国产大模型几大核心龙头！
文章概要：
1. 我国生成式AI服务大模型注册用户超
2. 国产AI大模型包括通用大模型和垂直领域大模型，大模型有昆仑万维、科大讯飞、三六零，垂直应用大模型有游戏、办公、传媒等领域的相关企业
3. 国产AI大模型重点企业有昆仑维、万兴、科大讯飞等
4. 文生的相关企业有中广天、因赛集团等
5. 训练AI大模型需要大量的AI语料，包括视频语料、文本语、图片语料等
6 AI语料属于数据要素，充分受益于大模型的
阅读原文
2. 国产AI大模型包括通用大模型和垂直领域大模型，大模型有昆仑万维、科大讯飞、三六零，垂直应用大模型有游戏、办公、传媒等领域的相关企业
3. 国产AI大模型重点企业有昆仑维、万兴、科大讯飞等
4. 文生的相关企业有中广天、因赛集团等
5. 训练AI大模型需要大量的AI语料，包括视频语料、文本语、图片语料等
6 AI语料属于数据要素，充分受益于大模型的
大模型的快速部署与高效推理——GGUF格式模型介绍与使用教程
文章概要：
1. GGUF格式是专为大型模型设计的二进制文件格式，旨在解决当前大模型在实际应用中遇到的存储效率、加载速度和扩展性等问题。
2. 本文深入探讨了GGUF格式在大型语言模型领域的应用，及其在提高模型存储效率、加载速度、兼容性和可扩展性方面的重要性。
3. 通过对Yuan2.0-2B模型的适配和测试，我们验证了GGUF格式在实际应用中的高效性和稳定性。
4. 测试结果表明，使用GGUF格式的模型在推理速度和内存占用方面均优于传统的HF格式，这不仅提高了模型的运行效率，也降低了资源消耗。
5. GGUF格式的可扩展性为未来更大规模模型的发展提供了支持，确保了格式能够适应不断进步的技术需求。
6. Yuan2.0系列模型也将持续支持GGUF格式，为开发者带来更好的使用体验。
阅读原文
2. 本文深入探讨了GGUF格式在大型语言模型领域的应用，及其在提高模型存储效率、加载速度、兼容性和可扩展性方面的重要性。
3. 通过对Yuan2.0-2B模型的适配和测试，我们验证了GGUF格式在实际应用中的高效性和稳定性。
4. 测试结果表明，使用GGUF格式的模型在推理速度和内存占用方面均优于传统的HF格式，这不仅提高了模型的运行效率，也降低了资源消耗。
5. GGUF格式的可扩展性为未来更大规模模型的发展提供了支持，确保了格式能够适应不断进步的技术需求。
6. Yuan2.0系列模型也将持续支持GGUF格式，为开发者带来更好的使用体验。
首个OpenAI o1大模型研究进展报告！
文章概要：
1. 由高校年轻研究者组成的团队发布了题为"o1 Replication Journey: A Strategic Progress Report (o1探索之旅：战略进展报告)"的研究进展报告
2. 报告提出并验证了“旅程学习”技术的巨大潜力，并详细记录了团队在复现过程中的发现、挑战、试错和创新方法
3. 团队认为“旅程学习”是o1取得成功的关键技术，其在复杂数学题目上表现出超过传统监督学习8%以上的绝对性能提升和超过20%的相对性能提升
4. 报告倡导了一种全新的AI研究范式，强调了透明记录和分享探索过程的重要性
5. 团队提出的模型在同一道数学题上，与OpenAI的o1-preview及GPT-4o的比较实例，证明旅程学习不断试错、反思、自我纠正的能力在复杂推理任务场景上非常关键
6. 团队介绍了复现o1过程中的几个关键问题，并做了非常细致的探索分享
7. 团队研究时间线取得的进展，确定了几个未来探索和发展的关键方向
8. 团队借本项目正式引出“核桃计划”，旨在成为人工智能复杂推理和深度思考能力研究的开放先锋，致力于推动AI从简单的工具演变为具备“牛顿”和“爱因斯坦”级别深度思考能力的智能系统
阅读原文
2. 报告提出并验证了“旅程学习”技术的巨大潜力，并详细记录了团队在复现过程中的发现、挑战、试错和创新方法
3. 团队认为“旅程学习”是o1取得成功的关键技术，其在复杂数学题目上表现出超过传统监督学习8%以上的绝对性能提升和超过20%的相对性能提升
4. 报告倡导了一种全新的AI研究范式，强调了透明记录和分享探索过程的重要性
5. 团队提出的模型在同一道数学题上，与OpenAI的o1-preview及GPT-4o的比较实例，证明旅程学习不断试错、反思、自我纠正的能力在复杂推理任务场景上非常关键
6. 团队介绍了复现o1过程中的几个关键问题，并做了非常细致的探索分享
7. 团队研究时间线取得的进展，确定了几个未来探索和发展的关键方向
8. 团队借本项目正式引出“核桃计划”，旨在成为人工智能复杂推理和深度思考能力研究的开放先锋，致力于推动AI从简单的工具演变为具备“牛顿”和“爱因斯坦”级别深度思考能力的智能系统
AI+IT+安全，大模型如何驱动“All in One”IT管理新范式
文章概要：
1. 火山引擎飞连大模型赋能平台，以AI大模型能力持续赋能企业IT，将AI时代的IT管理体验和效率新阶段。
2. 飞连在国内率先开展All in One大规模实践，实现了全平台数据和控制能力的打通，为企业提供解决方案。
3. 飞连在办公效率与强化安全维度上均取得了成效，并在多行业成功落地，实现了不同行业的覆盖。
4. 飞连团队仍在以类似To C产品的迭代速度，不断挖掘AI能力来提升产品。
阅读原文
2. 飞连在国内率先开展All in One大规模实践，实现了全平台数据和控制能力的打通，为企业提供解决方案。
3. 飞连在办公效率与强化安全维度上均取得了成效，并在多行业成功落地，实现了不同行业的覆盖。
4. 飞连团队仍在以类似To C产品的迭代速度，不断挖掘AI能力来提升产品。
大模型ToG市场攻坚，少数派的游戏
文章概要：
1. 地方国资撑起国内大模型商业化半边天，大模型ToG市场蛋糕大，需求激增，招投标市场热潮涌动。
2. 大企业抢单态度出现分化，科大讯飞、智谱AI、百度是“三国杀”主角。
3. 大模型ToG生意，变的是交付的产品和服务，不变的是G端客户以及市场特色。
4. 大模型ToG“三国杀”中唯一的创业选手智谱AI，则仍处于持续的融资输血阶段。
5. 国内ToB赛道的创业者们，对于ToG市场大多处于又爱又恨的纠结之中。
6. 大模型企业必须要面对ToB市场上老生常谈的成本困境，除了政务和央企的项目制大单，AI大模型产品的多数B端客户采用API调用收费模式，需要客户持续使用才能保证现金流的收入。
阅读原文
2. 大企业抢单态度出现分化，科大讯飞、智谱AI、百度是“三国杀”主角。
3. 大模型ToG生意，变的是交付的产品和服务，不变的是G端客户以及市场特色。
4. 大模型ToG“三国杀”中唯一的创业选手智谱AI，则仍处于持续的融资输血阶段。
5. 国内ToB赛道的创业者们，对于ToG市场大多处于又爱又恨的纠结之中。
6. 大模型企业必须要面对ToB市场上老生常谈的成本困境，除了政务和央企的项目制大单，AI大模型产品的多数B端客户采用API调用收费模式，需要客户持续使用才能保证现金流的收入。
大模型ToG市场攻坚，少数派的游戏
文章概要：
1. 地方国资撑起国内大模型商业化半边天，大模型ToG市场蛋糕大，需求激增，招投标市场热潮涌动。
2. 大模型企业抢单态度出现分化，百度、科大讯飞、智谱AI中标量领先。
3. AI大模型的ToG生意，变的是交付的产品和服务，不变的是G端客户以及市场。< 4. 国内ToB赛道的创业者们，对于ToG市场大多处于又爱又恨的纠结之中。
5. 大模型ToG市场纵然亦有诸多弊端，却也是大模型企业们最快见到回头钱的捷径。
阅读原文
2. 大模型企业抢单态度出现分化，百度、科大讯飞、智谱AI中标量领先。
3. AI大模型的ToG生意，变的是交付的产品和服务，不变的是G端客户以及市场。< 4. 国内ToB赛道的创业者们，对于ToG市场大多处于又爱又恨的纠结之中。
5. 大模型ToG市场纵然亦有诸多弊端，却也是大模型企业们最快见到回头钱的捷径。
大模型六小虎，低头寻找六便士
文章概要：
1. 零一万物首次交出ToB答卷，推出大模型API服务和AI 2.0数字人等产品。
2. MiniMax在海外和国内找到AI产品落地商机，预计今年年底年收入有望突破7000万美金。
3. 大模型底层技术突破速度放缓，头部企业背着融资和市场质疑，需找到商业化路径。
4. 基础大模型营利光环被打碎，不是一门好生意，大模型公司纷纷针对细分领域推出产品。
5. 大模型创企在追赶基础大模型水平的同时，思考商业化，多数创业企业选方向ToB优先于ToC。
