搜索
紧跟着Meta的重磅发布，Mistral Large 2也带着权重一起上新了，而且参数量仅为Llama 3.1 405B的三分之一。不仅在编码、数学和多语言等专业领域可与SOTA模型直接竞争，还支持单节点部署。
AI爆发至今，业内普遍流行一句话：AIGC的尽头是AI智能体，但时至今日，大家对AI智能体的理解还比较浅，很多人依旧认为AI智能体离自己还很远。主要是市场上好用的智能体平台并不多。用户关心的是AI到底如何改善工作流，AI到底怎么落地具体的应用场景？或者AI到底是怎么帮我们干活的？
横店，一个被竖屏短剧占领的地方，正在被AI分成两半。
OpenAI 的新奖励机制，让大模型更听话了。
就在去年，由斯坦福大学和谷歌的研究团队开发的“AI小镇”一举引爆了人工智能社区，成为各大媒体争相报道的热点。他们让多个基于大语言模型（LLMs）的智能体扮演不同的身份和角色在虚拟小镇上工作和生活，将《西部世界》中的科幻场景照进了现实中。
训练数据是用 GPT-4o 生成的？那质量不好说了。
AI面部识别，已经完全融于所有人的日常生活中。不过，来自斯坦福的一项研究中发现，AI竟可以从毫无表情的面部中，识别出一个人的政治倾向，而且准确率惊人。
“我想问在座一个问题，无论是求真书院还是丘成桐少年班的同学，如果这个问题都不知道，那你就不应该在这个班！”
以GPT-4o为代表的多模态大语言模型（MLLMs）因其在语言、图像等多种模态上的卓越表现而备受瞩目。它们不仅在日常工作中成为用户的得力助手，还逐渐渗透到自动驾驶、医学诊断等各大应用领域，掀起了一场技术革命。
我们知道 LLM 是在大规模计算机集群上使用海量数据训练得到的，机器之心曾介绍过不少用于辅助和改进 LLM 训练流程的方法和技术。而今天，我们要分享的是一篇深入技术底层的文章，介绍如何将一堆连操作系统也没有的「裸机」变成用于训练 LLM 的计算机集群。