前OpenAI语音负责人创业：WaveForms AI获4000万美元种子轮融资
前OpenAI高级语音模型研发者Alexis Conneau创立的WaveForms AI，致力于开发情感通用智能（EGI）音频大型语言模型，并获得4000万美元种子轮融资。该公司采用端到端音频处理技术，旨在实现更自然、更人性化的人机交互。
Archives: 1
国产多模态模型追平OPENAI-O1，训练细节公开
月之暗面发布Kimi k1.5多模态模型，在数学、代码和多模态推理能力上全面对标OpenAI的满血版o1，成为OpenAI之外首个达到此高度的模型。该模型在短链思维领域达到SOTA水平，并公开了其强化学习训练技术细节，展现了中国在人工智能领域的重大突破。
OpenAI即将发布博士级超级AI Agent
OpenAI正计划推出博士级超级AI Agent，引发业界对AI取代中级软件工程师的担忧。Meta和Salesforce等公司已开始采用AI Agent提高生产力，并计划减少软件工程师招聘。超级AI Agent具备自主设定目标、处理复杂问题的能力，其核心技术包括机器学习、自然语言处理和复杂系统建模。早期测试显示其在数据分析、物流和软件开发等领域具有巨大潜力。
OpenAI 实时AI Agent 20分钟开发 源代码分享
OpenAI近期分享了一个基于实时API开发的多层级高级AI Agent项目，令人惊讶的是，这个语音智能体应用原型仅用了20分钟就完成了开发。该实时Agent具有实时响应、多层级协作框架、灵活的任务交接和状态机驱动的任务处理等技术优势，并采用大模型辅助决策。此外，它还提供了可视化WebRTC界面和详细的事件日志，方便用户使用和开发者调试。该项目展示了高效开发语音智能体的可能性，其快速开发能力和强大的功能令人印象深刻。
扩散模型推理扩展新范式
本文探讨了在扩散模型推理过程中进行扩展的新范式，通过增加计算资源和优化采样噪声，显著提高了生成样本的质量。研究引入了验证器和算法两个核心组件，并探索了随机搜索、零阶搜索和路径搜索等算法，以优化采样过程。此外，该研究还考察了文本到图像生成任务中搜索框架的扩展能力，以及不同验证器和算法组合对生成质量的影响。结果表明，在推理时进行扩展可以有效地提升扩散模型的性能，并且在较小的模型上进行搜索可以取得与大型模型相媲美的效果。
OpenAI o3-Mini几周内发布 奥特曼称AGI仅需872兆瓦
OpenAI即将发布新模型o3-Mini，该模型是大型模型的蒸馏版本，性能虽不如O1-Pro但速度更快。同时，奥特曼表示实现AGI只需872兆瓦计算功率，引发业界对OpenAI技术进展的猜测。
阶跃新型注意力机制：KV缓存消耗降93.7% 性能不减反增
阶跃星辰与清华大学等机构联合发布多矩阵分解注意力（MFA）机制，显著降低大语言模型推理成本，KV缓存使用量减少高达93.7%，同时保持甚至超越传统MHA性能。MFA易于实现，对超参数不敏感，兼容多种位置编码，为大模型高效推理提供了新方案。
ESM3蛋白质研究突破'免费API获Yann LeCun认可'
Evolutionaryscale的ESM3模型是蛋白质研究的重大突破，拥有980亿参数，能模拟5万亿年的自然进化。现在，ESM3免费开放API，并获得Yann LeCun的认可，它在理解和生成蛋白质方面具有巨大潜力，尤其是在医疗领域。
微软MatterGen: AI材料设计突破，精度提升10倍
微软推出MatterGen，一款用于无机材料设计的突破性大型语言模型，基于扩散模型架构，能快速生成新型材料，尤其在锂离子电池正极材料的开发中展现巨大潜力。MatterGen通过优化原子类型、坐标和晶格，显著提高材料发现的效率和质量，生成的结构更接近DFT局部能量最小值，为电动汽车、航空航天和电子芯片等高科技领域带来革命性变革。
斯坦福研究揭示ChatGPT性能下降
斯坦福大学和加州大学伯克利分校的研究人员在《哈佛数据科学评论》上发表了一篇名为'ChatGPT行为随时间变化'的论文，揭示了GPT-3.5和GPT-4在三个月内的性能和行为出现显著波动。研究发现，GPT-4在数学问题解决、代码生成等多个任务上的准确性下降，且遵循指令的能力也减弱。同时，研究还发现模型在处理敏感问题和内容过滤方面也出现了变化。这项研究强调了保持大型语言模型一致性和可靠性的挑战。