6. 智谱AI商业化进展最快，完成新一轮数十亿元融资，国资入局。
7. 零一万物李开复表示ToB就做国内用数字人来做零售等，提供完整解决方案。
8. 百川智能专注医疗领域发力，探索大模型技术在医疗领域落地的多种应用。
9. C端AI原生应用的王座空悬，大创企在寻找PMF机会上，保持对热门方向的关注热情。
10. 大模型创企们的多模态探索进程不一，但先后有布局动作预估和新产品推出。
阅读原文
2. MiniMax在海外和国内找到AI产品落地商机，预计今年年底年收入有望突破7000万美金。
3. 大模型底层技术突破速度放缓，头部企业背着融资和市场质疑，需找到商业化路径。
4. 基础大模型营利光环被打碎，不是一门好生意，大模型公司纷纷针对细分领域推出产品。
5. 大模型创企在追赶基础大模型水平的同时，思考商业化，多数创业企业选方向ToB优先于ToC。
6. 智谱AI商业化进展最快，完成新一轮数十亿元融资，国资入局。
7. 零一万物李开复表示ToB就做国内用数字人来做零售等，提供完整解决方案。
8. 百川智能专注医疗领域发力，探索大模型技术在医疗领域落地的多种应用。
9. C端AI原生应用的王座空悬，大创企在寻找PMF机会上，保持对热门方向的关注热情。
10. 大模型创企们的多模态探索进程不一，但先后有布局动作预估和新产品推出。
国产大模型首超GPT-4o！零一万物“闪电”奇袭全球AI企业
文章概要：
1. AI热潮虽逐渐退潮，但研究进程仍在推进，一万物最新旗舰模型Yi-Light超越-obr>2. 在分类榜上，Yi-Lightning能力名列前茅，对比五个月前发布的Yi-L，Yi-Lightning倍成br. 零一万物还首发了AI.0数字人方案并公布了零一万物端产品上的进展，Yi-Lightning的API价格已降至水平。
4. 李开复不认可大模型之间搞类似于ofo的流血打法，称零一万物模型低。br>5. 有媒体报道，“AI六小虎”中有两家已经逐步放弃预训练模型，业务重心转向AI应用，而零一万物就是其中一家，李开复回应称，尽管预训练技术活也费，但目前“AI六小虎”做训练仍不成问题。7. 目前国内的大模型分为两类，一类是基础通用大模型，一类则是专注各类赛道的大模型，国产大模型的技术成长可谓相当飞速，但国内市场仍旧缺乏能够承载AI的级应用。
8. 对于模型，技术力，更为困难的是，如何将的技术力，转换成企业乃至个人能够实实在在体会到的生产力。
阅读原文
4. 李开复不认可大模型之间搞类似于ofo的流血打法，称零一万物模型低。br>5. 有媒体报道，“AI六小虎”中有两家已经逐步放弃预训练模型，业务重心转向AI应用，而零一万物就是其中一家，李开复回应称，尽管预训练技术活也费，但目前“AI六小虎”做训练仍不成问题。
8. 对于模型，技术力，更为困难的是，如何将的技术力，转换成企业乃至个人能够实实在在体会到的生产力。
国产大模型首超GPT-4o！零一万物“闪电”奇袭全球AI企业
文章概要：
1. 零一万物发布旗舰模型Yi-Lightning，已超越GPT-4o，各项能力名列前茅，在分类榜上，Yi-Lightning各项能力都名列前茅
2. 零一万物首发了AI 2.人方案并公布了零一万物端产品上的进展
3. 零一万物大模型的真实成本比0.99元低，还有利润空间
.大模型在寻找方向，大模型不断提升，但缺乏能够承载AI的杀手级应用
5. 未来，国内大模型企业的出路，也将在应用中逐渐体现
阅读原文
2. 零一万物首发了AI 2.人方案并公布了零一万物端产品上的进展
3. 零一万物大模型的真实成本比0.99元低，还有利润空间
.大模型在寻找方向，大模型不断提升，但缺乏能够承载AI的杀手级应用
5. 未来，国内大模型企业的出路，也将在应用中逐渐体现
大模型上车，可能比你想象的更重要
文章概要：
1. 大模型对汽车智能化发展价值正在凸显，汽车是大模型应用探索的绝佳载体，大模型将推动汽车成为超级智能体，以革命性的方式改写汽车全生命周期的价值创造。
2. 大模型已开始在汽车全生命周期落地应用，能够重构自动驾驶技术架构并产生常识性思维，提升自动驾驶的智能性与安全性，多模态、个性化交互提升座舱智能化体验，重构自动驾驶数据工具链、生成数据资产，消费者需求，实现精准营销，沉淀汽车维修知识，提升维修效率和客户满意度，提高质控和质检效率。
阅读原文
2. 大模型已开始在汽车全生命周期落地应用，能够重构自动驾驶技术架构并产生常识性思维，提升自动驾驶的智能性与安全性，多模态、个性化交互提升座舱智能化体验，重构自动驾驶数据工具链、生成数据资产，消费者需求，实现精准营销，沉淀汽车维修知识，提升维修效率和客户满意度，提高质控和质检效率。
灵云智能坐席辅助，以大模型铸就智慧金融服务新高度
文章概要：
1. 客户服务对企业重要性不言而喻，在数字化革新浪潮的推动下，以金融业为代表的客服中心通过智能化手段对现有客户服务流程进行深度优化，实现快速响应、精准解答与个性化服务。
2. 捷通华声结合多年深耕银行、保险等金融行业的数智化实践经验和知识积累，训练金融行业大模型，创新性升级智能坐席辅助产品，构建了客服坐席的超级助手。
3. 灵云智能坐席辅助支持知识的自动构建，大大节约了成本和训练时间成本，实现了更精准的客户意图理解，并输出更符合其业务特性的结果。5. 灵云智能坐席辅助系统提供个性化的客户服务和管理，帮助企业构建更精准的画像，洞察客户需求，实现定制化服务和营销，推动营销服务向智能化、人性化转变，有效提升销售转化率。
阅读原文
2. 捷通华声结合多年深耕银行、保险等金融行业的数智化实践经验和知识积累，训练金融行业大模型，创新性升级智能坐席辅助产品，构建了客服坐席的超级助手。
3. 灵云智能坐席辅助支持知识的自动构建，大大节约了成本和训练时间成本，实现了更精准的客户意图理解，并输出更符合其业务特性的结果。
大模型引领搜索引擎模式大变革，新一代互联网入口就要来了！
文章概要：
1. 大模型将超越搜索引擎成为新一代入口：大模型在呈现质量和供给方式上有绝对，大模型入口将成为用户终点，不再实现用户分流模型将与操作系统深度融合。
2. 大模型引发搜索引擎商业模式变革：搜索引擎升级为答案引擎，简化用户流程，大模型能力后，的商业模式将面临方面取舍。<>. 延伸阅读：大模型入口的产品形态和市场格局将经历3个发展阶段，培育期、混战期统一期，将不在此展开描述，感兴趣的阅读电信天翼智库大模型研究团队一本书读懂大模型：技术创新商业应用与产业变革。
阅读原文
2. 大模型引发搜索引擎商业模式变革：搜索引擎升级为答案引擎，简化用户流程，大模型能力后，的商业模式将面临方面取舍。<>. 延伸阅读：大模型入口的产品形态和市场格局将经历3个发展阶段，培育期、混战期统一期，将不在此展开描述，感兴趣的阅读电信天翼智库大模型研究团队一本书读懂大模型：技术创新商业应用与产业变革。
为了活下去，大模型“六小虎”走向分野
文章概要：
1. 2024年，不少曾立下“做中国OpenAI”军令状的模型公司，开始打脸，被称为“AI六小虎”的6家中国大模型独角兽中，已经有两家逐步放弃预训练模型，缩减了预训练算法团队人数，业务重心转向AI应用
2. 对于AI行业而言，随着第三方预训练模型的性能提高，应用层企业逐步放弃预训练模型，专注于让模型更懂用户的（post-train）”环节，是节省算力成本考量下的正常趋势
3. 然而，模型层企业预训练模型，意味着主动走下AGI竞速的牌桌
4. 在资金、算力紧缺的当下，现有的大模型厂商，也开始对自身的能力和资源现状，进行了重新评估
5. 从模型转向应用，意味着在追赶AGI之前，AI公司先选择了活下去
6. 放弃预训练模型的其中一家独角兽，据多名知情人士透露，自2024年中，整家公司的目标重心已经放在了海外的AI应用产品，以及上市
7. 大模型公司，困在变现焦虑
8. 放弃预训练的模型厂商，抓住的是尚有盈利潜力的
9. 剩下仍在坚持预训练的厂商，则开始在技术上降本增效
10. 对于整个AI行业而言，放弃预训练模型，并不是一个消极的信号
阅读原文
2. 对于AI行业而言，随着第三方预训练模型的性能提高，应用层企业逐步放弃预训练模型，专注于让模型更懂用户的（post-train）”环节，是节省算力成本考量下的正常趋势
3. 然而，模型层企业预训练模型，意味着主动走下AGI竞速的牌桌
4. 在资金、算力紧缺的当下，现有的大模型厂商，也开始对自身的能力和资源现状，进行了重新评估
5. 从模型转向应用，意味着在追赶AGI之前，AI公司先选择了活下去
6. 放弃预训练模型的其中一家独角兽，据多名知情人士透露，自2024年中，整家公司的目标重心已经放在了海外的AI应用产品，以及上市
