奇绩大模型日报（5月 24日）
输入“/”快速插入内容
奇绩大模型日报（5月 24日）
奇绩大模型日报（5月 24日）
用户150用户150
用户4513用户4513
用户1188用户1188用户5537用户5537用户8534用户85342024年5月24日修改
资讯
最强端侧多模态模型，Once More！
面壁小钢炮 MiniCPM 系列，再次推出最强端侧多模态模型 MiniCPM-Llama3-V 2.5，且支持 30+ 多种语言：
•
最强端侧多模态综合性能：超越多模态巨无霸 Gemini Pro 、GPT-4V
•
OCR 能力 SOTA，9 倍像素更清晰，难图长图长文本精准识别
•
图像编码快 150 倍！首次端侧系统级多模态加速
MiniCPM是以「以小博大」著称的旗舰端侧模型，也不断推新端侧多模态能力天花板—— MiniCPM-Llama3-V 2.5 实现了「以最小参数，撬动最强性能」的最佳平衡点。
MiniMax 闫俊杰：今天的 AI 应用都不会成为 Super App，但这不重要
和多数人一样，在看到 OpenAI 最新发布的「AI 智能助手」GPT-4o 时，MiniMax创始人兼 CEO 闫俊杰的第一感觉是「惊艳」。他也为那些演示效果着迷，如丝滑的语音交互、实时的视觉理解、语言捕捉甚至包括了「呼吸声」MiniMax 是行业少有的同时做模型、产品的公司。目前，MiniMax 是国内 AI 产品做得最出色的公司之一。其产品主要分为两类：一是「星野」代表的娱乐类，对标 Character.AI，目前处于国内领先位置；一是「海螺 AI」代表的效率类，对标 ChatGPT，尚在起步阶段、但是他目前最看重的产品。尽管 AI 在过去一年多引起了全球广泛关注，但它距离为普通人所用的未来还很遥远。闫俊杰做了一个演算，目前国内最好的效率类产品 DAU 只有 400 万、国外是 1000 万，这意味着 AI 在移动端的渗透率可能不到 1%。从业者们要做的努力还有很多。
李飞飞亲自撰文：大模型不存在主观感觉能力，多少亿参数都不行
近段时间，李飞飞开始把目光瞄准到这一领域，并为此创建了一家初创公司。她曾表示，「大自然创造了一个以空间智能为动力的观察和行动的良性循环。」她所在的斯坦福大学实验室正在尝试教计算机「如何在三维世界中行动」，例如，使用大型语言模型让一个机械臂根据口头指令执行开门、做三明治等任务。近日，李飞飞连同斯坦福大学以人为本人工智能研究所 HAI 联合主任 John Etchemendy 教授联合撰写了一篇文章，文章对 AI 到底有没有感觉能力（sentient）进行了深入探讨。
通用世界模型问世：不学习就能生成新领域视频，可实时控制
随着 OpenAI 今年 2 月发布 Sora，世界模型（World Model）再次成为了 AI 领域的热门。世界模型，即通过预测未来的范式对数字世界和物理世界进行理解，一直以来被认为是通往通用人工智能（AGI）的关键路径之一，与当前大模型推崇的智能体（Agent）方向互相区分。世界模型的研究促进了交互式内容的创建，并为有根据的、长期的推理提供了基础。当前的基础模型并不能完全满足通用世界模型的功能——大型语言模型（LLM）受到对语言模态的依赖以及对物理世界有限理解的限制，而视频模型（如 Sora）则缺乏对世界模拟的交互式动作控制。在 UC San Diego、穆罕默德・本・扎耶德人工智能大学（MBZUAI）等机构的最新研究中，人们通过引入 Pandora向构建通用世界模型迈出了一步。
从80个模型中构建Scaling Law：华人博士生新作，思维链提出者力荐
在 AI 领域，扩展定律（Scaling laws）是理解 LM 扩展趋势的强大工具，其为广大研究者提供了一个准则，该定律在理解语言模型的性能如何随规模变化提供了一个重要指导。但不幸的是，扩展分析在许多基准测试和后训练研究中并不常见，因为大多数研究人员没有计算资源来从头开始构建扩展法则，并且开放模型的训练尺度太少，无法进行可靠的扩展预测。来自斯坦福大学、多伦多大学等机构的研究者提出了一种替代观察法：可观察的扩展定律（Observational Scaling Laws），其将语言模型 (LM) 的功能与跨多个模型系列的下游性能联系起来，而不是像标准计算扩展规律那样仅在单个系列内。该方法绕过了模型训练，而是从基于大约 80 个公开可用的模型上建立扩展定律。但这又引出了另一个问题，从多个模型族构建单一扩展定律面临巨大的挑战，原因在于不同模型之间的训练计算效率和能力存在很大差异。