大模型日报

2024-04-14

大模型资讯

1. 研究警告：大型语言模型生成内容存在偏见

• 摘要: UCL的研究者领导的新报告指出，最流行的人工智能（AI）工具在生成内容时对女性存在歧视。该研究强调了AI在处理语言时的性别偏见问题，提醒人们关注和改进AI算法中的这一不公现象。

1. 2024-2030全球大型语言模型市场研究报告

• 摘要: 都柏林商业资讯报道，预计2024至2030年全球大型语言模型（LLM）市场将持续增长，其中100亿至2000亿参数的LLM细分市场发展迅速。研究覆盖了软件产品，包括领域特定和通用型大型语言模型。

1. Meta的OpenEQA基准测试显示现有视觉语言模型“几乎盲目”

• 摘要: Meta推出的OpenEQA基准测试结果表明，当前的视觉加语言模型（VLMs）未能有效利用可用的视觉信息。这一发现指出，尽管这些模型旨在结合视觉和语言数据，但它们在实际应用中对视觉内容的理解和运用远远不足。

1. Eagle与Finch模型在基于递归神经网络的语言模型中取得显著进展

• 摘要: Eagle (RWKV-5)和Finch (RWKV-6)模型在递归神经网络的基础上通过整合多头矩阵值状态和动态数据驱动的递归机制，实现了在自然语言处理领域的重大进步。尽管目前主流的Transformer架构存在计算复杂度高的问题，但这两种模型的创新改进为大型语言模型(LLMs)的发展提供了新的方向。

1. Gemini：大型语言模型领域的新星

• 摘要: 最新消息显示，一个名为Gemini的大型语言模型正在崭露头角，挑战现有的智能助手如Siri和Alexa以及ChatGPT。Gemini以其亮眼的表现，成为大型语言模型世界的焦点，预示着人工智能领域的新竞争格局正在形成。

1. 多语言大型语言模型的进展：创新与挑战

• 摘要: 随着多语言大型语言模型的发展，其在全球通信和计算语言学领域的影响日益显著。这些模型的创新不仅推动了语言技术的边界，同时也带来了新的挑战，比如模型的泛化能力、数据偏见和计算资源需求。这些进展对于打破语言障碍、促进信息交流具有重要意义。

1. Google AI推出Patchscopes：用于解释LLMs内部表示的自然语言方法

• 摘要: Google AI最近推出了一种名为Patchscopes的机器学习方法，旨在训练大型语言模型（LLMs）以提供其隐藏表示的自然语言解释。这项技术致力于解决理解和解释大型语言模型内部运作机制的挑战，有助于提高模型的透明度和可解释性。

1. Google推出RecurrentGemma：让边缘设备拥有高级语言AI能力

• 摘要: Google最新发布的RecurrentGemma模型，旨在减少硬件要求，使边缘设备、物联网(IoT)和智能手机能够实现实时文本处理。这一进步代表了将高级语言人工智能技术带入日常设备的重要一步，为用户提供更快、更智能的交互体验。

1. Meta在印度试运行AI聊天机器人

• 摘要: Meta公司正在为印度部分用户试点一款名为GenAI的聊天机器人。这项服务将跨其三大平台——WhatsApp、Instagram和Facebook Messenger推出。该AI聊天机器人旨在提供更智能的互动体验。

1. WhatsApp在印度等市场测试Meta AI聊天机器人

• 摘要: WhatsApp宣布正在印度及其他一些市场测试其基于大型语言模型的聊天机器人Meta AI。该测试旨在探索和改进WhatsApp平台上的人工智能交互体验，进一步提升用户沟通的便捷性和效率。

大模型产品

大模型论文

1. OpenBias：开放式文图生成模型偏见检测

• 摘要: 本文提出了OpenBias，一个新的流程，用于在文本到图像生成模型中检测和量化开放式偏见。该方法通过三个阶段，结合大型语言模型、目标生成模型和视觉问答模型，无需预先定义的偏见集，识别并评估偏见的严重性。

1. Any2Point：跨模态3D理解模型

• 摘要: 本文提出Any2Point，一种参数高效方法，使任意模态大型模型（视觉、语言、音频）能够进行3D理解。通过3D到任意模态（1D或2D）的虚拟投影策略，结合参数高效的微调适配器模块，提升了模型的3D学习效率和效果。相关代码和模型已开源。

