未来科技
-
AI时代，欧盟会复制下一个GDPR吗？
横向立法模式
如同GDPR一样，欧盟《人工智能法》采取了横向立法模式，即适用于所有投放于欧盟市场或者在欧盟可使用的AI。//www.consilium.europa.eu/en/press/press-releases/2023/12/09/artificial-intelligence-act-council-and-parliament-strike-a-deal-on-the-first-worldwide-rules-for-ai/
[2]Bradford，。 -
巨头AI，受困于巨头垄断
我直接就是一个：
这个需求当然是真实的，但我其实不只有这个需求需要本地部署。
实际上，目前日常使用过程中，让我使用体验下降的，是以下一些场景：
ChatGPT。
但如果飞猪和携程推出了一个这样的问答式生成行程与订单的旅行。
因为规划行程还有一个前置步骤，就是我要去小红书搜索目标地点到底有啥好玩的。
它甚至应该能做到，在微信里读到了一个抖音链接，它会自动选择复制，打开抖音，而不是直接点击链接。
-
黄仁勋的富贵，越南能接住吗？
根据越南通信社的报道，在越南计划与投资部举办的半导体和人工智能会议上，黄仁勋表示，英伟达希望将越南建设成公司的“第二故乡”，并将在越南设立法人实体，改善当地的人工智能基础设施和人员技能。
数据来源：中国半导体产业协会
考虑到封测产业是一个典型的劳动密集型产业，如果外资持续加码越南，可能会对国内封测端带来一定影响。
-
2023年的Fintech行业，因AI涌现了哪些有趣变化？
2023。
AI。产品现状：新品类层出不穷、赛道格局远未固化
ChatGPT。产品进行细致分析，得出以下结论：
其一，大多数头部。
上榜产品可以分为。
AI。
二、Fintech。
AI。公司有了新的可能：
安全领域。
三、AI。行业机遇都被老牌和新秀公司紧紧抓住：
David。
一些人认为，Fintech。
-
成立仅半年的AI公司，怎么成了OpenAI最大劲敌？
新晋AI独角兽，180天翻7倍
2023年5月，Mistral。
在经过这场种子轮之后，Mistral。
开源模型新王者，逼近GPT-4
而Mistral。
相较于OpenAI的封闭式GPT-3.5以及Meta的Llama2家族，Mixtral。
与此同时，Mistral。很多企业不想将敏感数据放入到类似OpenAI这种封闭的“黑匣子”系统，这也让Mistral。
-
定增募集资金频被用来“补流”，欧菲光是否“很差钱”？
据欧菲光此前披露的《关于2023年半年度募集资金存放与使用情况的专项报告》，2021年的定增实际募集资金净额为35.15亿元，扣除2022年已经使用的20亿元补充流动资金，那么截至2023年6月30日，募集资金余额应为15.58亿元（包括累计收到的理财收益、银行存款利息扣除银行手续费的净额），但实际募集资金专户余额仅为9.08亿元。
-
被冤枉的李开复，被“错付”的中国开源
一场社区争论，成了捅向零一万物的“刀”
Joséphus Cheung 是在零一万物“套壳”事件中，受到关注较多的一名开发者。在 Hugging Face 的社区，他和前文提到的 Eric Hartford 爆发了一场带着火药味的争论。
Eric Hartford 称零一万物修改张量名就好，其他的没毛病。而 Joséphus Cheung 则认为零一万物此举违反了 LLaMA 的开源协议，是个大问题。
双方的激辩因为 Transformer 核心贡献者、Hugging Face 工程师 Arthur Zucker 及其他开发者的介入而终结，大家回复 Joséphus Cheung 道，LLaMA 的开源协议主要限制了模型权重，而不是模型架构，所以零一万物的 Yi-34B 并未违反开源协议。
有趣的是，这场公开的争论传回国内时就变了味。
-
AI对齐AI，OpenAI让GPT-2监督GPT-4
//cdn.openai.com/papers/weak-to-strong-generalization.pdf
OpenAI“超级对齐”团队成立于今年。
但研究同时指出，用弱监督训练的强模型和用真实标签训练的强模型之间仍然存在很大的差距。
因此，如果我们在人类的监督下微调超级模型，我们无法确定这个模型将如何泛化到那些人类自己也难以可靠监督的复杂行为。
-
假如董宇辉是个AI
因此，对东方甄选这种高度依靠内容壁垒，对每一个带货主播的个体知识积累、人文素养、学习能力和“涌现”能力都有着更高要求的电商公司而言，有一个董宇辉式的基础大语言模型，再赋予不同的主播不同偏好、擅长领域和人格特质，接受不同类型的特定语料的监督调优，形成多重人格的不同分身，是一个让优势可以批量复制，避免身家性命系于一人的办法。
-
这一次，谷歌成功将压力给到了OpenAI
装箱问题中，FunSearch比传统方式（左）更高效，可以用更少的箱子装入同样数量的物体
并且最重要的是，FunSearch给出的解法并不是一个“黑箱”，而是一个解决问题的程序，也就是说，FunSearch是真正的“授之以渔”，这对于科学家们来说是极为重要的突破。
值得一提的是，FunSearch和研究人员还可以相互协作解决问题，FunSearch给出的程序有很好的可解释性，这为研究人员提供了有价值的参考，研究人员借此获得了对问题的新洞察，改进引入到FunSearch中的问题，从而让FunSearch找到更好的解法，形成这种良性循环。
