明敏 丰色 发自 凹非寺 量子位 | 公众号 QbitAI 万众瞩目,谷歌的反击来了。 现在,谷歌搜索终于要加入AI对话功能了,排队通道已经开放。 当然这还只是第一步。 大的还在后面: 全新大语言模型PaLM 2正式亮相,谷歌声称它在部分任务超越GPT-4。 Bard能力大更新,不用再排队等候,并支持新语言。 谷歌版AI办公助手也一并推出,将在Gmail中抢先亮相。 谷歌云也上线多个基础大模型,为行业提供更进一步的生成式AI服务…… 在最新一届I/O开发者大会上,谷歌的大放送真的太震撼。 有网友直呼: A
想象一下,如果 1ml 水价值 100 元,那么 1 瓶 500ml 的水就价值 5 万元;
AI大牛田渊栋也详细分析了一番,「Q*=Q-learning+A*」的假设,究竟有多大可能性。
最近,普林斯顿大学等七家机构联合发布了一个专门用于数学的大语言模型LLEMMA,性能媲美谷歌Minerva 62B,并公开了其模型、数据集和代码,为数学研究带来了前所未有的机会和资源。
量化投资与机器学习微信公众号,是业内垂直于量化投资、对冲基金、Fintech、人工智能、大数据等领域的主流自媒体。公众号拥有来自公募、私募、券商、期货、银行、保险、高校等行业30W+关注者,连续2年被腾讯云+社区评选为“年度最佳作者”。 G-Research是欧洲领先的量化对冲基金,对于量化研究员的招聘一直非常严苛。对于量化研究员的面试准备,G-Research也给出了比较明确的指导。G-Research建议第一轮面试的准备最多两周的时间,主要从以下几方面准备: Quant Finance 熟悉一些基本的
如果问计算机擅长什么,在所有的答案里,数学必须榜上有名。在经历了漫长的研究之后,顶尖学者们在研究计算机关于数学计算方面的发展,取得了令人惊讶的成绩。
此外就是在2021年11月,谷歌宣布成立一家子公司Isomorphic Labs,尝试使用人工智能来发现新药。
考虑到自然语言在许多科学和工程领域表达的数学问题的丰富性,使用大语言模型(LLM)来解决数学问题是一项有趣的研究工作。今天给大家介绍一篇微软研究院联合欧美高校关于如何使用GPT-4解决数学问题的研究论文。
最近A股美股市场火爆,我们用Python实现一个股市分析程序。以美股S&P 500公司(头部500家公司)举例,A股也是类似,唯一不同的是找到合适的A股数据源。本教程的目的是介绍收集和分析股票数据的步骤。我们将使用 Python、Google Sheets 和 Google Finance。在第 1 部分中,我们将了解如何配置 Google Sheets,使用 Python进行交互。在第 2 节中,我们将了解如何使用 Google Finance 收集股票数据以及如何使用 Python 将这些数据存储在 Google Sheets 中。在第 3 节中,我们将了解如何从 Google Sheets 读取数据并使用 Python 和 Pandas 对其进行分析。
11 月 22 日,就在 OpenAI 决定解雇(后又重新聘用)CEO Sam Altman 的几天之后,技术媒体 The Information 报道称 OpenAI 取得了一项重大技术突破,使其能够“开发出更强大的 AI 模型”。新模型被命名为 Q*(音为「Q star」),“具备解决全新数学问题的能力。”
今天,斯坦福 HAI 研究所发布了第七个年度的 AI Index 报告,这是关于人工智能行业现状的最全面的报告之一。
金磊 发自 凹非寺 量子位 | 公众号 QbitAI 谷歌最新大语言模型PaLM 2,更细节内幕被曝出来了! 据CNBC爆料,训练它所用到的token数量多达3.6万亿。 这是什么概念? 要知道,在去年谷歌发布PaLM时,训练token的数量也仅为7800亿。 四舍五入算下来,PaLM 2足足是它前身的近5倍! (token本质是字符串,是训练大语言模型的关键,可以教会模型预测序列中出现的下一个单词。) 不仅如此,当时谷歌发布PaLM 2时,只是提到“新模型比以前的LLM更小”。 而内部文件则是将具体数
请大家放100个心,不要神话人工智能,科幻电影里的剧情以目前的技术发展来看,完全不可能!