1. 语言不平衡促进跨语言泛化

• 摘要: 研究表明，在多语言建模中，语言不平衡有助于提升少数语言的表现，并增强模型跨语言的表示对齐。实验发现，不对等的双语数据训练能够在规模增大时提高所有语言的性能。

1. 操纵语言模型提升产品曝光

• 摘要: 研究表明，通过向产品信息页添加策略性文本序列（STS），可以显著提高产品在大型语言模型（LLM）推荐中的可见性，可能影响市场公平竞争。

1. LLoCO: 长上下文学习方法

• 摘要: 本文提出了LLoCO技术，通过离线上下文压缩和领域内的参数高效微调，解决了大型语言模型处理长上下文的挑战。该方法能够将长上下文有效处理，显著提高长文本问答的速度和降低成本。

1. Ferret-v2:提升指代与定位能力

• 摘要: Ferret-v2通过灵活处理高分辨率图像、多粒度视觉编码和三阶段训练范式，显著提升了模型的指代和定位性能，优于原版Ferret及其他先进方法。

1. EduAgent: 在线学习的生成学生代理

• 摘要: 本文提出EduAgent，一种结合认知先验知识的生成代理框架，用于模拟在线教育中学生的动态学习行为。通过引入大规模精细注释数据集和认知科学理论，EduAgent能够模拟真实及虚拟学生的学习行为。

1. 多智能体大型语言模型的内容知识识别

• 摘要: 提出了一种基于多智能体大型语言模型（LLMs）的框架LLMAgent-CK，用于评估教师数学内容知识（CK）在专业发展（PD）系统中的覆盖情况，无需人工注释，提高自动识别方法的性能。

1. InfiCoder-Eval: 代码问答评测

• 摘要: 本文提出InfiCoder-Eval，一个大规模的代码自由形式问答（QA）基准测试，包含234个精选Stack Overflow问题，涵盖15种编程语言，旨在全面评估代码大型语言模型的问答能力。

1. 运用大型语言模型辅助人工智能风险标注

• 摘要: 本文讨论如何利用大型语言模型(LLMs)作为互动研究工具，促进人类编码员与AI的合作，高效地标注大规模在线风险数据。文章指出人工智能合作标注的优势与挑战，并提出未来研究方向。

大模型开源项目

1. Huggingface: 高质量TTS模型库

• 摘要: Huggingface项目专注于提供一个用于高质量文本到语音(TTS)模型的推理与训练库，该库使用Python编写，便于开发者使用和贡献。

1. Bisheng：开源LLM DevOps平台

• 摘要: Bisheng是一个用Python编写的开源LLM DevOps平台，旨在支持下一代AI应用的开发与运维。该平台以其灵活性和易用性，吸引了广泛关注。

1. aiXcoder-7B代码生成模型插件

• 摘要: aiXcoder-plugin官方仓库，包含基于大型语言模型aiXcoder-7B的代码辅助生成插件，使用Python语言编写，旨在提升编程效率。

1. AI工程应用框架：spring-projects

• 摘要: spring-projects是一个流行的AI工程应用框架，采用Java语言编写，旨在为AI开发提供强大的支持与便利性，助力开发者高效构建AI应用。

1. Azure：微软AI安全助手

• 摘要: Azure项目，即微软Copilot for Security，是一款基于生成式AI的安全解决方案。它能在遵守负责任AI原则的同时，提升安全防御者的效率和能力，以机器速度和规模改善安全结果。该项目使用PowerShell语言编写。

1. langgenius：开源LLM应用开发平台

• 摘要: langgenius是一款用TypeScript编写的开源LLM应用开发平台，Dify界面直观，集成AI工作流、RAG管道、智能代理、模型管理等功能，便于用户从原型快速转向生产。

1. Lightning-AI: 自训练部署大型语言模型

• 摘要: Lightning-AI是一个支持预训练、微调及部署20多种大型语言模型（LLMs）的项目。它使用了最先进的技术，包括闪电注意力、FSDP、4-bit压缩、LoRA等，全部采用Python语言编写。

1. OpenAI Whisper模型C/C++移植版

• 摘要: ggerganov项目是OpenAI的Whisper模型的C/C++语言移植版。该项目允许开发者在C语言环境中使用Whisper模型，便于集成到各种系统中。

1. miurla：AI驱动的答案生成引擎

• 摘要: miurla是一个使用TypeScript编写的AI答案引擎，具备生成式用户界面。它能够理解用户查询，并生成相应的答案，提供直观的交互体验。