来源：微信公众号【AI前线】

超快！​Deepgram Aura:实时文本转语音API 低于250毫秒

Deepgram Aura 是一款实时文本转语音 API，其主要特点是低延迟，不超过250毫秒，能够即时响应用户的需求。它还具备人类般对话的自然度和流畅度，包括自然的节奏和停顿，能够根据对话上下文动态调整音调和情绪，使得对话更加生动和真实。同时，Deepgram Aura 还支持实时互动，能够与人类之间进行实时信息交换，提供了一种高效便捷的沟通方式。Deepgram Aura 的性价比也很高，每千字符仅需0.015美元，适合各种规模的用户使用。该 API 提供了易于集成的接口和开源演示，支持快速开发，新用户还可获得200美元的免费信用额度进行测试。通过 GitHub 和在线体验平台，用户可以方便地了解和体验 Deepgram Aura 的功能和性能。Deepgram Aura 是一款性能优越的实时文本转语音 API，具备低延迟、自然对话流畅和实时互动等特点，适合各种场景下的应用，为用户提供了高效便捷的语音交流解决方案。来源：凤凰新闻-站长之家