7. 大模型公司，困在变现焦虑
8. 放弃预训练的模型厂商，抓住的是尚有盈利潜力的
9. 剩下仍在坚持预训练的厂商，则开始在技术上降本增效
10. 对于整个AI行业而言，放弃预训练模型，并不是一个消极的信号
华为大咖说丨什么是大模型“MRC”？一文讲明白~
文章概要：
1 作者袁泉介绍了M和作用，利用算法使计算机理解文章语义并回答相关问题的技术。
2. 人类对“物理世界”的感知理解是全方位的、丰富多样的，而机器对“数字世界的和理解是的符，需要转换格式。5. 谁来定义MRC？需要既懂业务又AI的专家，主导AI数据建模，即M定义。
阅读原文
2. 人类对“物理世界”的感知理解是全方位的、丰富多样的，而机器对“数字世界的和理解是的符，需要转换格式。
物流大模型热潮，会是昙花一现吗？中远海运、京东物流、菜鸟、货拉拉、百度地图……
文章概要：
1. 今年国庆长假期间，快递量增长，物流快递行业对降本增效和提高运营效率的迫切。
2. 物流巨头纷纷布局大模型，菜鸟推出“天机π”辅助决策，顺丰“丰知”物流决策大模型，京东物流推出“超脑”。
3. 大模型在物流行业的应用场景包括运输管理、库存管理等，可以提高物流全链路运营效率、体验和业务创新。
阅读原文
2. 物流巨头纷纷布局大模型，菜鸟推出“天机π”辅助决策，顺丰“丰知”物流决策大模型，京东物流推出“超脑”。
3. 大模型在物流行业的应用场景包括运输管理、库存管理等，可以提高物流全链路运营效率、体验和业务创新。
【ChatGPT】大语言模型在医学领域的应用 | Winning Insights
文章概要：
1. 大语言模型在医学领域的应用：大语言模型可以在与人类能力几乎无法区分的水平上回答问题、总结、转述和翻译文本，这引发了人们对其医疗领域应用的无尽想象和谨慎担忧。
2. 大语言模型的医学应用场景：大语言模型的医学应用场景主要可分为临床实践、医学教育和医学研究三类。
3. 大语言模型在医学中的挑战应对：大语言模型在医学中应用面临的挑战主要有幻觉/准确性、缺乏评估基准和指标、医疗数据限制、知识更新、伦理、法律和安全问题等。
4. 展望：大语言模型在医学领域的应用潜力巨大，但也面临着诸多挑战。
阅读原文
2. 大语言模型的医学应用场景：大语言模型的医学应用场景主要可分为临床实践、医学教育和医学研究三类。
3. 大语言模型在医学中的挑战应对：大语言模型在医学中应用面临的挑战主要有幻觉/准确性、缺乏评估基准和指标、医疗数据限制、知识更新、伦理、法律和安全问题等。
4. 展望：大语言模型在医学领域的应用潜力巨大，但也面临着诸多挑战。
英伟达开源最新大模型Nemotron 70B后，只有OpenAI o1一个对手了
文章概要：
1 英伟达开源了一个性能超级强大的模型Llama3.1-Nemotron-70B-Instruct，它击败了OpenAI的GPT-4o等闭源模型和Anthropic的Claude-3.5 sonnet开源模型。br>2. Llama-3.1-Nemotron-70B-Instruct已经可以在线体验了。<>3. 英伟达还开源了Nemotron的训练数据集HelpSteer2。
英伟达还开源了另一个Llama-3.-Nemotron-70B-Reward模型。br>5.ama-3.1-Nemotron-70B-Instruct在Arena Hard基准上得分为85，在AlpacaEval 2基准上分为57.，在GPT4-Turbo MT-Bench基准上得分为8.98。
6. 截至201月日，Llama-3.1emotron0B-Instruct在三个自动对齐基准中均排名第一，击败了-4o和Claude.5 Sonnet等强大的前沿模型。
7. 想要部署该模型还需要一些先决条件，至少需要一台带有4个40或2个0GB NVIDIA GPU的机器，以及150GB的可用磁盘空间。
阅读原文
英伟达还开源了另一个Llama-3.-Nemotron-70B-Reward模型。br>5.ama-3.1-Nemotron-70B-Instruct在Arena Hard基准上得分为85，在AlpacaEval 2基准上分为57.，在GPT4-Turbo MT-Bench基准上得分为8.98。
6. 截至201月日，Llama-3.1emotron0B-Instruct在三个自动对齐基准中均排名第一，击败了-4o和Claude.5 Sonnet等强大的前沿模型。
7. 想要部署该模型还需要一些先决条件，至少需要一台带有4个40或2个0GB NVIDIA GPU的机器，以及150GB的可用磁盘空间。
英伟达开源最新大模型Nemotron 70B后，只有OpenAI o1一个对手了
文章概要：
. 英伟达开源了Llama-3.1-Nemotron-70B-Instruct模型，它击败了多个开闭源模型，性能仅次于OpenAI最新1大模型
2. 该模型可以在线体验，但有时会一本正经地八道
3. 英伟达还开源了Nemotron的训练数据集HelpSteer，包括构建了21362个提示响应和20324个用于训练的提示响应
4. 英伟达还开源了另一个Llama-3.-Nemotron70B-Reward模型
5. Llama-3.-Nemotron-70B-Instruct是英伟达定制的大型语言模型，旨在提高LLM生成的响应的性> 6. 该模型在训练细节上，了RLHF技术，并采用了Llama-.1emotron-70Beward和HelpSteer2偏好提示作为初始训练策略
7. Llama-3.1-Nemotron-7B-Reward是英伟达开发的大型语言模型，用于预测LLM生成的响应的质量
8. 想要部署该模型需要一些先决条件，至少需要一台44GB或2个80GB NVIDIA GPU机器，以及150的可用磁盘空间
阅读原文
2. 该模型可以在线体验，但有时会一本正经地八道
3. 英伟达还开源了Nemotron的训练数据集HelpSteer，包括构建了21362个提示响应和20324个用于训练的提示响应
4. 英伟达还开源了另一个Llama-3.-Nemotron70B-Reward模型
5. Llama-3.-Nemotron-70B-Instruct是英伟达定制的大型语言模型，旨在提高LLM生成的响应的性> 6. 该模型在训练细节上，了RLHF技术，并采用了Llama-.1emotron-70Beward和HelpSteer2偏好提示作为初始训练策略
7. Llama-3.1-Nemotron-7B-Reward是英伟达开发的大型语言模型，用于预测LLM生成的响应的质量
8. 想要部署该模型需要一些先决条件，至少需要一台44GB或2个80GB NVIDIA GPU机器，以及150的可用磁盘空间
腾讯研究院：行业大模型调研报告
文章概要：
1. 人工智能技术飞速发展，大模型技术引发了的智能革命。腾讯研究院的大模型调研报告》详细解析了大模型技术的特点、应用进展及未来前景，揭示了其推动行业智能化转型中的关键作用<>2. 大模型的技术特点主要体现在参数规模庞大、泛化能力强和支持多模态等方面。
3 发展行业大模型的必要性包括不可能三角问题、行业内生需求和最后等。
4. 行业大应用进展划分为探索阶段、成熟阶段和大规模应用阶段。<>5. 行业大模型的实现方式主要包括引导、外挂、优化和原生等。
6. 专家们对行业大模型的发展给予了高度评价，并提出了宝贵的见解，包括大模型的行业、开源与系统的和安全与治理等。
7. 大模型技术在智能化转型中的关键作用不容忽视，未来，随着模型技术不断发展和应用的深入各行各业将迎来更高质量的发展，迈向智能社会的未来。
阅读原文
3 发展行业大模型的必要性包括不可能三角问题、行业内生需求和最后等。
4. 行业大应用进展划分为探索阶段、成熟阶段和大规模应用阶段。<>5. 行业大模型的实现方式主要包括引导、外挂、优化和原生等。
6. 专家们对行业大模型的发展给予了高度评价，并提出了宝贵的见解，包括大模型的行业、开源与系统的和安全与治理等。
7. 大模型技术在智能化转型中的关键作用不容忽视，未来，随着模型技术不断发展和应用的深入各行各业将迎来更高质量的发展，迈向智能社会的未来。
沈向洋院士：关于大模型的10个思考
文章概要：
1. 算力是门槛：大模型对算力的要求，过去10年非常巨大。今天要做人工智能大模型，讲卡伤感情、没卡没感情。
