AI精选（131）-东说念主工智能领域内的最新进展：巴黎2024奥运会中的东说念主工智能应用
一、巴黎2024奥运会中的东说念主工智能应用 Intel当作巴黎2024奥运会的官方AI平台合营伙伴，推出了一项本领，不错通过测量体魄素养和响应速率来确定参与者最合适的相似技俩。这项本领不错匡助识别昔时的体育东说念主才，尤其是在发展中国度。举例，在塞内加尔的试点技俩中，有杰出1000名年青东说念主进入了测试，48名高进展者被选入塞内加尔国度奥委会的技俩。 关于辛勤不雅众，AI本领提供了亮点视频功能，简化了不雅看体验。AI自动亮点生成系统不错捕捉通盘相似技俩的关键时刻。NBC欺诈AI通过其Peac
-
一、巴黎2024奥运会中的东说念主工智能应用
Intel当作巴黎2024奥运会的官方AI平台合营伙伴，推出了一项本领，不错通过测量体魄素养和响应速率来确定参与者最合适的相似技俩。这项本领不错匡助识别昔时的体育东说念主才，尤其是在发展中国度。举例，在塞内加尔的试点技俩中，有杰出1000名年青东说念主进入了测试，48名高进展者被选入塞内加尔国度奥委会的技俩。
关于辛勤不雅众，AI本领提供了亮点视频功能，简化了不雅看体验。AI自动亮点生成系统不错捕捉通盘相似技俩的关键时刻。NBC欺诈AI通过其Peacock应用身手每天生成10分钟的亮点播放列表，并使用AI重现资深体育播音员Al Michaels的声息。Omega公司将提供AI驱动的计时用具，以确保比赛放弃的准确性，这些用具包括用于田径和跳水技俩的智能追踪相似员的斥地。
开首：https://www.euronews.com/next/2024/07/26/ai-at-the-paris-2024-olympics-from-discovering-the-next-olympians-to-an-athletes-chatbot
二、Apple签署拜登的负背负AI指南
Apple签署了拜登政府的自觉东说念主工智能指南。该指南当先是在客岁10月的一项行政命令中提议的。
Apple加入了包括亚马逊、Anthropic、谷歌、Inflection、Meta、微软和OpenAI在内的15家主要科技公司。这些公司答允负背负地开发和推出AI本领。
通过签署负背负AI指南，Apple展示了其在AI开发和引申中的背负感，并与政府合营以确保AI本领的安全和公说念发展。
开首：https://www.politico.com/news/2024/07/26/apple-biden-ai-00171502
三、拉各斯商量欺诈AI升级学校课程
拉各斯州政府磋磨欺诈东说念主工智能（AI）“确保捏续升级学校课程”。
基础和中等阐明部常务文告阿博拉吉·阿巴约米（Abolaji Abayomi）在阐明资源中心受奖庆典上暗示，将欺诈AI平台提高素养质料，尤其是数学科目。
Darsel应用身手已被纳入拉各斯州公立中学，匡助学生管制数知识题。当今已有杰出10,000名学生使用该应用。敕令更多的合营伙伴加入，以改动数学学习过程。
开首：https://punchng.com/lagos-mulls-school-curriculum-upgrade-with-ai/
四、Arena Learning 擢升 LLMs 后磨练恶果
Arena Learning 步调：通过模拟的聊天机器东说念主竞技场，欺诈 AI 进行大型言语模子（LLMs）的后磨练，灵验擢升了模子性能，并创建了一个高效的数据飞轮。WizardArena 测试集：推敲团队引入了 WizardArena，一个离线测试集，它概况准确展望不同 LLMs 之间的 Elo 排行，与 LMSYS Chatbot Arena 的排行高度一致。迭代磨练与评估：Arena Learning 选拔迭代的磨练和评估历程，通过模拟竞技场的搏斗和模子更新，达成了相干模子 WizardLM-β 的捏续逾越。
现实考据：现实放弃清楚，Arena Learning 磨练的模子在超 vised fine-tuning（SFT）、direct preference optimization（DPO）和 proximal policy optimization（PPO）等多个阶段皆取得了显耀的性能擢升。
本钱效益与可彭胀性：比较传统的东说念主工评估步调，Arena Learning 大幅裁汰了本钱，提高了后磨练数据的弃取恶果，同期展现了在不同磨练本领和数据迭代中的可彭胀性。Build Data Flywheel for LLMs Post-training via Simulated Chatbot Arena [1]
