12月15日，上海交通大学医学院附属瑞金医院正式发布瑞金医学大模型矩阵，涵盖RJH-Base基座大模型、RJH-Med应用大模型，以及多模态大模型，并携手上海人工智能实验室、腾讯等建设可持续发展的医学大模型应用生态，实践以数据、知识、算法、模型为关键驱动的医学AI新范式。
AI可以从自己生成的「合成数据」中学习，最重要的是，能够大幅提升数据问题解决和代码生成的能力。
尽管我们无法预料大模型会生成什么，也不知道算力和数据的极限在哪里，但生成式 AI 革命是不可阻挡的。
随着大型语言模型（LLM）的发展，从业者面临更多挑战。如何避免 LLM 产生有害回复？如何快速删除训练数据中的版权保护内容？如何减少 LLM 幻觉（hallucinations，即错误事实）? 如何在数据政策更改后快速迭代 LLM？这些问题在人工智能法律和道德的合规要求日益成熟的大趋势下，对于 LLM 的安全可信部署至关重要。
ChatGPT 爆火一年，大模型的竞争走到哪一步了？从微信指数的数据，可以管中窥豹到各家大模型的感知度，ChatGPT 遥遥领先，依然是国内大模型们追赶的对象。
亚马逊云科技在数据库产品上有什么样的规划、他们如何看待纯向量数据库需求？
大模型长期以来一直存在一个致命的问题，即生成幻觉。由于数据集的复杂性，难免会包含过时和错误的信息，这使得输出质量面临着极大的挑战。过多的重复信息还可能导致大型模型产生偏见，这也算是一种形式的幻觉。
谷歌憋了许久的大招，双子座Gemini大模型终于发布！其中一图一视频最引人注目：一图，MMLU多任务语言理解数据集测试，Gemini Ultra不光超越GPT-4，甚至超越了人类专家。
增加数据量和模型的参数量是公认的提升神经网络性能最直接的方法。目前主流的大模型的参数量已扩展至千亿级别，「大模型」越来越大的趋势还将愈演愈烈。
依托清华大学神经工程实验室在神经科学和脑机解码领域的技术和经验积累，灵犀医学于2019年创立，如今已建立以百万病例EEG数据为基础的脑功能数据库。基于超大规模人体大脑数据训练神经动力学大模型，灵犀医学打造了针对癫痫、抑郁症、阿尔兹海默症等脑疾病的AI精准诊断和治疗平台。