2. 关于数据的数据：如果有GPT-5出来，可能会上到200T的数据量。互联网上没有那么多好的数据，清洗完以后，可能20T就差不多到顶了，所以未来要做GPT-5，除了现有的数据，还要更多的多模态数据，甚至人工合成的数据。
3. 大模型的下一章：有很多多模态的科研工作要做，我相信一个非常重要的方向是多模态的理解和生成的统一。
4. 人工智能的范式转移：o1出来后，从原来的GPT的预训练思路，变成了今天的自主学习的道路，就是在推理这一步强化学习，不断地自我学习的过程。整个过程非常像人类思考问题、分析问题，也需要非常多的算力才行。
5. 大模型横扫千行百业：在中国的大模型建设浪潮当中，越来越多的是行业大。这个趋势肯定是这样的，未来通用大模型的占比会越来越低。
6. AI Agent，从愿景到落地：超级应用一开始就在那里，这个超级应用就是一个超级助理，就是一个超级Agent。
7. 开源vs闭源：我认为Meta的lama并不是传统的开源，它只是开源了一个模型，并没有给你原代码和数据，所以我们在用开源系统的时候，也要下定决心真正理解大模型的系统闭源的工作。
8. 重视AI的治理：人工智能对千行百、对整个社会的冲击非常大，要大家共同来面对。
9. 重新思考人机关系：真正把人机交互搞清楚，才能成为每一代高科技企业真正有商业价值的领导者。现在讲OpenAI加上微软就代表这个时代还太早，他们是领先了，但是未来还有很多想象的空间。
10. 智能的本质：虽然大模型已经给大家带来很多的震惊，但是我们对大模型、深度学习是没有理论的。关于人工智能的涌现，大家只是讲讲，并没有讲清楚。
阅读原文
2. 关于数据的数据：如果有GPT-5出来，可能会上到200T的数据量。互联网上没有那么多好的数据，清洗完以后，可能20T就差不多到顶了，所以未来要做GPT-5，除了现有的数据，还要更多的多模态数据，甚至人工合成的数据。
3. 大模型的下一章：有很多多模态的科研工作要做，我相信一个非常重要的方向是多模态的理解和生成的统一。
4. 人工智能的范式转移：o1出来后，从原来的GPT的预训练思路，变成了今天的自主学习的道路，就是在推理这一步强化学习，不断地自我学习的过程。整个过程非常像人类思考问题、分析问题，也需要非常多的算力才行。
5. 大模型横扫千行百业：在中国的大模型建设浪潮当中，越来越多的是行业大。这个趋势肯定是这样的，未来通用大模型的占比会越来越低。
6. AI Agent，从愿景到落地：超级应用一开始就在那里，这个超级应用就是一个超级助理，就是一个超级Agent。
7. 开源vs闭源：我认为Meta的lama并不是传统的开源，它只是开源了一个模型，并没有给你原代码和数据，所以我们在用开源系统的时候，也要下定决心真正理解大模型的系统闭源的工作。
8. 重视AI的治理：人工智能对千行百、对整个社会的冲击非常大，要大家共同来面对。
9. 重新思考人机关系：真正把人机交互搞清楚，才能成为每一代高科技企业真正有商业价值的领导者。现在讲OpenAI加上微软就代表这个时代还太早，他们是领先了，但是未来还有很多想象的空间。
10. 智能的本质：虽然大模型已经给大家带来很多的震惊，但是我们对大模型、深度学习是没有理论的。关于人工智能的涌现，大家只是讲讲，并没有讲清楚。
面向大模型的智算网络：驱动AI未来的全新计算架构革命
文章概要：
1. 在大模型时代，智算网络成为了AI行业的核心驱动力。
2. 随着大模型参数规模的不断增长和模态的发展，智算网络需求也在迅速变化。br> 3. 智未来方向将以“一张网”的设计理念核心，通过统一IP编址和多路径网络技术，提升网络端口的利用率，确保万卡的互联不会发生性能衰减。
4. 国内外已有不少先行者在智的建设上提供了的案例。
5. 未来的智算网络将为AI大模型更加灵活、高效和可靠的支持。各行业的企业都积极布局，抢占智算网络的制高点，为AI的全面普及做好准备。
阅读原文
2. 随着大模型参数规模的不断增长和模态的发展，智算网络需求也在迅速变化。br> 3. 智未来方向将以“一张网”的设计理念核心，通过统一IP编址和多路径网络技术，提升网络端口的利用率，确保万卡的互联不会发生性能衰减。
4. 国内外已有不少先行者在智的建设上提供了的案例。
5. 未来的智算网络将为AI大模型更加灵活、高效和可靠的支持。各行业的企业都积极布局，抢占智算网络的制高点，为AI的全面普及做好准备。
抢占应用场景，顺丰、京东物流、菜鸟、中远海运等物流巨头争相布局大模型
文章概要：
1. 今年国庆长假七天快递量高速增长，物流巨头纷纷布局大模型，如菜鸟“天机π”、顺丰“丰知”和“语”京东物流“超脑”等。
2. 大模型被视为解决效率瓶颈、促进精益化管理的有力武器，物流快递企业逐核心技术之一。
3 业内普遍认为，公路物流货运是大模型落地应用的主要领域之一，大模型技术的深度应用，预计将为物流全链路运营效率、服务体验和业务创新带来巨大变革。
4. 在物流行业应用大模型虽然带来许多优势，但也可能伴随一些风险和隐患。企业需要明确大模型的应用场景和价值定位，避免盲目跟风。
阅读原文
2. 大模型被视为解决效率瓶颈、促进精益化管理的有力武器，物流快递企业逐核心技术之一。
3 业内普遍认为，公路物流货运是大模型落地应用的主要领域之一，大模型技术的深度应用，预计将为物流全链路运营效率、服务体验和业务创新带来巨大变革。
4. 在物流行业应用大模型虽然带来许多优势，但也可能伴随一些风险和隐患。企业需要明确大模型的应用场景和价值定位，避免盲目跟风。
专题解读| 大语言模型长文本训练技术解析
文章概要：
1. 长文本训练的技术Transformer成为大型语言模型的主导架构，其在处理具有巨大上下文长度的数据时面临挑战，一些工作如Llama和Gemini将预训练阶段的序列长度扩展到32k甚至128k，而istral则提出使用滑动窗口注意力来减少预训练阶段注意力计算的二次复杂度。
2. 分布式长文本训练技术：常见的分布式长文本训练技术主要有张量并行、注意力头并行和上下文并行，张量并行通过在设备间分割两个连续的矩阵乘法来并行化计算，注意力头并行提出了另一种处理上下文并行化注意力计算阶段的方法，上下文并行直接将输入分割成多个子序列，每个设备负责计算其对应的子序列。
3 长文本训练展望：随着序列长度逐渐增长，长文本训练技术将会在未来得到更广泛的应用，我们可以期待更多的长文本训练技术的出现，比如更高效的Attention计算方法、更好的分布式训练策略等，这将使得LLM在更多领域有更好的应用效果。
阅读原文
2. 分布式长文本训练技术：常见的分布式长文本训练技术主要有张量并行、注意力头并行和上下文并行，张量并行通过在设备间分割两个连续的矩阵乘法来并行化计算，注意力头并行提出了另一种处理上下文并行化注意力计算阶段的方法，上下文并行直接将输入分割成多个子序列，每个设备负责计算其对应的子序列。
3 长文本训练展望：随着序列长度逐渐增长，长文本训练技术将会在未来得到更广泛的应用，我们可以期待更多的长文本训练技术的出现，比如更高效的Attention计算方法、更好的分布式训练策略等，这将使得LLM在更多领域有更好的应用效果。
专家建议：促进生成式大模型落地应用需“垂直发力”
文章概要：
1. 中国工程院院士谭建荣表示大数据时需注意情况，AI技术价值在于赋能千行百业，业界共识是应用落地才是王道。
2. 谭建荣认为通用大模型打通横向，垂直大模型要打通纵向，要在知识的概括总结深度方面下功夫，发展垂直大模型可为不同行业生成解决方案。
北京亦庄投资控股有限公司党委常委周宇清表示人工智能赋能垂直行业态势正在形成信通院人工智能研究所基础软硬件部主任李认为要在现有系统下模型智能水平，需与行业有效结合。
. 政府部门、行业协会等多种方式为大模型的垂直应用注入创新力，搭建公共平台、有序开发数据等。
阅读原文
2. 谭建荣认为通用大模型打通横向，垂直大模型要打通纵向，要在知识的概括总结深度方面下功夫，发展垂直大模型可为不同行业生成解决方案。
北京亦庄投资控股有限公司党委常委周宇清表示人工智能赋能垂直行业态势正在形成信通院人工智能研究所基础软硬件部主任李认为要在现有系统下模型智能水平，需与行业有效结合。
. 政府部门、行业协会等多种方式为大模型的垂直应用注入创新力，搭建公共平台、有序开发数据等。
PaddleNLP上新！浪潮信息源2.0全面接入，大模型生态加速进化！
文章概要：
