液体都“智能”可编程了？哈佛新型超材料登Nature，粘度、透明度、弹性可变
液体都“智能”可编程了？哈佛新型超材料登Nature，粘度、透明度、弹性可变液体都有“智能”、可编程了？ 最近，一种被称为“智能"液体的多功能可编程的新型超材料——Metafluid，登上了Nature。
来自主题:
AI技术研报
10948 点击 2024-04-14 17:11
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
液体都有“智能”、可编程了？ 最近，一种被称为“智能"液体的多功能可编程的新型超材料——Metafluid，登上了Nature。
首个AI程序员，演示视频大幅度造假？？？ 不久之前震撼硅谷的Devin，再度震撼硅谷——但这次是被打假。
万众瞩目的ChatGPT版iPhone，终于面世了！ 最近，铺天盖地都是对Ai Pin的讨论声。
AI和机器人专家的长远目标，是创造出具有一般具身智能的代理，它们能够像动物或人类一样，在物理世界中灵活、巧妙地行动
120秒超长AI视频模型来了！不但比Sora长，而且免费开源
新一代视觉生成范式「VAR: Visual Auto Regressive」视觉自回归来了
培养 AI 人才，要从娃娃抓起，这句话似乎越来越不像开玩笑了。 本周五，顶级学术会议 NeurIPS 开设高中生论文 Track 的消息引爆了人工智能社区
奥特曼接待了数百名 500 强公司的高管。 技术领先的 OpenAI，正在稳步推进大模型能力的落地。
自 2020 年神经辐射场 (Neural Radiance Field, NeRF) 提出以来，将隐式表达推上了一个新的高度。作为当前最前沿的技术之一
近，来自澳大利亚蒙纳士大学、蚂蚁集团、IBM 研究院等机构的研究人员探索了模型重编程 (model reprogramming) 在大语言模型 (LLMs) 上应用，并提出了一个全新的视角
为解决大模型（LLMs）在处理超长输入序列时遇到的内存限制问题，本文作者提出了一种新型架构：Infini-Transformer，它可以在有限内存条件下，让基于Transformer的大语言模型（LLMs）高效处理无限长的输入序列。实验结果表明：Infini-Transformer在长上下文语言建模任务上超越了基线模型，内存最高可节约114倍。
上个月，初创公司 Cognition AI 用精妙绝伦的 Demo 演示了 AI 软件工程师 Devin，一夜之间在 X 上卷起风暴之余，也让更多程序员发出了如上疑问。
感谢大家对此系列的喜爱，今天我们迎来了第四期！（文末有前三期的链接）话不多说直接上菜。
零样本、仅听3秒提示音频，即可1:1复刻人声。
前两天刚刚疯传的Suno挑战者、“音乐版Sora”正式现真身： 正式名称Udio，已完全免费开放，每人每月有足足1200首额度，网友们都玩疯了。
从今年起，高中生也要卷AI顶会了，真是计算机从娃娃抓起？
新版GPT-4是在Q*的输出上微调的在竞技场重回榜一的新版GPT-4 Turbo，成功再次踩中大家嗨点
它通过将压缩记忆（compressive memory）整合到线性注意力机制中，用来处理无限长上下文
不走Transformer寻常路，魔改RNN的国产新架构RWKV，有了新进展： 提出了两种新的RWKV架构，即Eagle (RWKV-5) 和Finch（RWKV-6)。
号称世界首个AI工程师Devin，7×24小时不限时打工，能够debug、训模型、构建部署应用程序，胜任各种代码任务
Humane AI Pin 的背后理念很简单：这是一台没有屏幕的手机。它不会要求用户去打开各种应用或者在键盘上进行操作，而是通过一个 AI 助手和一个称作 CosmOS 的操作系统，将所有复杂功能简化。
随着大模型的参数量日益增长，微调整个模型的开销逐渐变得难以接受。 为此，北京大学的研究团队提出了一种名为 PiSSA 的参数高效微调方法，在主流数据集上都超过了目前广泛使用的 LoRA 的微调效果。
谷歌又放大招了，发布下一代 Transformer 模型 Infini-Transformer。
半年来内斗剧情跌宕起伏的企业 OpenAI，再次传来人员变动的消息。
据外媒报道，OpenAI超级对齐团队的2名研究员，因泄露「机密」被正式开除
今天起，最新版的GPT-4 Turbo，正式向ChatGPT Plus用户开放了
大语言模型的效率，正在被这家「清华系」创业公司发展到新高度。
在实践中，人类预测的准确性依赖于「群体智慧」（wisdom of the crowd）效应，即通过聚集一群个体预测者，对未来事件的预测准确率会显著提高
识读距今2300多年战国时期的上古竹简，AI正在立功。 而且在这背后的“大功臣”，竟是只有2B大小的多模态大模型！
一年多来，大模型技术的进步日新月异，模型能力的上限不断抬高。但从产业变革的角度看，大模型的落地或许刚刚处于开端阶段。如何才能发挥出大模型的巨大潜力，并推动生产力更快更好地变革，仍然是一个充满探索空间的课题。
