这几年，人们都在谈论大模型。特别是在 Scaling Law 的指导下，人们寄希望于将更大规模的数据用于训练，以无限提升模型的智能水平。在中国，「数据」作为一种与土地、劳动力、资本、技术并列的生产要素，价值越来越被重视。
神经网络拟合数据的能力受哪些因素影响？CNN一定比Transformer差吗？ReLU和SGD还有哪些神奇的作用？近日，LeCun参与的一项工作向我们展示了神经网络在实践中的灵活性。
SelfGNN框架结合了图神经网络和个性化自增强学习，能够捕捉用户行为的多时间尺度模式，降低噪声影响，提升推荐系统鲁棒性。
亚历山大·王从麻省理工学院辍学后开始创业，25岁被《福布斯》评为“世界上最年轻的白手起家的亿万美元富翁”。
6月，IEEE刊登了一篇对ChatGPT代码生成任务进行系统评估的论文，数据集就是程序员们最爱的LeetCode题库。研究揭示了LLM在代码任务中出现的潜在问题和能力局限，让我们能够对模型做出进一步改进，并逐渐了解使用ChatGPT写代码的最佳姿势。
市值140亿美元的初创公司Scale AI正在招聘博士训练LLM，用人成本的升高让该公司的毛利率在2023年有所下降，但创始人Alexandr Wang预计今年营收将增加两倍，突破十亿美元。
大模型产业发展，需要可信中立的数据深加工平台，如何填补空白？
只要10k数据，就能让大模型的数学成绩增长5.6%。
最近，一个对标 GPT-4o 的开源实时语音多模态模型火了。
有多少智能，就有多少人工
