王小川团队发布新的大模型Baichuan-53B，这是继Baichuan-7B和Baichuan-13B之后的第三个大模型产品，但与前两款不同，这次选择闭源商业化。这款53B模型规模达到530亿参数，是王小川团队迄今为止参数量最大的模型，结合了搜索技术，增强了对抗生成和时效性等方面的能力。王小川表示商业化的时机已到，53B闭源有利于直接面向企业客户商业化运营，开放模型权重被指将导致AI失控，Meta遭举牌抗议。AI领域开源与闭源选择存在分歧，但大模型时代开源力量崛起，Meta因开源陷入麻烦，抗议者质疑开放模型权重安全性，LeCun则表态开源AI不可阻挡。
港中大开发的MathCoder大模型在数学推理方面超过了GPT-4，能够无缝集成代码解决数学问题。MathCoder在MATH和GSM8K数据集上取得了优秀成绩，展现出强大的数学解题能力。论文地址:https://browse.arxiv.org/pdf/2310.03731.pdf
微软宣布将OpenAI最新模型DALL-E3集成在Bing Chat和Bing Image Create中，并免费提供给用户使用。DALL-E3是一款类Midjourney产品，通过文本就能生成二次元、3D、朋克、涂鸦等多种类型图片。微软表示，为了保证用户通过Bing Image Creator创建的内容的安全性，已经在生成的图片中内置了符合C2PA规范的数字水印。用户在创建图片的过程中，提供的文本细节越多、描述越丰富，最终生成的图片也就越精准。
百度宣布将于10月17日举行“百度世界大会2023”，李彦宏透露将带来文心一言、搜索、地图、网盘等应用产品的全新亮相。李彦宏将在主题演讲中分享AI原生应用的心得，重点介绍生成式AI的想象和创新空间。文心一言将进行再次升级，发挥在生活生产中的更重要作用。百度搜索、地图、网盘等应用将带来全新亮相，提供更好的用户体验。
微软OneDrive将迎来全新升级:Copilot将为用户提供更多AI功能。升级版OneDrive整合Copilot人工智能功能，帮助用户更便捷地管理文件。OneDrive Copilot可自动生成文件内容摘要，提高文件搜索效率。OneDrive Copilot可预测用户需求，建议将相关文件归类到同一文件夹。OneDrive将推出人工智能搜索功能，可在2024年初公测。
谷歌为Google Assistant注入AI新功能。谷歌在Made by Google活动上为Google Assistant注入了新的AI功能，如与Bard的融合、理解更自然的语音命令、电话体验优化等，以提升其在语音助手市场的地位。Assistant with Bard将成为更加智能的语音助手，可以理解更自然的语音交互方式，电话筛选和垃圾电话过滤功能加强。
原百度AI高管景鲲和朱凯华离职将联手创业。两人在语音交互领域积累了丰富经验，计划联手创业。据悉，他们的创业项目会结合大模型技术，目标是打造语音交互一体化解决方案。业内人士认为，两人在软硬件结合方面的经验，将会是创业过程中的优势。景鲲和朱凯华分别曾任小度科技CEO和CTO，景鲲被称为“小冰之父”，二人均有软硬件结合经验，擅长语音交互领域。
Windows12将于2024年推出:AI功能刺激更新需求。英特尔高管在公开场合透露，微软可能会在2024年推出Windows12操作系统，以刺激用户对新系统的更新需求。微软近期在Windows11中加入AI功能，Windows12可能会进一步整合AI。Windows12开发已在加速，正式发布时间表与2024年秋季吻合。
淘宝:国庆期间AI修图服务搜索量周环比暴增数十倍。淘宝数据显示，国庆期间淘宝上AI修图服务搜索量周环比暴增数十倍，景点代打卡等“懒人旅游”服务也大受欢迎。淘宝上境内外旅游门票预订大幅增长，代打卡、代P图等“懒人旅游”服务火爆。
百万网友围观DALL-E3新玩法!钢铁侠特斯拉皆“中招”。最近DALL-E3在网友手中玩出了多种新玩法，比如整齐摆放物品，生成各类难以拍摄的产品照片，配合提示词可生成不同风格图像。这种风格叫做knolling，重点在于摆放整齐，也是不少产品摄影的表达方式。DALL-E3可将物品整齐摆放，生成有趣的组合照片，比如电影人物的身体部件平铺照。DALL-E3可轻松生成正常拍摄困难的产品组合照，如特斯拉全系列车型。添加提示词可让DALL-E3生成不同风格的图像，非常适合产品摄影创作。
