全部新闻
新系统扩展了用于机器学习的AI3基础架构
AI创新研究所（AI3）已使用NVIDIA HGX H100系统升级其计算资源，以更有效地处理复杂的机器学习问题。这些高性能设置具有八个NVIDIA HGX HGX H100 GPU和6TB的内存，可为各种领域提供更快的数据处理和高级计算，包括语言，视觉，医疗保健，教育，可持续性，可持续性和天气建模。临时AI3主管史蒂文·斯基纳（Steven Skiena）指出，该系统的大量使用了从事诸如骆驼和DeepSeek的尖端大语言模型的学生，促进了跨学科领域的研究，例如计算机科学，心理学和认知科学。
AI网络芯片初创公司Neye Systems筹集了5800万美元，由Alphabet的Capitalg Fund领导
Neye Systems是一家开发AI数据中心的光学网络芯片的初创公司，已筹集了由Alphabet的Capitalg领导的5800万美元的风险投资。该公司的芯片使用光而不是电信号来在AI芯片之间传输信息，旨在减少能源消耗并提高数据中心的性能灵活性。投资者包括M12（Microsoft的风险基金），Micron Technology和Nvidia。
通过运输激活来控制语言和扩散模型
###激活传输摘要（ACT）和线性效果**介绍：**大型生成模型的复杂性和部署量表日益增加，引起了人们对其可靠性，安全性和潜在滥用的关注。为了解决这些问题，研究人员提出了通过基于最佳运输理论转向激活来控制模型生成的方法。**激活运输（ACT）：** - **概述：** ACT是一个框架，可以对大生成模型（LLM）和文本到图像扩散模型的输出进行细粒度的控制。 - **机制：**它利用最佳运输理论来引导模型激活，从而在产生的输出中诱导或预防特定概念或行为。 - **优势：** - 模态敏捷：跨不同类型的数据模态（例如文本和图像）的作品。 - 可忽略不计的计算开销：与传统方法相比，需要最少的额外计算资源，例如从人类反馈（RLHF）或微调中学习的传统方法。**线性效果：** - **概念：** ACT的特定应用是一种干预措施，该干预措施解决了从生成的输出中删除不希望的概念的挑战。 - **在生成模型中的应用：** - ** llms（大语言模型）：** - 通过提供对模型输出的精确控制来减少资源密集型过程和微调。 - 示例应用程序： - 通过有针对性的调整提高文本生成质量，而无需重新训练整个模型。 - 管理与生产环境中用户期望的一致性。 - **文本到图像扩散模型（T2IS）：** - 启用对图像细节的细粒度控制，例如增量更改（例如，添加更多树，调整样式）。 - 示例应用程序： - 通过学习源和目标风格提示之间的激活传输图来控制艺术风格。 - 从生成的图像中删除不希望的元素，例如否定的概念（例如，“不要显示粉红色的大象”）。**示例场景：**1。**在T2i模型中删除不希望的概念：** - 源提示：包括要删除的概念（例如，“一屋和一棵带有粉红色大象的树”）。 - 目标提示：排除不希望的概念（例如，“房屋和树”）。 - 线性act学习从源到目标的传输地图，有效地隔离并消除了被否定的概念。2。**控制T2i模型中的艺术风格：** - 源提示分发：未修改样式的原始提示。 - 目标提示分发：样式修饰的提示（例如，“动漫”，“ cyberpunk”）。 - ACT了解这些分布之间的ot图，从而可以精确控制艺术风格。3。**增强LLMS中的文本生成：** - 通过应用线性动作干预措施，模型可以生成更加对齐和上下文相关的文本输出，而无需大量重新培训。**结论：**随着生成模型的能力不断增长，对其产出的细粒度控制对于确保可靠性和安全性变得越来越重要。ACT提供了一个强大而有效的解决方案，该解决方案跨越不同的方式，其开销最少，这是研究人员和从业人员使用大型语言模型和文本对图像扩散模型的宝贵工具。**进一步阅读：** - **论文：**有关激活运输（ACT）的详细技术见解，请参阅原始论文。 - **代码库：**《代码实施法》可用于公共使用和进一步开发。