机器之心报道 编辑:小舟、杜伟 近日,谷歌研究者提出一种名为「self-consistency」(自洽性)的简单策略,不需要额外的人工注释、训练、辅助模型或微调,可直接用于大规模预训练模型。 尽管语言模型在一系列 NLP 任务中取得了显著的成功,但它们的推理能力往往不足,仅靠扩大模型规模不能解决这个问题。基于此,Wei et al. (2022) 提出了思维提示链(chain of thought prompting),提示语言模型生成一系列短句,这些短句模仿一个人在解决推理任务时可能采用的推理过程。 现在
去年 2 月份,DeepMind 发布了编程辅助利器 AlphaCode。它使用人工智能技术来帮助程序员更快地编写代码,可以自动完成代码、提供代码建议并检查错误,从而提高编程效率。AlphaCode 的问世意味着 AI 在解决现实世界问题的道路上又迈出了一大步。
AIxiv专栏是机器之心发布学术、技术内容的栏目。过去数年,机器之心AIxiv专栏接收报道了2000多篇内容,覆盖全球各大高校与企业的顶级实验室,有效促进了学术交流与传播。如果您有优秀的工作想要分享,欢迎投稿或者联系报道。投稿邮箱:liyazhou@jiqizhixin.com;zhaoyunfeng@jiqizhixin.com。
量化投资与机器学习微信公众号,是业内垂直于量化投资、对冲基金、Fintech、人工智能、大数据等领域的主流自媒体。公众号拥有来自公募、私募、券商、期货、银行、保险、高校等行业30W+关注者。 公司介绍 上海鸣熙资产管理有限公司成立于2014年(私募投资基金管理人登记证P1033450),是一家依靠数学与人工智能进行量化投资的对冲基金,是国内知名的专注于股票、期货和期权高频交易机构。核心团队成员来自于DE shaw、 Morgan Stanley、Google、微软、北清复交等海内外知名公司和高校。鸣熙资产
我想告诉你们,卷积神经网络并不像听起来那么可怕。我将通过展示我在google sheets中制作的一个实现来证明它。这里有一些可用的内容。复制它(使用左上角的file→make a copy选项),然后你可以尝试一下,看看不同的控制杆是如何影响模型的预测的。
6月7日,星环科技公告称,拟定增募资不超过15.2亿元,用于数据分析大模型建设项目、智能量化投研一体化平台建设项目、数据要素安全与流通平台建设项目、AI知识助理建设项目、研发及运营中心建设项目。
Encoder-Decoder 模型主要是 NLP 领域里的概念。它并不特值某种具体的算法,而是一类算法的统称。Encoder-Decoder 算是一个通用的框架,在这个框架下可以使用不同的算法来解决不同的任务。
明敏 发自 凹非寺 量子位 | 公众号 QbitAI 不得不说,科学家们最近都在痴迷给AI补数学课了。 这不,脸书团队也来凑热闹,提出了一种新模型,能完全自动化论证定理,并显著优于SOTA。 要知道,随着数学定理愈加复杂,之后再仅凭人力来论证定理只会变得更加困难。 因此,用计算机论证数学定理已经成为一个研究焦点。 此前OpenAI也提出过专攻这一方向的模型GPT-f,它能论证Metamath中56%的问题。 而这次提出的最新方法,能将这一数字提升到82.6%。 与此同时,研究人员表示该方法使用的时间还更短
---- 新智元报道 编辑:LRS 【新智元导读】Google的新语言模型Minerva将AI做数学题的水平抬到新高度,而且工科领域如天文、几何、代数、机器学习统统不在话下。 用学「语文」的脑子能学好「数学」吗? 从Bert开始,到GPT-3, Gopher和PaLM,大型语言模型在各个自然语言处理任务上不断刷新成绩,创作个小作文、聊个天、写个代码都不在话下,可以说语言模型在大规模数据集下的自监督训练下已经能很好地模拟人类的语言能力了。 但定量推理(Quantitative Reasoning)
4月7日,据《华尔街日报》独家报道,xAI正在和投资者们进行洽谈,计划筹集高达30亿美元的资金,而其估值也极有可能飙升到180亿美元这一天文数字。而xAI才仅仅成立不到一年的时间,它无疑是马斯克的又一个“造富神话”。
今天突然看到prompt概念提出者刘鹏飞(现上交大副教授)在twitter上的消息:
人工智能在医疗方面已经得到广泛的应用。或许您最熟悉的还是AI系统对肿瘤的筛查以及对肿瘤良恶性的判断。但其实,AI的医疗应用不仅如此。例如,不为大众所熟知的,涉及到更为敏感的道德问题与严苛的法律的,AI在器官移植方面的应用。 以我国为例,根据计生委统计,我国每年需要器官移植的病人达 30 万人,而完成器官移植的仅有 1 万人。这一万名完成者中,有部分会因为排斥反应而不能移植成功,这一数字在肝移植患者中为1/3,不禁令人惋惜。 除却医学层面的科学问题,效率、匹配精确度、公平性等也是导致器官移植成功率不
