📣📣📣视觉智能开放平台子社区建立新版块——AI热点日报～

我们汇总了世界各地最具影响力的AI项目、研究成果和创新应用的信息，为读者带来前沿的科技资讯。无论你是科技爱好者、人工智能从业者或者只是对未来科技趋势感兴趣的读者，我们都致力于满足你的需求。通过简明易懂的报道和深入的分析，本系列文章将带你领略未来的畅想，了解人工智能正在如何改变我们的生活和社会。

不容错过的每一期，让我们与科技同行，共同探索AI的无限可能。

🌈热点内容直通车

1. 微软 Ignite 全球技术大会 11 月 15 日举行，全面拥抱 AI

微软宣布，将于 11 月 15 日 - 17 日举行 Microsoft Ignite 全球技术大会。

据介绍，在本次技术大会上，全球顶级技术专家及合作伙伴将汇聚一堂，围绕三大热点议题展开讨论：

• 如何将 AI 功能全面渗透进工作环境中
• 如何保护您的基础架构安全
• 如何管理数据和商业应用

本次大会的主要内容就是围绕 AI 展开，包括 Microsoft 365 Copilot、Security Copilot 等。

2. 智谱AI推出第三代基座大模型和新一代AI助手

     智谱AI在2023中国计算机大会（CNCC）上推出了全自主研发的第三代基座大模型ChatGLM3，其多模态理解、代码增强、网络搜索等模块有了大幅度的提升。此外，智谱AI还发布了新一代生成式AI助手智谱清言，可支持图像处理、数学计算、数据分析等多种使用场景。据介绍，ChatGLM3在44个中英文公开数据集测试中，排名国内同尺寸模型中的第一位。

     ChatGLM3集成了智谱AI自主研发的AgentTuning技术，激活了模型的智能体能力，尤其在智能规划和执行方面，相比于ChatGLM二代提升了1000%。此外，ChatGLM3还推出了可手机部署的端测模型ChatGLM3-1.5B和ChatGLM3-3B，支持多种手机和车载平台，可在移动平台上的CPU芯片上进行推理，速度可达20 Tokens/s。在精度方面，ChatGLM3-1.5B和ChatGLM3-3B在公开Benchmark上与ChatGLM2-6B模型性能相近。

3. 波士顿动力机器狗变“导游”：接入ChatGPT对答如流

     波士顿动力公司通过将ChatGPT、Spot以及其他AI模型相结合，开发了一种会说话的导游机器狗。这种机器狗可以用英国口音与员工聊天，带他们参观公司的设施。机器人能够回答问题，甚至可以张开“嘴巴”，让它看起来像是真的在说话。此外，该机器狗还能够根据文字、语音提示与人类进行交谈，并提供视觉问答功能，可以分析摄像头拍摄的画面，自动生成图像说明。波士顿动力还安装了一个扬声器，增加了文本转语音功能。为了让机器狗具备拟人化动作，例如点头和伸脖子等，使用了Spot的点臂和夹具相机，并使用一台电脑作为机器狗的控制大脑，并通过Spot SDK与其实现数据交互。

📖新鲜论文早知道

Google DeepMind｜基于大型语言模型的创造性机器人工具使用

基于大型语言模型的创造性机器人工具使用

• 提出RoboTool，一个基于大型语言模型的创造性机器人工具使用系统。
• RoboTool包含四个关键模块：分析器、规划器、计算器和编码器，可以处理含模糊物理约束的长时间规划任务。
• 可以识别环境和机器人约束，并创造性地使用工具解决无法直接完成的任务。
• 在模拟和实物试验中，RoboTool可以灵活选择、顺序使用以及制造工具，解决需要创造性使用工具的任务。
• 与多个基准对比表明，RoboTool显著提高了在需要创新工具使用的任务上的成功率。

动机：研究如何赋予机器人创造性使用工具的能力，以解决涉及隐含物理约束和长期规划的任务。

方法：利用大型语言模型(LLM)，开发了名为RoboTool的系统，可以接受自然语言指令并输出控制机器人的可执行代码。

优势：与传统的任务和运动规划(TAMP)方法相比，基于LLMs的系统提供了更灵活、高效和用户友好的解决方案，能处理复杂的机器人任务。

通过利用大型语言模型(LLM)开发了RoboTool系统，实现了机器人对工具的创造性使用，为复杂的机器人任务提供了灵活、高效、用户友好的解决方案。

https://arxiv.org/abs/2310.13065

🔥开源模型先体验

“最强7B开源模型”Mistral

“欧洲OpenAI”的“最强7B开源模型”Mistral，它各方面的测试指标全面超越了13B的Llama2，甚至让一众网友觉得羊驼不香了。

Mistral不仅全面战胜了13B Llama2，在数学、代码和推理方面，34B的Llama1也不是Mistral的对手。在推理任务上，Mistral的表现更是直逼10倍参数量的Llama2-70B。但Mistral消耗的资源却很少，只需要6GB显存，MacBook就能流畅运行。为了用更少消耗达到更好的效果，Mistral可谓是使出了浑身解数。

微调教程：
https://wandb.ai/byyoung3/ml-news/reports/Fine-Tuning-Mistral7B-on-Python-Code-With-A-Single-GPU---Vmlldzo1NTg0NzY5

介绍了Mistral 7B语言模型，通过利用分组查询注意力和滑动窗口注意力机制，实现了高性能和高效推理，在多个基准测试中超越了之前的模型的表现。

• 介绍Mistral 7B，一个拥有70亿参数、在保持高效的同时达到最先进性能的语言模型。它在所有基准测试中优于之前最好的13B模型Llama 2，并在推理、数学和代码生成方面优于最好的34B模型Llama 1。
• 使用组查询注意力(GQA)来减少内存使用和增加吞吐量，还使用滑动窗口注意力(SWA)来更有效地处理长序列。
• 微调后的版本称为Mistral 7B-Instruct，在人类和自动化评估中优于Llama 2 13B-Chat模型。
• 达到比其大2-3倍的模型的性能，展示了模型设计的效率。由于优化了推理、数学和代码生成，优于更大的模型。
• 可以添加“护栏”来生成更安全、更高质量的响应，展示了进行自我反思和内容审核的能力。
• 结论：仔细的模型设计可以实现高性能和高效率，探索最优的性能与效率与成本之间的平衡仍有机会。

动机：在自然语言处理领域，为了追求更高的模型性能，往往需要增加模型的大小，但这也会增加计算成本和推理延迟，限制了在实际应用中的部署。因此，需要设计既能提供高性能又能保持高效推理的平衡模型。

方法：论文介绍了Mistral 7B，一个拥有70亿参数的语言模型。该模型利用了分组查询注意力(GQA)和滑动窗口注意力(SWA)的机制，提高了推理速度和效率。GQA加速了推理速度，减少了解码过程中的内存需求，从而实现更高的批处理大小和吞吐量；SWA通过降低计算成本，更有效地处理任意长度的序列。

优势：Mistral 7B在所有评估基准中超过了最好的开源13B模型(Llama 2)，在推理、数学和代码生成方面也超过了最好的发布34B模型(Llama 1)。此外，论文还提供了Mistral 7B - Instruct，一个针对遵循指令的模型，它在人工和自动化基准测试中均超过了Llama 2 13B - chat模型。

关注子社区，每周热点抢先看~

更多精彩内容欢迎点击下方链接，了解更多viapi相关信息。

视觉智能开放平台直通车