五、极速微调 LLM：InternLM/xtuner 全面用具包
InternLM/xtuner 是一个针对大型言语模子（LLM）如 InternLM2、Llama3、Phi3、Qwen 和 Mistral 的高效微调用具包。该用具包在 GitHub 上开源，领有 Apache-2.0 许可证，并获取了杰出 3.3k 颗星星和 266 个叉子，清楚其在开源社区的流行度。提供华文在线文档，便捷公共用户学习和使用，增强了用具包的可探询性。技俩活跃，最新提交由 xu-song 于 2024 年 7 月 11 日完成，加多了 DPO 磨练的特质接济。历史记载清楚，该技俩自上线以来，积贮了 309 个提交，体现了其捏续的开发和阻挠更新。xtuner[2]
六、WeLore智能低阶压缩 LLM 的创新性步调
WeLore 是一个推敲 LLM 中低阶结构发展的技俩，旨在通过矩阵瓦解减少资源亏本，荒芜是针对 LLaMa-2 7B 和 13B 模子。该技俩发现不同档次的 LLM 矩阵在低阶抒发才气上存在各异，提议了一种非均匀秩减少战略，以最小化压缩对性能的影响。WeLore 欺诈奇异值散播的“重尾”特质，通过浅易但灵验的后预磨练启发式步调，确定合适的秩减少比例。现实放弃标明，WeLore 概况在显耀减少内存和筹算资源需求的同期，达成与统共微调荒谬或更好的微调才气。技俩提供了代码和模子查验点，接济 LLaMa-2 7B 和 13B 的下流任务微调，并带领怎样装配和使用 WeLore 进行低阶压缩和微调。WeLore[3]
七、Mistral NeMo 优化：VRAM 占用减少，性能擢升
Mistral NeMo 模子通过 Unsloth 库优化，在 12GB VRAM 上运行，速率擢升 2 倍，VRAM 占用减少 60%，且不裁汰准确性。提供了 Google Colab 和 Kaggle 的免费 GPU 资源开通，使得用户概况尝试和微调 Mistral NeMo 模子。发布了 4bit 量化的 Mistral NeMo 基础模子和指示模子，可在 Hugging Face 上获取。建筑了三个关键的 bug：EOS 令牌磨练问题、自动附加 EOS 令牌问题和 Wq 维度失误，确保了模子的康健性。Unsloth 库更新了文档，加多了对 RoPE 缩放的接济，并磋磨推出新的 UI 和多 GPU 接济，以进一步擢升用户体验和磨练恶果。Mistral-Nemo-Base-2407-bnb-4bit[4]
八、超等像素 UltraPixel：创新高诀别率图像合成本领
技俩轮廓：UltraPixel 是一个开源技俩，达成了高诀别率图像合成本领的最新进展，接济生成高达 4096x4096 诀别率的图像。
快速运行：装配依赖、下载预磨练模子、获取 UltraPixel 新增参数，并通过示例命令进行文本引导的图像生成。
高恶果图像生成：保举使用详备的文本辅导和高质料修饰辞，如 "8k"、"photo-realistic" 等，以生成愈加好意思不雅的图像。提供了不同 GPU 的内存需乞降运行时辰表格。
个性化模子应用：提供了一种基于 ControlNet 的个性化图像生成步调，接济最高诀别率为 4K，并给出了命令行操作示例。
磨练自界说模子：用户不错使用我方的图像和标注数据集进行 T2I 模子磨练和个性化模子磨练，同期提供了关系的磨练命令和设置文献。UltraPixel[5]
九、元 Meta-Llama-3-405B 模子 FP8 优化发布
模子先容：nm-testing 团队在 Hugging Face 上发布了 Meta-Llama-3-405B-Instruct 模子的 FP8 版块，旨在优化性能与准确性的均衡。
孝顺者与提交：该技俩由sadkins65厚爱，已有 2 个提交，最近一次更新是 3 天前。
文献构成：技俩包含设置文献（.gitattributes, config.json, generation_config.json）和分割存储的模子文献（83 个model-*.safetensors文献，测度约 392GB）。
文献信赖：通盘模子文献均通过 LFS（Large File Storage）上传，文献大小多量在 4.82GB 到 4.98GB 之间。
使用本领：该模子选拔了 Safetyensors 形态，可能用于提高模子加载和推理的恶果。Meta-Llama-3-405B-Instruct-Up-Merge-fp8 at main[6]