OpenAI 的「真还传」剧情昨天迎来了大结局。但今天,事件主角 Sam Altman 又上了热搜。
中国科学院院士徐宗本是数学与信息科技的交叉融合研究专家,为数学与实际应用的结合做出了重大贡献。他在应用数学、稀疏信息处理、机器学习、大数据与人工智能数学基础等领域,创造了系统性与原创性的成果。这些成果在雷达感知、CT成像、5G通信等多个领域得到了广泛应用。
---- 新智元报道 编辑:好困 【新智元导读】近日,学而思官宣称,正在自研的数学大模型「MathGPT」,目前已取得阶段性成果。 近日,在各家大厂打得如火如荼的「ChatGPT大战」中,学而思也加入其中。 不过,学而思另辟蹊径选择的是自研数学大模型「MathGPT」,以数学领域的解题和讲题算法为核心,并且已经取得了阶段性成果。 对此学而思表示,基于该自研大模型的产品级应用预计会在年内推出,将面向全球数学爱好者和科研机构。 作为公司的核心项目,学而思早在今年春节之前就启动了相应的团队建设、数据、
在数学推理领域,大型语言模型(LLMs)的性能受限于高质量训练数据。为此,本文提出关键点驱动的数据合成(KPDDS)框架,它通过分析真实数据中的关键点和示例对来生成问答对。基于此框架作者创建了KPMath数学问题数据集,并通过与额外的推理密集型数据结合,形成了KPMath-Plus数据集。在KPMath-Plus上微调的Mistral-7B模型在MATH测试集上达到了39.3%的零样本PASS@1准确率,不仅超过了7B模型,还超过了34B模型。
本文为知乎答主,运筹学博士郝井华在「深度学习如何影响运筹学?」问题下的答案,AI 研习社获其授权转载。 这个问题比较前沿一些,原来看起来相关性不那么强的技术领域,机器学习 VS 运筹学,因为深度学习的发展和突破,变得联系越来越紧密了。本人是运筹学 PHD 出身,所以想从运筹学这个学科发展和演化的角度,谈一下自己的看法。 狭义的运筹学,往往特指采用 LP/MILP/MIP/QP/NP 等数学模型建模、采用精确算法/启发式算法在线求解并得到满意方案以及进行相关理论分析的一类技术。所以,运筹学最早是作为应用数学
编者按:智能技术必须要面对人性及其社会关系、环境中的生物、物理和化学现象所形成的复杂且动态的信息进行准确建模,而且这种建模必须在信息不完备、时间有限的条件下完成,这是这一代智能技术所面临的巨大挑战。
在Chain of Thought出来后,出现过许多的优化方案例如Tree of thought, Graph of Thought, Algorithm of Thought等等,不过这些优化的出发点都更加"Machine Like",而非"Human Like", 哈哈不是说机器化不好,仅仅是对AGI的一些个人偏好而已。
在围棋这个人类一直以来占据着优势的项目里,谷歌旗下DeepMind开发的人工智能(AI)AlphaGo已经先后击败了柯洁和李世石两位顶尖棋手。但说来难以置信,DeepMind开发的AI能打败人类世界棋王,却无法通过英国高中的数学考试。
机器之心整理 参与:杜夏德 运筹学的历史比 AI 和机器学习更悠久,但 AI 与机器学习又为它提供了一种机会,很多顶层的东西都是要靠优化,不管是学习还是刚才讲到的决策问题,都要有 OR (运筹学)的结合。 作为优化算法的基础,运筹学在第二次世界大战期间因英美两国配置资源的需求而发展起来。近些年,随着数据量大幅度攀升等科技环境的变化,运筹学得以快速发展,并广泛应用于零售、金融、物流等行业。正如运筹学顶级专家叶荫宇所说,运筹学的历史比 AI 和机器学习更悠久,但 AI 与机器学习又为它提供了一种机会,很多顶层的
机器之心原创 作者:蛋酱 数学大模型 MathGPT,专治大语言模型的「偏科」问题。 不做通用 LLM,不基于现有 LLM 做微调和接口调用,学而思自研的数学大模型 MathGPT 要来了。 这对于全世界的数学爱好者来说,都是个值得关注的好消息。 MathGPT 是面向全球数学爱好者和科研机构,以数学领域的解题和讲题算法为核心的大模型。据了解,学而思已将 MathGPT 定位为公司核心项目,由 CTO 田密负责,今年春节前,研发正在进行中,该项目已经启动相应的团队建设、数据、算力准备和技术研发。 进度方面