1. 近日，源2.开源大模型与百度PaddleNLP完成全面适配。用户通过PaddleNLP，可快速调用源2.0预训练大模型，使用源2.0语义、数学、推理、代码、知识等方面的推理能力，可以使用特定领域的数据集对源2.0进行微调，训练出适合自身业务需求的大模型。br> 2. PaddleNLP是百度基于飞桨框架打造的大语言模型套件，聚合业界优质预训练模型并提供开箱即用的开发体验，覆盖NLP多场景的模型库，搭配产业实践，提供极致的训练与推理性能，可满足灵活定制的开发需求。
3. 源.系列基础大模型是首个开源的千亿参数模型，包括102亿、18亿、21亿三种参数规模的，对话问答、编程、逻辑推理等方面展示出了领先的能力。
4 此次适配标志源2.0大模型迁移到飞桨中，丰富了addleLP大模型库，方便用户在PaddleNLP内快速使用源2.0大模型的能力，并能使用特定领域的做微调，利用相对较少的就能训练出更适合实际应用场景的大模型。
5. 在微调阶段，利用PaddleNLP中Zero Padding零数据流优化技术，通过分组贪心的数据填充策略，最大程度消除无效填充的比例。通过上述优化LLa-Factory，PaddleN在FTSupervised Fine-T，监督）性能提升，可以更快训练出客户应用的源.0模型
阅读原文
3. 源.系列基础大模型是首个开源的千亿参数模型，包括102亿、18亿、21亿三种参数规模的，对话问答、编程、逻辑推理等方面展示出了领先的能力。
4 此次适配标志源2.0大模型迁移到飞桨中，丰富了addleLP大模型库，方便用户在PaddleNLP内快速使用源2.0大模型的能力，并能使用特定领域的做微调，利用相对较少的就能训练出更适合实际应用场景的大模型。
5. 在微调阶段，利用PaddleNLP中Zero Padding零数据流优化技术，通过分组贪心的数据填充策略，最大程度消除无效填充的比例。通过上述优化LLa-Factory，PaddleN在FTSupervised Fine-T，监督）性能提升，可以更快训练出客户应用的源.0模型
百模大战落幕，大模型“六小虎”开始分野
文章概要：
1. 百模大战落幕，大模型“六小虎”开始分野。
2. 文章介绍了“六小虎”的发展情况，包括MiniMax、智谱、百川智能、月之暗面、零一万物和阶跃星辰。
3. 文章还分析了大模型的商业逻辑变化，指出大模型企业需要寻找按使用情况收费的方法，而不是项目定制的方法。
4. 文章认为，当下会有几类会有更大优势，包括互联网公司、有政府和高校背景的企业、在全球C端市场发力的企业。
阅读原文
2. 文章介绍了“六小虎”的发展情况，包括MiniMax、智谱、百川智能、月之暗面、零一万物和阶跃星辰。
3. 文章还分析了大模型的商业逻辑变化，指出大模型企业需要寻找按使用情况收费的方法，而不是项目定制的方法。
4. 文章认为，当下会有几类会有更大优势，包括互联网公司、有政府和高校背景的企业、在全球C端市场发力的企业。
【资料下载】百度智能云一见视觉大模型平台全新升级！
文章概要：
1. 过去95%的视觉类需求未被满足，模型时代到来引发需求激增，百度智能云一见视觉大模型平台v4.5发布，专业级视觉AI应用落地平民化。
2. 该平台是百度智能云在工业深耕七年的拳头产品，其使命是让专业级视觉应用落地平民化。
3 大模型时代，基于视觉的管理数字化即将到来，未来的大型集团企业一定会建设自己的视觉智能基座
4. 百度智能云一见视觉大平台具备7大核心优势，包括多模态大模型对模型生产边际成本的显著降低、端到端视觉AI应用效果调优自动化、零代码AI技能编排，灵活适配现场需求、丰富的行业模型库和算法产线，支持第三方模型纳管和迭代云边协同、统一管控，拥有大量央国企最佳实践、软硬一体、高效价比、智能助手——度安安。
5. 百度智能云一见将为伙伴提供一对一的深度赋能和长期陪伴，与伙伴相互成就、共同成长。
阅读原文
2. 该平台是百度智能云在工业深耕七年的拳头产品，其使命是让专业级视觉应用落地平民化。
3 大模型时代，基于视觉的管理数字化即将到来，未来的大型集团企业一定会建设自己的视觉智能基座
4. 百度智能云一见视觉大平台具备7大核心优势，包括多模态大模型对模型生产边际成本的显著降低、端到端视觉AI应用效果调优自动化、零代码AI技能编排，灵活适配现场需求、丰富的行业模型库和算法产线，支持第三方模型纳管和迭代云边协同、统一管控，拥有大量央国企最佳实践、软硬一体、高效价比、智能助手——度安安。
5. 百度智能云一见将为伙伴提供一对一的深度赋能和长期陪伴，与伙伴相互成就、共同成长。
干货+资料 | 吴晓波对话百度沈抖：打开一张19个月的大模型成绩单
文章概要：
1. 大模型蓬勃发展，正在从技术变革走向产业。著名财经作家吴晓波现场体验百度大模型落地成果，并与百度集团执行副总裁、百度智能云事业群总裁沈抖展开精彩对话。2. 吴晓波认为百度在大模型大，且很多基础性的事情已经想明白，过去一年多，百度智能云发生了很多变化。3. 沈抖表示，大模型的能力在持续提升，中国的大模型从第一天开始就特别追求应用效果，百度内部很早就开始要求基于AI重构所有产品。4. 吴晓波认为大模型像一串珍珠里面那根线，把原来的点状的创新给它串起来了，沈抖表示认同，并认为大模型旅行者 吴晓波表示，百度在整个中国大模型市场里已处于非常领先的地步，中国央企一半以上模型认为大模型的应用场景非常多，在一些能源制造、交通政府等领域，都有大量的知识管理，的地方，大模型在领域肯定是非常容易，能取得很好效果。7. 沈抖认为，大模型的需求量会越来越大，现在做视频创作的人有多大的群体，他们如果用这个东西至少来辅助生成都会很好。8. 沈抖认为，大模型的通用性和泛化能力很强，它实际上形成了一个很厚的底座，这也是为什么今天上午我们讲大也好，相关的人工智能技术也好基础设施9. 沈抖认为，大模型的应用场景非常多，在一些能源制造有大量知识管理需求，需要助手的地方，大模型在这些领域肯定是非常容易，而且能取得很好效果。10. 沈抖认为，大模型的通用性和泛化很厚的底座也是为什么今天上午我们讲大模型也好，相关的人工智能技术也好，实际上都是一个新的基础设施。11. 沈抖认为，大模型的应用场景非常多，在一些能源制造、交通政府等领域，都有大量的知识管理需求，需要助手的地方，大模型在这些领域肯定是非常容易，而且能取得很好效果。12. 沈抖认为，大模型的通用性和泛化能力很强一个很厚的底座，这也是为什么今天上午我们讲大模型也好，相关的人工智能技术也好，实际上都是一个新的基础设施。13. 沈抖认为，大模型的非常多，在一些能源制造、交通政府等领域管理需求需要的地方，模型在这些领域肯定是非常容易，而且能取得很好效果。14. 沈抖认为，大模型的通用性，实际上形成了一个很厚的底座，这也是为什么今天上午我们讲大模型也好，相关的人工智能技术也好，实际上都是一个新的基础设施。15. 沈抖认为，大模型的应用场景非常多，在一些能源制造、交通政府等领域，都有大量的知识管理需求，需要助手的地方，大模型在这些领域肯定是非常容易，而且能取得很好效果。
阅读原文
论文速读 · 第43期 | 大模型与医学人工智能
文章概要：
1. 本文介绍了《论文速读》栏目，该栏目旨在跟踪颠覆性技术如大模型人工智能在医疗健康领域的最新进展，整理全球学术期刊中的前沿论文，帮助读者洞悉热门领域的最新趋势和突破。
2. 本期论文内容包LLMs在医疗应用中的潜在安全漏洞及其攻击向量的系统性评估，针对医疗LLMs的安全性和伦理对齐的多维度框架，用于评估医疗LLMs性能的专业基准数据集，以及一种创新的、以安全为中心的LLMs集群架构——Polaris系统。
3. Polaris系统采用了多代理协作架构，包括一个主要对话代理和多个专门的支持代理，旨在提高医疗对话的安全性和减少幻觉br> 4. 通过对1100多名美国注册护士和130多名执业医生的大规模临床评估，Polaris在医疗安全性、临床准备度、对话质量和病床礼仪等关键维度上展现出与人类护士相当的表现，并在特定任务上显著优于GPT-4等大型通用语言模型。
阅读原文
2. 本期论文内容包LLMs在医疗应用中的潜在安全漏洞及其攻击向量的系统性评估，针对医疗LLMs的安全性和伦理对齐的多维度框架，用于评估医疗LLMs性能的专业基准数据集，以及一种创新的、以安全为中心的LLMs集群架构——Polaris系统。
3. Polaris系统采用了多代理协作架构，包括一个主要对话代理和多个专门的支持代理，旨在提高医疗对话的安全性和减少幻觉br> 4. 通过对1100多名美国注册护士和130多名执业医生的大规模临床评估，Polaris在医疗安全性、临床准备度、对话质量和病床礼仪等关键维度上展现出与人类护士相当的表现，并在特定任务上显著优于GPT-4等大型通用语言模型。
