AI时讯 20240807

英伟达全面开源GPU内核驱动，向开源社区再进一步

全面开源：英伟达宣布全面转向开源GPU内核模块，这是两年前宣布开源Linux GPU内核驱动的延续。

功能增强：新发布的开源驱动程序在不损失性能的基础上，新增大量功能，但旧版GPU可能无法兼容。

社区反响：开发者对英伟达的这一举动感到兴奋，期待通过社区贡献进一步提升驱动性能。

OpenAI发布最后一篇超级对齐论文：大小模型博弈提升内容可读性

OpenAI的研究团队通过让大小模型相互博弈，实现了生成内容可读性的提升，同时保证准确率。

该方法受到“证明者-验证者”博弈的启发，大模型作为“证明者”，小模型作为“验证者”，通过相互较量提高输出内容的可读性和准确性。

研究成果表明，采用博弈式训练方法可以在高准确率和高可理解性之间取得平衡，提高人类对模型输出的判断准确率和速度。

GitHub星标超16万，爆火AutoGPT进阶版发布：定制节点与多智能体协同

AutoGPT项目在GitHub上的星标总数已超16万，显示出其受欢迎程度。

新一代AutoGPT发布了Pre-alpha版本，旨在简化构建、运行和共享AI智能体的过程，并提高可靠性。

项目支持多智能体协同工作，用户可设计图表让多个专家智能体共同解决问题，且即将发布的SubGraphs将简化复杂图表处理。

谷歌Gemini升级：Android设备锁定状态也能问答

谷歌生成式AI助手Gemini升级，可在Android设备锁定状态下回答提问。

原先Gemini功能限于基本操作，新功能允许用户在不解锁设备下获得答案。

更新内容包括“Gemini在锁屏状态”选项，提供个性化选择。

Anthropic与Menlo Ventures合作成立1亿美元AI基金

Anthropic与Menlo Ventures联合成立名为“Anthology Fund”的1亿美元基金，用于投资AI初创公司；

Menlo Ventures是Anthropic的最大投资者之一，已投资逾7.5亿美元；

Anthology Fund将向初创企业提供10万至25万美元的信用额度，以使用Anthropic的模型。

只激活3.8B参数，性能比肩同款7B模型！训练微调都能用

微软亚洲研究院的新研究成果Q-Sparse，能够以仅60%的参数激活达到与全激活7B模型相当的性能，有效减少推理成本。

该方法在神经元级别实现模型稀疏化，利用Top-K函数和直通估计器(STE)优化前后向传播，不仅适用于新模型训练，也兼容继续训练和微调场景。

通过实验与研究，Q-Sparse揭示了稀疏激活模型的性能缩放定律，指出最优稀疏率在不同精度模型间存在差异，为推理优化提供了新的理论依据。

上海AI Lab发布LLaMAX：3.5万小时A100训练，掌握百种语言翻译

上海人工智能实验室（Shanghai AI Lab）发布了LLaMAX，通过3.5万小时的A100 GPU训练，使大模型掌握了100多种语言的翻译能力。

LLaMAX在多语言翻译任务上表现出色，尤其在低资源语言上性能显著提升，与传统翻译工具和现有多语言模型相比具有明显优势。

LLaMAX的研究团队采用了持续预训练、数据增强、平行语料处理策略优化等方法和技术创新，实现了模型在多语言处理方面的突破。

AI教母李飞飞创业3月打造10亿美元独角兽，引领空间智能革命

李飞飞创业成就：斯坦福大学教授、AI教母李飞飞创业仅3个多月，其空间智能初创公司World Labs估值已超10亿美元，迅速成为行业独角兽。

投资与理念：World Labs获得顶级科技投资者a16z和Radical Ventures等注资，致力于贯彻李飞飞的空间智能理念，推动机器理解三维环境，提升与物理世界的互动能力。

学术与商业结合：李飞飞将多年的人工智能研究与商业化相结合，旨在创造能理解复杂物理世界、执行日常任务的AI系统，体现了其以人为本的科研理念。

基于Transformer的新方法，可从纳米孔测序中准确预测DNA甲基化

新加坡A*STAR研究人员开发了一种名为Rockfish的深度学习算法，通过纳米孔测序显著提高读取级5-甲基胞嘧啶检测能力；

Rockfish模型依赖于原始纳米孔信号、核碱基序列和比对信息来检测5mC修饰，并在多个数据集上进行训练和测试；

该方法在预测准确率、计算效率和生物学重要区域的置信度方面表现优异，但尚无法区分5mC和5hmC甲基化。

A16Z对话Inngest创始人：开源与商业化的平衡艺术；AI作为效率助手的未来展望

Inngest的使命与AI的辅助角色：Inngest旨在简化开发者使用生成式AI工具，其创始人Tony Holdstock-Brown强调了AI不应成为业务核心，而应作为辅助功能提高特定任务的效率。

开源与建立可持续公司的对立：Tony分享了在Docker的工作经验，指出开源模式与建立可持续公司之间的矛盾，并认为这影响了当前的开源生态系统。

生产环境中AI的挑战与未来：讨论集中在生产环境中运行AI应用的挑战，如工作流执行、资源分配，以及对AI的未来发展持乐观态度，特别是在与开发工具结合方面。