步骤一:发起交易 用户进入钱包,执行一个交易操作,他将一个加密货币或者一个token发送给另一个用户。 步骤二:进入交易池 现在这个交易被钱包广播,等待区块链上的矿工们来拾取它。在被拾取前,它会一直在“未确认交易池”中等待。 所有等待被处理的交易都会在未确认交易池中,未确认交易池不是网络上的一个巨大的池,而是很多小的分散在矿工本地的缓存池。 步骤三:确认待打包的交易 区块链网络上的矿工(有时叫节点)从未确认交易池中选择交易打包成数据块。除了一些额外的元数据外,数据块基本上就是交易数据(此时仍然是未确认交易)
著名科技计算软件公司Wolfram推出了自然语言版Wolfram Alpha Notebook Edition,通俗来说,这就是一个可以和它“说人话”的Mathematica。
大模型的竞赛,真是越来越精彩了。一直以来,这个市场的绝对主角就是OpenAI,它甚至抢走了谷歌、微软这些科技巨头的彩头。但OpenAI的王座并不稳固,一直有不同的挑战者向它发起冲击。
近几年随着各种数字资产的崛起数字资产量化交易系统(开发)也得到了一定的发展,比特币价格的猛涨以及区块链技术的大火,以及各方有关于区块链的有利消息的不断输出,数字资产以及区块链技术也不断的被大众熟知。也许菜市场的大妈都是一个数字资产的专家,在市场上除了以比特币、莱特币、以太坊为首的数字资产,还有许多不知名的数字资产在不断的崛起。
疑似接近AGI,因为巨大计算资源能解决某些数学问题,让Sam Altman出局董事会的导火索,有毁灭人类风险……这些元素单拎出哪一个来,都足够炸裂。
这个寒假,可以说是ChatGPT的狂欢,他不仅是技术人员科研路上的巨大突破,在教育领域也有无穷的可能
在人工智能领域,模型的性能和能力一直是人们关注的焦点。本周,Anthropic公司的最新力作--Claude3 AI模型的发布,无疑成为了业界的热点。其中Claude3系列最强模型Opus在领域知识理解、数学知识推理、常识推理、文本段落推理、阅读理解、代码生成、多任务推理等个方面都完虐业界标杆GPT-4,同时碾压谷歌的Gemini 1.0 Ultra。
唐旭 编译整理 量子位出品 | 公众号 QbitAI Google Sheets更新了。今早,Google旗下图表编辑应用Sheets的产品经理Daniel Gundrum在博客上发文,详细介绍了Google Sheets此次更新增加的新功能。其中最大的亮点,是机器学习在数据可视化上的进一步应用:现在,用户可以通过输入自然语言指令,来让系统自动生成合适的图表。 这一更新是通过Explore——Google的自然语言搜索系统来实现的。 Gundrum在原文中说: “Sheets中的Explore由机器学习驱动
前一章思维链基础和进阶玩法我们介绍了如何写Chain-of-thought Prompt来激活生成逐步推理,并提高模型解决复杂问题的能力,这一章我们追本溯源,讨论下COT的哪些元素是提升模型表现的核心?
柯洁被AlphaGo虐哭的场景,想必大家历历在目: 输到没脾气的柯洁,承认人类在计算力和认知上确实有极限,他是这样说的:“我不会再跟它去下棋了,真的是太残酷,太难以接受。从头到尾,我都看不到明显的胜机
机器之心报道 编辑:陈萍 AI 正在让搜索体验变得更加便捷。 昨天是百度,再往前有微软必应,由 ChatGPT 等大语言模型引发的 AI 变革正在进行中。 最近几个月,我们已经见识到各种 AI 工具被重新发明,微软先后将 Office 全家桶接入 GPT-4,最近又把必应和 ChatGPT 插件的能力全部注入到 Windows 系统。 与此同时,在搜索领域占据重要地位的谷歌也不甘落后,规划了自己的「反击策略」。在最近举行的 I/O 大会上,谷歌推出对标 GPT-4 的大模型 PaLM 2,并大幅更新 Cha
导语:GPT最大的问题就是它的回答可能是正确的,也可能是错误的,我们在无法分辨时就不能相信它说的话。本系统文章基于最新的GPT-4V版本,给出一些解决方案,让答案可信,从而让GPT可以真正的被用起来。
今天编辑部带来关于在基于金融时间序列的预测模型案例,我们将通过神经网络来增强一个经典的移动平均策略,并表明它真的是有所改善相对原策略。
有人看出这个程序是个无限递归程序。其实 - 这个程序不是递归程序 - 这个程序也不是无限死循环 因为startCatch()的调用并非在自身里面,而是在then传入的那个函数里面。至于程序何时退出,那就是访问出错的时候,即不存在文章地址的时候。
3月25日,吴恩达开了一个直播讲 A Chat with Andrew on MLOps: From Model-centric to Data-centric AI ,看完后深受启发,便随手写下一些笔记。
领取专属 10元无门槛券
手把手带您无忧上云