从融资烧钱到商业落地：中国AI大模型步入「实战期」
文章概要：
1. 大模型市场降温，企业选择：继续烧钱还是进行商业落地验证
2. 甲方客户对大模型态度积极，但如何与自身业务结合还需探索
3. 大模型创业公司面临融资和商业化挑战，ToB和ToC两手抓
4. 大模型公司寻求新的盈利，加速构建生态圈
5. AI应用成为大模型公司重点任务之一，基础大模型研发与AI应用是否冲突？云厂商和大模型创业公司看法不同
6. 云厂商提供更系统的服务，大模型创业公司需补充toB服务能力，面临强大竞争对手
7. OpenAI预计2029年才能实现盈利，国内大模型企业的盈利模式尚不明确
阅读原文
2. 甲方客户对大模型态度积极，但如何与自身业务结合还需探索
3. 大模型创业公司面临融资和商业化挑战，ToB和ToC两手抓
4. 大模型公司寻求新的盈利，加速构建生态圈
5. AI应用成为大模型公司重点任务之一，基础大模型研发与AI应用是否冲突？云厂商和大模型创业公司看法不同
6. 云厂商提供更系统的服务，大模型创业公司需补充toB服务能力，面临强大竞争对手
7. OpenAI预计2029年才能实现盈利，国内大模型企业的盈利模式尚不明确
【独家】《2024年中国AI大模型市场需求深度研究报告》正式启动｜第一新声研究院
文章概要：
1. 第一新声研究院启动《2024年中国AI大模型市场需求深度研究报告》，洞察各行业客户需求及痛点，分析产业发展趋势
2. 报告亮点包括强大的CIO资源优势和研究团队
3. 合作价值包括独家的市场洞察、目标客户、标杆客户分析和分析师闭门研讨会
4. 报告框架包括中国AI大模型市场发展环境、发展现状预测、典型厂商分析、典型客户分析和发展前瞻
5. 报告咨询：sherry（微信：sherry_199909）
阅读原文
2. 报告亮点包括强大的CIO资源优势和研究团队
3. 合作价值包括独家的市场洞察、目标客户、标杆客户分析和分析师闭门研讨会
4. 报告框架包括中国AI大模型市场发展环境、发展现状预测、典型厂商分析、典型客户分析和发展前瞻
5. 报告咨询：sherry（微信：sherry_199909）
人工智能大模型教育场景应用优秀案例⑦
文章概要：
1. 《贝类增养殖学》以人工智能为抓手了学生个性化
2.课程以知识图谱为基础，方式，了个，挖掘了观下的牡蛎增绿色低碳生态养殖”“粮仓”坚守的案例
3面向全国新农科水产单位积极应用计划，联动教学成效显著br. 该课程基于AI知识图谱的共建共享，和塔里木云端为创新教学和课堂提供了新思路，中西部教育的高质量发展做出。
阅读原文
2.课程以知识图谱为基础，方式，了个，挖掘了观下的牡蛎增绿色低碳生态养殖”“粮仓”坚守的案例
3面向全国新农科水产单位积极应用计划，联动教学成效显著br. 该课程基于AI知识图谱的共建共享，和塔里木云端为创新教学和课堂提供了新思路，中西部教育的高质量发展做出。
2024 中文大模型 AI 排行榜：谁领风骚？
文章概要：
1. 202年中文大模型排行榜出炉，Kimi.ai、文心一言、通义干问等模型入围。
2. Kimi.在智能客服、语音识别和文本领域表现出色，文心一言在文学创作和商业文案撰写方面能力强大，通义干问电商、金融、物流等领域应用广泛。
3. 天工AI、包、智谱清言、讯飞星火、海螺问问、混元助手、百川智脑等模型在各自领域发挥重要作用。
4. 中文大模型AI未来充满可能性，但也面临技术、数据质量和安全性、能耗等。
阅读原文
2. Kimi.在智能客服、语音识别和文本领域表现出色，文心一言在文学创作和商业文案撰写方面能力强大，通义干问电商、金融、物流等领域应用广泛。
3. 天工AI、包、智谱清言、讯飞星火、海螺问问、混元助手、百川智脑等模型在各自领域发挥重要作用。
4. 中文大模型AI未来充满可能性，但也面临技术、数据质量和安全性、能耗等。
英伟达出手即王炸！重磅开源Nemotron大模型：击败GPT-4o、仅次于o1！
文章概要：
1. 英伟达发布新型人工智能模型Llama-3.1-Nemotron-70B-In，性能超越行业领导者OpenAI和Anthropic的。
2模型在多个基准测试中取得优异成绩，包括在Arena Hard基准测试中得分85.0，在AlpacaEval 2 LC中得分57.6，以及在GPT-4-Turbo MT-Bench中得分.98。
3. 英伟达通过利用先进的训练技术，包括“从人类反馈学习的强化学习”（RLHF），对Meta的L 3.1模型进行了优化。
4. 该模型能够在无需额外提示或特殊标记的情况下处理复杂查询，这是的一个突出。
5.这一模型提供了一个非常有吸引力的选项，公司通过其build.nvidia.com平台提供免费的推理服务，并配有与OpenAI兼容的API接口。
6. 这一发布还突显了人工智能领域逐渐向不仅强大而且可定制的模型转变。
7. 随着这些强大的技术的推出，也伴随着责任。如同任何人工智能系统一样，Llama-3.-Nemotron-0B-Instruct也无法避免风险。
阅读原文
2模型在多个基准测试中取得优异成绩，包括在Arena Hard基准测试中得分85.0，在AlpacaEval 2 LC中得分57.6，以及在GPT-4-Turbo MT-Bench中得分.98。
3. 英伟达通过利用先进的训练技术，包括“从人类反馈学习的强化学习”（RLHF），对Meta的L 3.1模型进行了优化。
4. 该模型能够在无需额外提示或特殊标记的情况下处理复杂查询，这是的一个突出。
5.这一模型提供了一个非常有吸引力的选项，公司通过其build.nvidia.com平台提供免费的推理服务，并配有与OpenAI兼容的API接口。
6. 这一发布还突显了人工智能领域逐渐向不仅强大而且可定制的模型转变。
7. 随着这些强大的技术的推出，也伴随着责任。如同任何人工智能系统一样，Llama-3.-Nemotron-0B-Instruct也无法避免风险。
撤出OpenAI后，苹果继续泼冷水：大模型不会推理。科技界炸锅：大模型只会检索拼凑答案，反方：不要混淆推理的概念
文章概要：
1. 苹果公司的一个六人研究团队最近发表了一篇题为《了解大型语言模型中数学推理的的论文，结论是当前的LLM无法推理。
2. 该论文的资深作者Mehrdad Farajtabar在X上发帖解释了该团队是如何得出结论的，认为LLM只是遵循复杂的模式，即使是小于30亿个参数的模型也达到了只有更大的模型才能更早达到的基准。
3. 为进一步探索这一问题，研究团队此发了GSM-Symbolic，用于测试大语言模型在数学推理中的极限。
4. 研究团队从5个方面说明了为何他们认为大语言模型不具备形式推理能力。
5. 令人惊讶的是，研究人员的说法，在这个基准测试中，OpenAI的o1表现出“在各种推理和基于知识的基准中的强劲表现”，但当研究人员引入GSM-NoOp实验时，能力下降了30%。
6. 不过，反对这一论文结果的也大有人在，有人认为，苹果论文的一个问题是它将推理与计算混淆了。
阅读原文
2. 该论文的资深作者Mehrdad Farajtabar在X上发帖解释了该团队是如何得出结论的，认为LLM只是遵循复杂的模式，即使是小于30亿个参数的模型也达到了只有更大的模型才能更早达到的基准。
3. 为进一步探索这一问题，研究团队此发了GSM-Symbolic，用于测试大语言模型在数学推理中的极限。
4. 研究团队从5个方面说明了为何他们认为大语言模型不具备形式推理能力。
5. 令人惊讶的是，研究人员的说法，在这个基准测试中，OpenAI的o1表现出“在各种推理和基于知识的基准中的强劲表现”，但当研究人员引入GSM-NoOp实验时，能力下降了30%。
6. 不过，反对这一论文结果的也大有人在，有人认为，苹果论文的一个问题是它将推理与计算混淆了。
都在聊大模型场景，谁真搞懂了业务？
文章概要：
1. 场景理论自诞生以来，经历了从社会学视角到媒介传播，再时代的，其内涵和应用也随之发生深刻的变化
2. 当下最大的变量就是技术，近几十年的变迁超过过去几百年，的场景都在剧烈变化，的场景也在一次次重建。
3. 透过本届「创新场景50」系列榜单，钛媒体发现了几个趋势，首先是大模型场景的两极分化，浅层、实验性、内部场景居多，深层、、外部场景较少。
4. 其次，我们明显看到中大型企业和政府等行业的进展，在宏观经济的逆周期，以及所处行业环境的大背景下，更多企业迫于外力加速了创新场景的实践br>5. 最后，通过长时间跟踪创新场景过程可以发现创新其实一直在，应当成为企业的数字化惯性，而不是数字化冲动，不论创新场景的大和小、深和浅实践最重要。
