未来科技

我们不罢休，跟着推特网友学，从桌面切换到手机APP又试了一次，这回得到了截然不同的神奇答案：

概括来说，“gpt-4.5-turbo”模型是GPT-4系列的一部分，在其前身的基础上进行了改进，提供了更好的语言理解、更长的上下文窗口、能胜任更复杂的任务查询，达成速度、效率和先进AI能力的最佳平衡。似乎之前的拉胯正是为了全新的GPT-4.5做准备，又或者OpenAI团队急于解决模型变懒的问题，于是使用GPT-4.5生成的数据去训练GPT-4，使得现在的GPT4-4被渗透自称是4.5。

例如，假设我们在教某个学科，要回答学生的问题，如果直接把模型的所有推理思路都告诉学生，学生就不用自己琢磨了，

所以我们可以用“内心独白”这个策略：先让模型自己完整地思考问题，把解决思路都想清楚，然后只选择模型思路中的一小部分，用简单的语言告诉学生。

参考黄金标准答案评估模型输出

假设我们面对一个问题，需要给出答案。

小一些的模型和大一些的模型当然不总是竞争关系，“大模型可以成为小模型的基座”这是很多人已经达成的共识，但在这个观点之下更底层的关系在于，较小的模型离用户更近，较大的模型走得更远，以小驭大，让人类走得更远。 

个人用户基于GPT大模型搭建属于自己的GPT应用，也是典型的以小模型驾驭大模型，毕竟，小模型更懂你，大模型更全能。

得益于地理位置、人口红利、制造能力及快速增长的经济，马来西亚已吸引大量国际半导体厂商布局，其中不乏英特尔（Intel）、英飞凌（Infineon）、意法半导体（ST）、恩智浦（NXP）、德州仪器（TI）、安森美（ONsemi）等半导体巨头。同时，精通多种语言也是我们的优势之一，马来西亚的华裔可以协助中企在马来西亚的项目落地，中资可更多地参与马来西亚产业转型

当然，对于国产厂商来说，马来西亚也并非六边形战士，目前，萦绕在马来西亚半导体现今的问题包括：

第一，人才危机。

以下是虎嗅整理的市面上主要PC厂商，今年以来披露的关于AIPC主要战略和动作：
 

我们先看最重要的一个关键词：2024。
 
由此可见，下一阶段，能否在PC上装进一个大模型，且能够在边缘私域环境下实现个人大模型的微调训练，成为判断AI。
 
对于用户来讲，在PC上训练出一个更贴近我们行为习惯的大模型，使其成为自己的分身双胞胎也是实现革命性AI体验的关键。

”根据框架设计，针对开发中的前沿模型，将由“准备（Prepareness）”团队负责模型发布之前识别和量化风险。

针对既有的、更前沿的和未来的超级智能模型，分别有三个团队负责其安全风险的识别和报告。

我们可以看到记分卡上，抽象的“灾难性风险”被进一步量化为四个类别的风险：网络安全、说服力（例如，虚假信息）、模型自主性和。

有网友说，其实自始至终都只有一个AI，是在演给人类看呢。

其实早在今年3月，谷歌就曾曝出Bard的训练数据部分来自ChatGPT，因为这个原因，Bert一作Jacob。

此外，也有网友认为是Gemini的训练数据没有洗干净。

模型在学习新信息时会忘记以前的样本，这就是灾难性遗忘

在下图中，假设人工整理的数据开始是干净的，然后训练模型0，并从中抽取数据，重复这个过程到第n步，然后使用这个集合来训练模型n。

不过，静电其实不止摩擦起电一种，而静电在有些场合，带来的危害可远远不只烦人了，但妥善利用的话，静电又能为人类服务，接下来咱们就详细讲讲。

摩擦起电，并不简单

生活中最常见的静电是摩擦起电，也是平时把大家折磨得最惨的一个。

静电可不只是擦出来的

摩擦能生静电，但能生静电并不只靠摩擦。

善用静电

虽然大多数静电有害无益，但如果善加诱导，让它按照我们的意志行事，就能创造价值。

所以，OpenAI认为，超级对齐有三个基准：第一个是较弱的模型（比如未来的人类、较弱的AI系统），它有一个性能表现基准，还有一个强的AI模型的性能上限基准。

下图是总结：

第一行是GPT-2的基准，最后一行是GPT-4的上限（基于RLHF），绿色是直接使用GPT-2生成的数据微调基座GPT-4之后GPT-4的性能，紫色是OpenAI改进了由弱到强的微调方法后GPT-4恢复的性能。

NIF用激光实现了这个惯性约束核聚变的过程，具体是这样的：

NIF将聚变材料设计成一个小小的靶丸，靶丸经过激光照射后，会在表面形成一个等离子烧蚀层，这个等离子烧蚀层经过加热后爆炸，形成向内的冲击波，使得靶丸中心形成高温高压的环境。

国际上通常认为，可控核聚变真正能开始商业发电，Q值至少要达到10，而在磁约束聚变，也就是托卡马克路线上，由欧洲联合环反应堆（JET）所保持的Q值记录是0.67.

现在，我想大家应该能明白NIF的这个研究，在核聚变发电的历史进程中到底是个什么地位了。