• 这里有一个合理解释(点击标题):解释了为什么安全不是 OpenAI 关注的焦点。 超级对齐团队离开 OpenAI 有很多荒谬的原因解释,他们离开openAI更可能的原因: 首选,肯定不是因为首席科学家伊利亚Ilya 和 Jan 看到
  • 生物初创公司 Retro Biosciences 由山姆奥特曼投资1.42亿英镑,公司目标是延长人类寿命。 山姆奥特曼投资背景: 38 岁的奥特曼一直是科技行业的重要参与者。尽管年纪轻轻,奥特曼凭借 ChatGPT 和 Sora 等
  • 道生一、一生二、二生三、三生万物,生成式人工智能是如何从人类一步步生成思维中获得帮助? 加法运算:你所需要的只是纸和笔以及一点耐心。从 1 位开始,一步一步向左加,很快你就能轻松堆出五万亿。 像这样的问题 icon
  • 哈佛大学遗传学家戴维·辛克莱尔(David Sinclair)表示,他的“生理年龄”比实际年龄大约年轻十岁,并以自己几乎没有皱纹的脸作为长寿运动的代言人。 54岁的辛克莱尔教授是一位在衰老生物学领域享有盛誉的科学家,他提出了“衰老是一种可以治疗的疾 icon
  • 来自Anton Zhiyanov文章:我写代码赚钱已经有 15 年了:我尝试过其他角色--产品管理、分析、测试--但都没有坚持下来。这些年来,我发现自己很笨。 icon
  • Eugene Yan 撰写的文章《Simplicity is An Advantage but Sadly Complexity Sells Better》,这篇文章探讨了为什么简单性在某些情况下可能不被充分重视,尽管它本身是一个巨大的优势,以及为什么复杂性在某些情况下会卖得更好。文章还讨论 icon
  • 这个开源集成了各种用来挑战大型语言模型推理能力的提示,使用著名的思想实验或悖论测试大模型。 这些思想实验或悖论有: #电车问题 蒙蒂·霍尔问题 #理发师悖论 #薛定谔的猫 意外的悬挂悖论 过河 icon
  • Jdon My Soul,有时简称为 Jdon,是一个俚语和口头禅,源于 2024 年 2 月的 Hololive VTuber 流。 Hololive-EN的YouTubers Nerissa Ravencroft、Kobo Kanaeru、To icon
  • 来自哈佛商业评论Marco Argenti文章: 我最近告诉我的大学生女儿:如果你想从事工 icon
  • 本·富兰克林效应:人们在帮了别人的忙后更喜欢他们。 这句话揭示了为某人做好事的行为如何在很大程度上改善了我们对他们的看法。 早在18世纪,美国开 icon
  • Meta 仅在三天前发布了 Llama-3,感觉开源模型最终缩小了与专有模型的差距已经是一个拐点。初始基准测试显示 Llama-3 70B 在许多任务中与 GPT-4 非常接近: 官方Meta 页面仅显示 Llama-3 优于 Gemini 1.5 和 Claude Sonn icon
  • 真正辩证法应该是对话,而不是: 离开上下文狡辩 下结论停止对话 苏格拉底辩证法经典辩证法实际上是两点或 "两极 "之间的对话,这两点或 "两极 "相互影响。 icon
  • 马斯克在推特上发文:如果OpenAI更名为ClosedAI,他将放弃诉讼 网友:1、他在特斯拉的股份并不占多数。如果我没记错的话,只有 13% 左右。 但他让自己担任董事 icon
  • 在不断发展的人工智能(AI)世界中,对话式人工智能领域有两大巨头脱颖而出:Claude AI 和 OpenAI 的 ChatGPT。两者都是大型语言模型 (LLM),能够生成人类质量的文本、翻译语言、编写不同类型的内容以及以信息丰富 icon
  • 我看到很多评论和帖子都在谈论,亚洲人/印度人在科技领域取得成功,是因为采取了 "DEI "措施,以至于现在人们只雇用亚洲人/印度人,这完全是大错特错。 亚裔/印度裔实际上是受多元化措施影响最严重的群体,因为亚裔被视为代表性过高、非常有特权的群体。< icon
  • 这项研究发表在《国家科学院院刊》上,题为《大型语言模型中出现的欺骗能力》,揭示了大型语言模型 (LLM) 中令人担忧的能力:理解和诱导欺骗策略的能力。 随着 GPT-4 等 LLM 与人类交流交织在一起,将它们与人类价值观保持一致变得至关重要。 该论文展示了 LLM icon
  • 咋一看:MiniCPM-Llama3-V 2.5与Llama3-V 好像只是版本不同,是的,Llama3-V只是在MiniCPM-Llama3-V 2.5上修改一下,然后就作为升级版本发布,这两个都是开源,外行人以为是抄袭剽窃,有的网友不以为然,开源3.0版本在开源2.5版本基础上做些很少修 icon
  • Anthropic 对映射其大型语言模型 Claude 的内部表示的研究的要点: Anthropic 开发了一种称为“词典学习”的技术,用于识别其语言模型 Claude 中与特定概念、实体和想法相对应的神经元状“节点”或“特征”集。这使得他们能够映 icon