阅读原文
2. 当下最大的变量就是技术，近几十年的变迁超过过去几百年，的场景都在剧烈变化，的场景也在一次次重建。
3. 透过本届「创新场景50」系列榜单，钛媒体发现了几个趋势，首先是大模型场景的两极分化，浅层、实验性、内部场景居多，深层、、外部场景较少。
4. 其次，我们明显看到中大型企业和政府等行业的进展，在宏观经济的逆周期，以及所处行业环境的大背景下，更多企业迫于外力加速了创新场景的实践br>5. 最后，通过长时间跟踪创新场景过程可以发现创新其实一直在，应当成为企业的数字化惯性，而不是数字化冲动，不论创新场景的大和小、深和浅实践最重要。
通俗易懂的了解大模型 topK 参数
文章概要：
1. 大模型中的“K”可以通俗地理解为筛选机制。
2. 假如大模型在生成文本时，下一个的词有很多结果及相应的概率。“TopK”只从概率最高的那些词中，挑选出前“K”个作为候选词。这里的“K”是一个预先设定的。
3.K”值的大小会影响生成文本的多样性。“K”值较小，那么选择范围就窄，生成的文本会更倾向于高概率的常见词，结果可能相对比较保守、缺乏，但连贯性和相关性会较强；如果“K”值较大范围更广，生成的文本会更具多样性和创造性，但也因为包含了一些不太常见或不太准确的，导致文本的连贯性和相关性稍微降低。br> 4. 在一些对准确性要求较高的场景下，可能会使用较小的K”值，以确保生成的内容更符合预期；而在需要更多创意和探索的场景下，可以适当增大“K”值。
5. “TopK”是大模型在生成时用来控制选择范围的一个参数，通过调整“K，可以在生成文本的和准确性之间找到一个平衡。
阅读原文
2. 假如大模型在生成文本时，下一个的词有很多结果及相应的概率。“TopK”只从概率最高的那些词中，挑选出前“K”个作为候选词。这里的“K”是一个预先设定的。
3.K”值的大小会影响生成文本的多样性。“K”值较小，那么选择范围就窄，生成的文本会更倾向于高概率的常见词，结果可能相对比较保守、缺乏，但连贯性和相关性会较强；如果“K”值较大范围更广，生成的文本会更具多样性和创造性，但也因为包含了一些不太常见或不太准确的，导致文本的连贯性和相关性稍微降低。br> 4. 在一些对准确性要求较高的场景下，可能会使用较小的K”值，以确保生成的内容更符合预期；而在需要更多创意和探索的场景下，可以适当增大“K”值。
5. “TopK”是大模型在生成时用来控制选择范围的一个参数，通过调整“K，可以在生成文本的和准确性之间找到一个平衡。
行业面对面｜国产化大模型的行业应用与未来机遇
文章概要：
1. 清华大学学生品牌活动“面对面”将邀请科大讯飞联合创始人、高级副总裁江涛，于10月日（周五）1400在学生职业发展二层东风汽车厅，开展兼具专业性与前瞻性的行业分享讲座，与同学们交流人工智能的发展与前景、科大讯飞发展历程和国产化大模型背后的故事人工智能行业应用等多维度进行解析。
3. 江涛博士在科大讯飞长期从事语音及人工智能技术在通信、移动的应用创新，包括领导“讯飞输入法”等创新项目的研发，推动人工智能技术的教育、、司法等领域的落地应用，“5G+AI智慧教育基建示范工程等。
阅读原文
3. 江涛博士在科大讯飞长期从事语音及人工智能技术在通信、移动的应用创新，包括领导“讯飞输入法”等创新项目的研发，推动人工智能技术的教育、、司法等领域的落地应用，“5G+AI智慧教育基建示范工程等。
大模型落地路线图研究报告（2024年）（附下载）
文章概要：
1. 报告深入分析模型的技术发展、行业应用、落地挑战，提出落地路线图，涵盖诊断、建设、应用、管理等关键阶段包括基础设施、数据资源到算法模型、应用服务，再到安全可信的全方位分析
2. 报告亮点包括大能力，多模态感知能力，行业应用，落地挑战路线管理体系，趋势展望，实践案例
3. 报告提供百度智能云千帆大模型和星火认知大模型云服务平台的实践案例，展示大模型在实际应用中的落地情况
4. 文末可下载PDF
阅读原文
2. 报告亮点包括大能力，多模态感知能力，行业应用，落地挑战路线管理体系，趋势展望，实践案例
3. 报告提供百度智能云千帆大模型和星火认知大模型云服务平台的实践案例，展示大模型在实际应用中的落地情况
4. 文末可下载PDF
我测试了几个大模型，感觉一半的律师应该考虑转行了(KiMi)
文章概要：
1. 作者测试了几个大模型，对国内法律领域的应用有了新的认识。
2. 作者从易用、答案准确、链接权威等方面对大模型进行了评分。
3. 大模型在回答法律问题时，能够提供准确的答案权威的链接。
4. 作者认为，大模型在法律领域的应用还有很大的提升空间。
阅读原文
2. 作者从易用、答案准确、链接权威等方面对大模型进行了评分。
3. 大模型在回答法律问题时，能够提供准确的答案权威的链接。
4. 作者认为，大模型在法律领域的应用还有很大的提升空间。
智研咨询发布：2024年中国AI大模型行业市场深度分析报告
文章概要：
1. 智研咨询发布了《2024-2030年中国AI大模型行业市场发展监测投资战略咨询报告》。
2. 报告研究了中国AI大模型产业发展情况，包括市场规模、产业链等方面。
3. 截至2024年7月30日，全国已有197个式人工智能服务通过网信办备案。
4. 报告对AI大模型产业发展中存在的问题提出了。
阅读原文
2. 报告研究了中国AI大模型产业发展情况，包括市场规模、产业链等方面。
3. 截至2024年7月30日，全国已有197个式人工智能服务通过网信办备案。
4. 报告对AI大模型产业发展中存在的问题提出了。
产业赋能 | 宁波人工智能超算中心助力智萃大模型研发
文章概要：
1. 宁波人工智能超算助力宁波人工智能研究院项目团队自主研发“智萃大模型”，用于高质量数据集构建，专注于专业科学领域的知识提取
2. 智萃大模型自然语言技术，可有效地从材料论文等非结构化数据中自动提取、整理和学习材料领域的关键知识，形成系统的知识体系
3. 国家数据局等17部门联合印发《“数据要素×”三年行动计划（2024—2年）》，提出以科学数据大模型开发，深入挖掘各类科学数据和科技文献，通过细粒度知识抽取和多来源知识融合，构建科学知识资源底座，建设高质量语料库和基础科学数据集
4. 传统数据获取方法存在许多痛点，且市面上现有数据集模型较少，该项目方向未来发展前景广阔
5. 智萃大模型处理多种类型非结构化长文本，具有高效、低成本构建高质量数据集且知识覆盖全面、信息提取充分等优势，且适用性，能够覆盖材料科学、医学、物理化学、法律、金融等专业领域
6.萃大模型已成功在人工智能超算中心的智算平台完成适配并试点
7. 智萃大模型在多种类型文本上构建的领域知识指令生成数据集基础上进行微调得到，具备高准确性和强适应性，能够生成优质的知识数据集。其应用场景广泛，可用于科研辅助、工业制造、医疗健康法律咨询、金融分析等行业领域
8. 开发基于智萃大工程全链条服务平台，相比市场上普通的数据处理平台，能够高效实现专业科学领域高质量知识数据集建设，打造全面、智能的领域知识数据集构建解决方案
9. 当前人工智能技术进入高速发展，人工智能技术科研创新和产业转型等发挥的价值越来越，宁波人工智能超算携手合作伙伴，凝聚各方智慧，不断突破向上，与生态伙伴共成长，以人工智能技术带动数字经济腾飞，打造科研创新新阵地，使能千行百业智能化升级，共同推进宁波本地人工智能产业的发展
阅读原文
2. 智萃大模型自然语言技术，可有效地从材料论文等非结构化数据中自动提取、整理和学习材料领域的关键知识，形成系统的知识体系
3. 国家数据局等17部门联合印发《“数据要素×”三年行动计划（2024—2年）》，提出以科学数据大模型开发，深入挖掘各类科学数据和科技文献，通过细粒度知识抽取和多来源知识融合，构建科学知识资源底座，建设高质量语料库和基础科学数据集
4. 传统数据获取方法存在许多痛点，且市面上现有数据集模型较少，该项目方向未来发展前景广阔
5. 智萃大模型处理多种类型非结构化长文本，具有高效、低成本构建高质量数据集且知识覆盖全面、信息提取充分等优势，且适用性，能够覆盖材料科学、医学、物理化学、法律、金融等专业领域
6.萃大模型已成功在人工智能超算中心的智算平台完成适配并试点
7. 智萃大模型在多种类型文本上构建的领域知识指令生成数据集基础上进行微调得到，具备高准确性和强适应性，能够生成优质的知识数据集。其应用场景广泛，可用于科研辅助、工业制造、医疗健康法律咨询、金融分析等行业领域
