最近在全世界掀起了一股ChatGPT的热潮,在百度上解释 ChatGPT是,ChatGPT(全名:Chat Generative Pre-trained Transformer,生成式预训练模型),是美国OpenAI公司研发的 聊天机器人程序,于2022年11月30日发布。ChatGPT是人工智能技术驱动的自然语言处理工具,它能够通过理解和学习人类的语言来进行对话,还能根据聊天的上下文进行互动,真正像人类一 样来聊天交流,甚至能完成撰写邮件、视频脚本、文案、翻译、 代码,写论文等任务。
总之,世界上公认ChatGPT已经具备很高的智能性,已经基本上等同或者超过人工智能标准——“图灵测试”的能力。将在文档智能生成的办公应用领域里,可能会大量地替代“OFFICE白领的工作”。现在开始引发了人类对ChatGPT发展的一定忧虑,报道前几天有1000名硅谷科学家联合签名呼吁暂停6个月ChatGPT系统的研发进度。
ChatGPT至今还没有一个中文翻译的名字,综合当前的大量报道,我给它翻译为“巨灵机”。或者精确地说,GPT是“巨灵机”,而ChatGPT中文翻译的名字为“字符型巨灵机”。那么,下一代的“巨灵机”是什么?
“图像型巨灵机”。
2023年4月3日撰写于明月苑
好文章,需要你的鼓励
这项研究由浙江大学、复旦大学等机构联合完成,提出了ReVisual-R1模型,通过创新的三阶段训练方法显著提升了多模态大语言模型的推理能力。研究发现优化的纯文本冷启动训练、解决强化学习中的梯度停滞问题、以及分阶段训练策略是关键因素。ReVisual-R1在各类推理基准测试中超越了现有开源模型,甚至在某些任务上超过了商业模型,为多模态推理研究开辟了新途径。
这项研究提出了一种名为"批评式微调"的创新方法,证明仅使用一个问题的批评数据就能显著提升大语言模型的推理能力。研究团队对Qwen和Llama系列模型进行实验,发现这种方法在数学和逻辑推理任务上都取得了显著提升,平均提高15-16个百分点,而且只需要强化学习方法1/20的计算资源。这种简单高效的方法为释放预训练模型的潜在推理能力提供了新途径。
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。