Debug-Gym：AI代理可以减轻开发人员的调试负载吗？
人工智能编码工具的扩散是提高开发人员的效率，并提出了AI撰写大部分新代码的未来。GitHub首席执行官Thomas Dohmke预测，副副词像AI一样可以编写80％的新代码。Y Combinator的Garry Tan指出，对于其初创公司的四分之一，代码中有95％是由大语言模型生成的。研究人员介绍了Debug-Gym，以增强AI编码工具的调试功能，并使它们更具互动性和背景感知。DEBUG-GYM允许代理使用PDB之类的工具并与Sandboxed Docker容器中的存储库的完整信息进行交互。该工具旨在改善基于LLM的代理商在现实世界软件工程任务中的性能，从而促进有关交互式调试的研究。
宾厄姆顿大学建立AI和社会研究所 - 宾厄姆顿新闻
宾厄姆顿大学将利用美国最强大的学术研究计算机Empire AI建立一个从纽约州提供500万美元资金的AI和社会研究所。州长凯西·霍克尔（Kathy Hochul）强调了该计划的目标，旨在使学生为未来做好准备，同时通过AI促进公共利益。宾厄姆顿大学（Binghamton University）正在对大语言模型和反犹太主义检测进行研究。新研究所主任杰里米·布莱克本（Jeremy Blackburn）强调了增加计算能力在加速有关虚假信息和社交媒体问题的研究中的重要性。纽约大学联盟帝国AI旨在促进各个机构的跨学科合作。
Shopify的首席执行官刚刚大声说：AI将取代新的招聘 - 其他首席执行官只是不承认
Shopify创始人兼首席执行官Tobias Lutke指示员工在雇用新员工之前考虑使用AI，建议将AI评估为任何新角色的潜在替代方法。
中国领导欧盟和我们在科学中使用人工智能
欧盟委员会的一项分析表明，中国科学家已迅速将人工智能纳入他们的研究中，自2016年以来就超过了美国和欧盟的产出，新颖性和影响力。该研究分析了2000 - 2022年的300万篇论文，并在全球范围内发现了AI-Assisced科学出版物的显着增长，并且在全球范围内提高了率，并且在与25,000次竞争中的新闻率相比，在2022年中占据了25,000次的范围。分析警告说，AI驱动的研究警告说，偶然性和范式锁定的潜在风险。该报告要求更多的资金和基础设施加速在科学中采用AI，同时由于缺乏有关最佳实践的系统证据而敦促谨慎。
亚马逊首席执行官在年度股东信中列出了AI投资任务
亚马逊首席执行官安迪·贾西（Andy Jassy）认为，保持竞争力的大量AI投资是合理的，并指出改善客户体验至关重要。尽管今年亚马逊的股票下降了13％，但Jassy断言关税并没有影响消费者需求或公司的数据中心扩张计划。这封信还涉及包括可持续性和AI数据使用透明性在内的股东建议，但建议对所有建议进行投票。
为什么AI成为公司财务的“起搏器” |pymnts.com
AI正成为公司金融业务不可或缺的一部分，特别是在应付账款中，它可以使流程自动化并提高效率。PYMNTS Intelligence和Coupa的一份报告发现，超过80％的大型公司的首席财务官正在使用或考虑AI用于核心财务职能。尽管存在诸如系统兼容性问题和高度实施成本之类的挑战，但由于其能够增强对支出的实时可见性，优化预算，检测欺诈并提供预测分析的能力，财务管理中对AI的需求正在增长。公司正在经历诸如更好的支出可见度和减少付款错误之类的福利，并推动向AI驱动的财务管理转变。
即使低倍数，字母也无法摆脱AI的关注
Google的母公司Alphabet Inc.由于担心人工智能竞赛的落后以及对Chatgpt等竞争对手的市场份额的潜在损失，因此看到其股票表现不佳。尽管在全球市场份额约为89.6％的互联网搜索中保持了主导地位，但Alphabet的股票今年已下跌了近18％，超过了Microsoft和Meta平台等同行。该公司计划在AI基础设施上进行大量投资，但面临着使投资者对其搜索业务的未来的挑战，并将这些投资转化为增长。