研究人员称，即使是最糟糕Claude AI版本也比GPT3.5更好。根据Chatbot Arena排行榜，Anthropic的Claude模型在性能上超越了OpenAI的GPT-3.5，即使是最差的Claude版本也优于ChatGPT免费版的GPT-3.5。Claude模型在排名上整体领先GPT-3.5，排名考量了上下文处理能力、长文本生成等多个维度，排名结果将影响用户选择ChatGPT或Claude。
宾夕法尼亚州立大学研发出“电子舌头”，有望赋能AI品尝美食。宾夕法尼亚州立大学研究团队最近研发出一种基于石墨烯的电子“舌头”，可以检测不同味道，为人工情感智能的发展带来重大突破。研究团队研发出基于石墨烯的电子“舌头”，能检测不同味道，实现AI“品尝”功能。研究关注将情感智能引入AI，通过仿效人类味觉过程使AI更人性化。创新可应用于智能饮食推荐等领域，未来可拓展到视觉、听觉等其他感官的AI。
AMD蓄势待发准备挑战英伟达的人工智能霸主地位。AMD正在加紧挑战英伟达在AI市场近乎垄断的地位，凭借与PyTorch的合作和微软的支持，有望颠覆现状。AMD一直在默默取得进展，开发了CUDA转换工具，即将推出的Instinct MI300A处理器具有竞争力。AMD与PyTorch合作，为后者提供AMD GPU支持，也获得了微软的战略支持。AMD有可能借助战略合作伙伴关系，在AI市场颠覆英伟达的垄断地位。
聚焦开发者浙大校友联手微软开源LLaVA-1.5，硬刚GPT-4V。最近威斯康星大学麦迪逊分校、微软研究院和哥伦比亚大学的研究人员联手开源了新型多模态模型LLaVA-1.5，在多个基准测试中实现SOTA，展现出强大的多模态理解能力，被认为可与GPT-4V形成正面竞争。LLaVA-1.5在11项基准测试实现了SOTA，使用8块A100GPU，LLaVA-1.5的训练仅需1天时间即可完成。LLaVA-1.5在多模态理解上超越GPT-4V，可对其形成有力竞争。LLaVA-1.5采用最简单的架构和公开数据集，性能显著提升。
OnnxStream:可在树莓派Zero2上运行Stable Diffusion1.5。OnnxStream是一款内存占用极低的机器学习推理引擎，可在内存仅512MB的树莓派Zero2设备上运行Stable Diffusion1.5等大型深度学习模型。OnnxStream通过出色的内存管理，可极大降低模型运行时的RAM占用。OnnxStream支持多种功能以适应资源受限环境，如权重加载器、注意力切片等。OnnxStream实现了跨平台支持，可灵活运行在Linux、Windows、Mac和Termux等系统。
StreamingLLM:让AI模型无限期平稳运行的一种方法。Meta、麻省理工和卡内基梅隆的研究人员提出StreamingLLM技术，通过在对话不同阶段重新引入初始标记，解决了LLM在长时间对话中性能下降的问题，使其能够在无限长度文本上保持高性能。StreamingLLM利用attention sinks的概念，在对话不同阶段重新引入初始标记，使LLM能够在无限长度文本上保持高性能。研究人员提出了使用单个特殊标记作为attention sink来稳定LLM的关注机制，保持其在长时间对话中的高性能。
全新图文生成方式MiniGPT-5生成文本的同时创作匹配的图片。MiniGPT-5是一款基于大型语言模型的视觉与语言协同生成工具，通过生成vokens实现图像文本协同生成。MiniGPT-5实现图像文本协同生成，用户可输入文本生成图像或输入图像生成文本。MiniGPT-5通过两阶段训练提高模型鲁棒性，无需详细描述进行训练。MiniGPT-5在多个数据集上表现出色，是多模态生成有力工具。
轻量级代码库分析工具ctoc开源。ctoc是一个轻量级的代码库分析工具，基于gocloc，可以快速统计代码库中的令牌数量，支持多种语言和输出格式，对理解代码库复杂性和与不同LLM模型互操作很有帮助。ctoc可以快速统计代码库中的令牌数量，分析复杂性。支持多种编程语言，可以轻松统计不同语言的令牌数。提供多种输出格式，支持与不同LLM模型互操作。