8. 开发基于智萃大工程全链条服务平台，相比市场上普通的数据处理平台，能够高效实现专业科学领域高质量知识数据集建设，打造全面、智能的领域知识数据集构建解决方案
9. 当前人工智能技术进入高速发展，人工智能技术科研创新和产业转型等发挥的价值越来越，宁波人工智能超算携手合作伙伴，凝聚各方智慧，不断突破向上，与生态伙伴共成长，以人工智能技术带动数字经济腾飞，打造科研创新新阵地，使能千行百业智能化升级，共同推进宁波本地人工智能产业的发展
抢占应用场景，顺丰、京东物流、菜鸟、中远海运等物流巨头争相布局大模型
文章概要：
1 今年国庆长假七天，物流快递高速增长，日均揽收量与投递量相比2023年分别同比增长28.4%和26.7%。
2. 菜鸟、顺丰、京东物流等物流巨头纷纷推出大模型，如菜鸟天机π”、顺丰“丰知”京东物流“超脑”等。
3. 大模型在物流行业的应用场景广泛，如管理、库存管理需求预测等。
4. 大模型在物流行业的应用了许多优势，但也可能伴随一些风险和隐患如高投入、数据量不足、企业管理不适应等。<>5. 为避免物流行业从大一”的困境，企业需要明确大模型的场景和价值定位，避免盲目跟风。
阅读原文
2. 菜鸟、顺丰、京东物流等物流巨头纷纷推出大模型，如菜鸟天机π”、顺丰“丰知”京东物流“超脑”等。
3. 大模型在物流行业的应用场景广泛，如管理、库存管理需求预测等。
4. 大模型在物流行业的应用了许多优势，但也可能伴随一些风险和隐患如高投入、数据量不足、企业管理不适应等。<>5. 为避免物流行业从大一”的困境，企业需要明确大模型的场景和价值定位，避免盲目跟风。
【大模型】2024人工智能中文大模型使用手册解读-33页附下载
文章概要：
1. 报告详细介绍了中文大模型的定义、特点、应用领域发展趋势以及几个国内知名的大模型平台，包括文心一言、Kimi、GLM、MiniMax、义千问、天工讯飞星火
2. 中文大模型的发展强劲，技术不断进步已经在理解和生成中文语言方面出强大的能力
.为每个AI平台提供了使用技巧和建议，帮助用户更有效地利用这些
4. 报告强调了在使用AI平台时需要注意的隐私保护、网络安全合规使用等问题
5. 中文大模型的发展为人工智能领域带来了新的机遇，这些平台的应用将推动的广泛应用和深入发展
6. 报告为用户提供了一个全面的中文模型AI平台的概览，包括它们的功能、应用、安装和使用方法，以及使用过程中可能遇到的注意事项安全
阅读原文
2. 中文大模型的发展强劲，技术不断进步已经在理解和生成中文语言方面出强大的能力
.为每个AI平台提供了使用技巧和建议，帮助用户更有效地利用这些
4. 报告强调了在使用AI平台时需要注意的隐私保护、网络安全合规使用等问题
5. 中文大模型的发展为人工智能领域带来了新的机遇，这些平台的应用将推动的广泛应用和深入发展
6. 报告为用户提供了一个全面的中文模型AI平台的概览，包括它们的功能、应用、安装和使用方法，以及使用过程中可能遇到的注意事项安全
侃大模型(7)：大模型场景挖掘的关键是识别2个关键业务路径决策点，同时要关注POC的这几个重点！
文章概要：
1. 大模型场景挖掘的关键是识别业务流程中的AIGC决策点需要同时具备业务和AI技术。
2. 决策点分为替换点和辅助点，替换点是指一些流程能够完全被GAI干掉的环节，辅助点是指整个流程不容易被GAI干掉，但是AI能够加强执行的效果。
3. 在技术实现层面，需要考虑三个的问题，以确保技术方案与业务方案完美融合。
阅读原文
2. 决策点分为替换点和辅助点，替换点是指一些流程能够完全被GAI干掉的环节，辅助点是指整个流程不容易被GAI干掉，但是AI能够加强执行的效果。
3. 在技术实现层面，需要考虑三个的问题，以确保技术方案与业务方案完美融合。
kimi又放大招，国内第一个具备推理思考大模型
文章概要：
1. kimi推出探索版新功能，在内测中每天只有5次次数
2. kimi探索版能够拆解复杂问题，更深入的探索，作者测试了其在历史事件查询和复杂计算方面的能力
3. 与国内大模型相比，kimi在处理复杂问题上表现出色
4. 作者认为kimi作为国产之光，演进方面与时俱进，值得肯定
阅读原文
2. kimi探索版能够拆解复杂问题，更深入的探索，作者测试了其在历史事件查询和复杂计算方面的能力
3. 与国内大模型相比，kimi在处理复杂问题上表现出色
4. 作者认为kimi作为国产之光，演进方面与时俱进，值得肯定
医疗大模型已过百款，谁能最早盈利？
文章概要：
1. 2024年涌入医疗领域的大模型已逾百个，企业涉猎的区域十分广泛。
2. 智能体能够感知环境、进行决策并采取行动，在医疗领域具有很大的价值。
3. 智能体已经在互联网医疗、数字营销医院管理登场快速落地，诊前环节是一个不得不选的场景。
4. 不少企业将智能体的价值放在了随访、药品说明书等环节，构建患者社群，最终寻求药企付费。
5. 智能体的能力需要与过去的智慧医院系统作出区分，充分发挥生成式AI的优势。
6. 智能体之间，不止考验模型能力，还需要企业投以大量优质数据，不断训练、喂养、积累模型。
阅读原文
2. 智能体能够感知环境、进行决策并采取行动，在医疗领域具有很大的价值。
3. 智能体已经在互联网医疗、数字营销医院管理登场快速落地，诊前环节是一个不得不选的场景。
4. 不少企业将智能体的价值放在了随访、药品说明书等环节，构建患者社群，最终寻求药企付费。
5. 智能体的能力需要与过去的智慧医院系统作出区分，充分发挥生成式AI的优势。
6. 智能体之间，不止考验模型能力，还需要企业投以大量优质数据，不断训练、喂养、积累模型。
人工智能中文大模型使用手册
文章概要：
1. 人工智能（AI）已渗透到生活各方面，中文大是AI领域重要技术，引领智能科技新浪潮。
2. 本使用手册由东华大学图书馆馆长上海市政协常委方建安教授策划，由AI平台生成整理编写而成。
3. 中文大模型基于深度学习，具备强大文本生成、语义理解和对话交互能力，在内容创作等方面展现卓越性能。
4. 要发挥中文大效能，用户需了解和掌握，本手册以介绍几个国内知名AI平台入手，引导用户了解和使用。
5. 手册介绍各AI平台基本功能与特点与使用、使用技巧与建议、注意事项与安全问题等情况。
阅读原文
2. 本使用手册由东华大学图书馆馆长上海市政协常委方建安教授策划，由AI平台生成整理编写而成。
3. 中文大模型基于深度学习，具备强大文本生成、语义理解和对话交互能力，在内容创作等方面展现卓越性能。
4. 要发挥中文大效能，用户需了解和掌握，本手册以介绍几个国内知名AI平台入手，引导用户了解和使用。
5. 手册介绍各AI平台基本功能与特点与使用、使用技巧与建议、注意事项与安全问题等情况。
大白话介绍大模型LLM（Large Language Model）
文章概要：
1. 大模型是指通过海量数据和强大的计算资源训练出来的人工智能模型，通常具有非常多的参数，可以解决复杂的任务，语言理解、生成图像识别。br>2. 大模型的核心在于“预训练”，也就是先用大量通用数据训练一个基础模型，然后在特定领域进行“微调”训练，使模型能更好地处理特定任务。
3. 国内大模型厂商有百度、阿里巴巴、华为、字节跳动谱AI。
4 国外大模型厂商有OpenAI、谷歌、Meta、微软、Anthropic等
5. 大模型是推动人工智能快速发展的关键技术，国内外的科技公司都投入大量资源进行研发。
阅读原文
3. 国内大模型厂商有百度、阿里巴巴、华为、字节跳动谱AI。
4 国外大模型厂商有OpenAI、谷歌、Meta、微软、Anthropic等
5. 大模型是推动人工智能快速发展的关键技术，国内外的科技公司都投入大量资源进行研发。
大模型「强崩溃」！Meta新作：合成数据有「剧毒」，1%即成LLM杀手
文章概要：
1. Meta新作表明合成数据可能导致模型崩溃，即使比例很小。
2. 论文以经典线性设置中的回归问题为例进行理论分析，并在MINIST数据集和GPT-2模型上进行实验。
3. 实验结果表明，合成数据比例需要无限接近0才能避免模型崩溃，模型尺寸也会影响崩溃程度。
4. 作者通过合成数据策略，探索如何缓解模型崩溃这一现象。
5. 研究人员还证明了，与少量实际数据进行迭代混合，也会导致模型崩溃。
阅读原文
2. 论文以经典线性设置中的回归问题为例进行理论分析，并在MINIST数据集和GPT-2模型上进行实验。
3. 实验结果表明，合成数据比例需要无限接近0才能避免模型崩溃，模型尺寸也会影响崩溃程度。
4. 作者通过合成数据策略，探索如何缓解模型崩溃这一现象。
5. 研究人员还证明了，与少量实际数据进行迭代混合，也会导致模型崩溃。