頭條
AI21 發布 Jamba 語言模型
曼巴是一種模型風格，應該在效率上擊敗Transformer，同時匹配性能。 Jamba 是一種包含 MoE 層的新穎變體。 它可以每秒 1.6k 個令牌運行，上下文長度為 128k 個令牌。 它在 MMLU 基準測試中達到了 67%。 重量是可用的。
Hume 推出移情語音界面
Hume 發布了移情語音界面（EVI），這是第一個具有情商的對話式人工智能。
谷歌開始在谷歌主搜索界面中測試 SGE 的AI
谷歌正在向部分美國用戶試行人工智能在搜索結果中生成復雜查詢的概述，而無需選擇加入其搜索生成體驗。 這種反饋驅動的測試旨在增強用戶體驗，并可能由于廣告展示位置和自然搜索可見性的變化而影響網站流量動態。
研究
1 Bit, Post Training, Quantization
1 Bit language 模型令人興奮。 這項工作展示了如何在不犧牲性能的情況下量化語言模型的線性層。 這可能會導致在消費級 GPU 上運行 70B 模型。
大型語言模型中的長形式事實性
人們可以使用語言模型來生成事實信息。 谷歌發布了一個數據集和基準測試來顯示每個模型的表現如何。 該報告深入探討了如何提高模型的真實性，并展示了語言模型在大多數情況下戰勝了人類注釋者。
改進模型適應性
CoDA 是一種新的無監督域適應 (UDA) 方法。 它通過學習場景和圖像級別的差異，幫助人工智能模型更好地適應未標記的、具有挑戰性的環境。
工程
使用 AI 識別內容中的混亂來源 (GitHub Repo)
這種方法可以精確定位觸發用戶在線問題的確切內容，從講座到新聞文章。 這種方法稱為回溯，旨在通過識別和理解困惑、好奇或情緒反應的原因來幫助內容創建者改進他們的工作。
高分辨率大型語言視覺助手 (GitHub Repo)
研究人員開發了一種新方法，即分辨率混合適應（MRA），可以提高人工智能識別圖像細節的能力。
3D 醫學成像數據集 (GitHub Repo)
CT-RATE 是一個將 3D 醫學成像與文本報告結合在一起的數據集。 CT-CLIP 是針對這些圖像進行優化的多功能人工智能框架。
雜七雜八
指數增長和人工智能逃逸速度
人工智能未來學家雷·庫茲韋爾（Ray Kurzweil）發明了加速回報定律，該定律指出，隨著時間的推移，進步的速度呈指數級增長。 在最近的一次討論中，庫茲韋爾探討了各種主題，包括只會變得更好的前景、人工智能經濟的發展方向、人類與人工智能的關系、長壽逃逸速度等等。
人工智能時代大量高薪工作
人工智能專家正在探索自動化人類任務，這引發了人們對失業和工資下降的擔憂。 然而，認為人工智能進步將不可避免地導致人類工作被淘汰的觀點可能并不正確。 由于計算能力和機會成本等限制，人類可能會在人工智能主導的未來保留就業，盡管這種情況并不能得到保證。
Meta 正在為其 Ray-Ban 智能眼鏡添加人工智能功能
Meta 正在為其雷朋智能眼鏡引入人工智能功能，包括翻譯以及通過語音命令激活的物體、動物和紀念碑的識別。
谷歌將 Gemini Nano 引入 Pixel 8
Pixel 8 將在開發者預覽版中配備 Gemini Nano，以增強錄音機中的匯總和 Gboard 智能回復等功能。
