OpenAI 封禁用 AI 伪造 ChatGPT“俄罗斯水军”报错信息的账号
OpenAI 封禁了一个很可能源自美国的账号,该账号用 AI 生成虚假的 ChatGPT 报错信息,声称能检测“俄罗斯水军”活动。
OpenAI 封禁了一个很可能源自美国的账号,该账号用 AI 生成虚假的 ChatGPT 报错信息,声称能检测“俄罗斯水军”活动。
Hugging Face 发布 BenCzechMark,首个面向捷克语的大语言模型综合评测套件,包含 50 个任务、9 个类别,其中 90% 为原生非翻译内容。配套榜单已收录超过 25 个不同规模的开源模型,任务覆盖阅读理解、事实知识、语法错误检测、数学推理、自然语言推理、命名实体识别与情感分析等,并采用 Acc、EM、AUROC、Ppl 等指标评估。
OpenAI 封禁了一批源自卢旺达的账号,这些账号在该国选举前使用 AI 生成党派性评论内容。
OpenAI 封禁了名为“A2Z”的账号网络,这些账号利用 AI 生成涉及选举、乌克兰和政治的多语言影响力内容,并发布到多个平台。
OpenAI 封禁了一批利用 AI 生成针对俄罗斯反腐基金会及相关人物批评评论的账号。
OpenAI 封禁了伊朗来源的 STORM-2035 账号,这些账号利用 AI 生成美国和英国选举相关内容并发布到多个网站。
OpenAI 发布文章,介绍如何将 AI 投入实际工作以自动化和扩展财务运营。内容聚焦财务流程的自动化与规模化,但原文未披露具体模型版本、参数或性能数据。
Hugging Face 发布教程,介绍如何把 InstantMesh 等生成式 3D 模型输出的顶点着色网格转换为 UV 贴图纹理网格。教程提供 InstantTexture 库,一条 pip 命令即可将顶点着色的 .obj 网格转换为带纹理的 .glb 文件,并详解用 xatlas 生成 UV 贴图、重心坐标插值填充纹理,再经修复、中值滤波、高斯模糊和降采样消除空洞的完整流程。
OpenAI 推出基于 GPT-4o 构建的新多模态审核模型,可更准确地检测有害文本和图像,帮助开发者构建更稳健的审核系统。该模型已用于升级 Moderation API。
明尼苏达州企业翻译办公室借助 ChatGPT 弥合语言鸿沟。
OpenAI 与 GEDI 宣布建立战略合作,把意大利语新闻内容带入 ChatGPT。双方未披露具体上线时间与内容范围。
Meta 发布 Llama 3.2 系列共 10 个开放权重模型,包括 5 个多模态模型和 5 个纯文本模型,均已上线 Hugging Face。
推荐理由:Hugging Face 与 Meta 同步放出 10 个开放权重模型,并给出端侧运行与单卡微调的具体路径。
Mercado Libre 推出 AI 开发平台 Verdi,由 GPT-4o 驱动。该平台面向开发者,具体功能与可用性细节尚未披露。
Hugging Face 的 Daily Papers 页面已收录超 3,700 篇论文、订阅者超 12k,作者可一键认领论文并关联到自己的账号。用户还能提交论文、在评论区与作者直接对话,并通过 @librarian-bot 获取相似论文推荐。页面支持多语言评论与翻译,并可将论文关联的模型、数据集和 demo 集中展示。
Hugging Face 发布 FineVideo,一个包含 43k 条视频、3.4k 小时的开源视频数据集,标注了丰富描述、叙事细节、场景切分和 QA 对。
推荐理由:原文完整披露了从 1.9M 视频筛选到 43k 条标注数据的过滤、分类与标注流程,可迁移到自建视频数据集。
Hugging Face 与 Intel 合作的 Optimum-Intel 支持将 Transformers 模型导出为 OpenVINO IR,并通过 OpenVINO GenAI 的 LLMPipeline 在 C++ 或 Python 中部署。
生物技术公司 Genmab 启动“AI Everywhere”计划,全面采用 ChatGPT Enterprise,并获 OpenAI 在安全与隐私方面的支持。
Hugging Face 团队探索出把已有模型微调到 1.58bit 的方法,无需从零预训练。他们用 BitNet 架构微调 Llama3 8B,其中两个模型在 10B tokens 上微调、第三个在 100B tokens 上微调,模型以 HF1BitLLM 组织发布,在 MMLU 上超过 Llama 1 7B。
推荐理由:原文给出把已有 Llama3 8B 微调到 1.58bit 的完整流程与踩坑记录,可迁移到其他模型的低比特微调。
OpenAI 与巴西合作,利用 GPT-4 改善当地教学与学习。该举措面向教育场景,旨在提升教师教学与学生学习效果。
Mistral 宣布 la Plateforme 推出免费额度,并对全线模型降价,其中 Mistral Small 与 Codestral 输入输出价格均下调 80%,Mistral Large 下调 33%。
推荐理由:Mistral 一次性公布免费额度、全线降价与新小模型,读者可据此判断其 API 成本与自部署选择。
Mistral AI 发布 Pixtral 12B,一个原生多模态模型,采用从零训练的 400M 参数视觉编码器和基于 Mistral Nemo 的 12B 多模态解码器,支持可变图像尺寸与宽高比,可在 128k token 上下文窗口中处理任意数量图像。
推荐理由:官方给出 Pixtral 12B 的架构、基准与部署方式,可据此判断开源多模态模型在文档与图表任务上的位置。
Hugging Face 在 Hub 的每个数据集上新增 SQL Console,点击即可在浏览器内用 DuckDB WASM 直接查询数据集,无需后端依赖。支持完整 DuckDB 语法、结果导出为 parquet,并可通过链接分享公开数据集的查询结果;内存上限约 3GB,暂不支持 hf:// 协议。
OpenAI 发布安全与安保实践更新。该更新涉及其在安全与安保方面的做法,具体内容未在原文中展开。
Hugging Face 在 HuggingChat 上线 Community Tools,用户可以把 Hugging Face 上任意公开 Space 转成模型可直接调用的工具,并借此扩展 HuggingChat 的多模态能力,用于理解图像、生成视频或文本转语音。
推荐理由:官方给出把任意 Space 变成 HuggingChat 工具的具体步骤,读者可据此把图像、视频、语音和 RAG 能力接入对话。
Hugging Face 发布 Accelerate 1.0.0 首个候选版本,可通过 pip install --pre accelerate 或 Docker 镜像试用。
推荐理由:Accelerate 1.0 候选版发布,梳理了新增的 FP8、DeepSpeed 多模型编排等能力与迁移改动,便于评估升级成本。
OpenAI 发布 o1 模型,原文页面标题为 Introducing OpenAI o1,正文内容未能抓取。
OpenAI 发布 o1-mini,官方将其定位为在推理能力上追求成本效率的模型。
OpenAI 公布了 o1 模型的贡献者名单。o1 是 OpenAI 推出的推理模型系列。
Cognition 联合创始人兼 CEO Scott Wu 解释了 OpenAI o1 如何以更接近人类的方式做出编程决策。
遗传学家 Catherine Brownstein 展示了 OpenAI o1 如何加速罕见医学难题的诊断流程。该演示聚焦于将 o1 用于基因诊断场景,以缩短罕见病的诊断耗时。
量子物理学家 Mario Krenn 使用 OpenAI o1 帮助回答生命中最重大的问题。
经济学家 Tyler Cowen 解读 OpenAI o1 如何解答复杂的经济学问题。
OpenAI 基于数百次成功部署经验,总结出让 AI 投入实际工作的方法。内容聚焦企业落地 AI 的实践教训,而非新模型或产品发布。
Ada 借助 GPT-4 提升客户服务标准。该案例展示了 GPT-4 在客户服务场景中的应用,用于交付新的服务水准。
Hugging Face 提出 LeRobotDataset 格式,用视频编码存储机器人数据集的视觉模态,平均体积仅为原始版本的 14%,最佳情况可低至 0.2%,同时保持完整训练能力。解码单帧耗时与加载压缩图片相当,连续多帧解码仅需其 25%-50%,并原生集成 Hub 与可视化工具。
亚利桑那州立大学(Arizona State University)在全校范围采用 ChatGPT,用于个性化学习、推进研究并帮助学生为未来做准备。
OpenAI 举办 GPT-4o 微调网络研讨会,面向开发者讲解如何对 GPT-4o 进行微调。
Hugging Face 博客盘点了 Hub 上 5 个常被忽视的工具:ZeroGPU、多进程 Docker、Gradio API、Webhooks 和 Nomic Atlas。
Hugging Face Transformers 新增 DataCollatorWithFlattening,使无填充的打包指令微调与 Flash Attention 2 兼容,训练吞吐最高提升 2 倍且不损失收敛质量。
OpenAI 宣布 GPT-4o 现已支持微调。