Mistral Batch API 上线:批量处理成本降低 50%
Mistral AI 在 La Plateforme 上线 Batch API,批量处理 Mistral 模型请求的成本比同步 API 调用低 50%,适用于优先数据量而非实时响应的场景。
Mistral AI 在 La Plateforme 上线 Batch API,批量处理 Mistral 模型请求的成本比同步 API 调用低 50%,适用于优先数据量而非实时响应的场景。
OpenAI 发布面向营销团队的 AI 应用方案,帮助营销团队将 AI 投入实际工作。原文仅提供标题与主题,未披露具体功能、模型版本或性能数据。
Decagon 与 OpenAI 合作,以 OpenAI 模型为支撑,规模化交付高性能、全自动化的客户支持服务。该方案将客户支持流程完全自动化,帮助企业在大规模场景下实现高效响应。
OpenAI 发布指南,介绍如何用 AI 自动化并扩展财务运营流程。内容围绕财务场景中 AI 的落地方式展开,帮助团队把 AI 应用到实际业务中。
明尼苏达州企业翻译办公室(Enterprise Translation Office)使用 ChatGPT 弥合语言鸿沟,为州内多语言服务提供翻译支持。
Upwork 将 AI 应用于团队协作、运营和产品开发,把成员、流程与产品工作统一起来。原文未给出具体模型名称、参数规模或 benchmark 数据,仅说明 AI 在 Upwork 内部的落地场景。
Indeed 与 OpenAI 合作,为每月超 350 million unique visitors 的求职者提供上下文职位匹配。Indeed 每月连接 3.5 million employers 和超 32 million jobs,每三秒就有一人在 Indeed 获得工作。
OpenAI 与 The Met 服装学院合作的「Sleeping Beauties: Reawakening Fashion」展览,展示了 AI 通过美与创造力丰富生活的艺术潜力。
OpenAI 分享了员工使用 ChatGPT Enterprise 高效分析数据、挖掘洞察的实用案例。
OpenAI 在 API 中推出 Structured Outputs,模型输出现在能够可靠地遵循开发者提供的 JSON Schema。
Mistral AI 宣布举办 Mistral Fine-tuning 黑客松,赛期为 6 月 5 日至 30 日,参赛项目须使用 Mistral 的 fine-tuning API。
OpenAI 推出 OpenAI for Education,为大学提供可负担的方案,帮助高校负责任地将 AI 引入校园。
Mistral AI 宣布推出 Mistral AI 非生产许可证(MNPL),允许开发者将技术用于非商业目的并支持研究工作,同时确保基于其成果构建业务的一方以对各方公平可持续的方式进行。Codestral 于今日在这一新许可证下发布。Mistral AI 表示将继续以 Apache 2.0 发布模型和代码,并逐步整合分别基于 Apache 2.0 和 MNPL 的两类产品。
推荐理由:原文说明了新许可证的适用边界与 Apache 2.0 的保留安排,读者可据此判断其模型的商用条件变化。
Oscar 将 AI 引入健康保险,以降低保险成本并改善患者护理。原文仅简要说明了这一方向,未披露具体模型、性能数据或价格细节。
Zelma 使用 GPT-4 让教育数据更易获取。
Holiday Extras 在所有团队全面部署 ChatGPT Enterprise,每周提升 500 小时生产力。
Healthify 与 OpenAI 合作,借助 AI 健康教练帮助用户实现可持续减重,改善数百万人的健康状况。
Paradigm 使用 OpenAI 的 API 改善患者获取临床试验的机会。
OpenAI 官方宣布正在测试 ChatGPT 的记忆能力,使其能记住用户讨论过的内容,从而让后续对话更有帮助;用户可以掌控 ChatGPT 的记忆。
IBM Research 与 Hugging Face 合作,将轻量级时序模型 PatchTSMixer 开源并集成进 Transformers 库,支持在 patches、通道和隐藏特征上进行轻量混合,以及 gated attention 到 self-attention 等多种注意力机制。
OpenAI 资助了来自全球的 10 支团队,设计共同治理 AI 的想法与工具,并总结了这些创新成果与经验教训。OpenAI 同时公布了后续实施计划,呼吁研究人员和工程师加入这项工作。
Digital Green 使用 OpenAI 构建农业数据库,帮助农民提高收入。
OpenAI 官方宣布推出 GPT Store。
Hugging Face 首届 Open Source AI Game Jam 于 7 月 7 日至 7 月 11 日举办,吸引超过 1300 人报名,共收到 88 个游戏作品,ohmlet 的 Snip It 获评冠军。
OpenAI 官方宣布为 ChatGPT 推出自定义指令(custom instructions)功能,用户可设置自己的偏好,ChatGPT 在之后的所有对话中都会记住这些偏好,从而让用户对回复方式有更多控制。
OpenAI 宣布与 American Journalism Project 建立一项 500 万美元以上的合作,探索人工智能如何支持本地新闻业的发展与创新,并确保本地新闻机构参与塑造这项新兴技术的未来。
Hugging Face 与 Panel 达成合作,在 Hugging Face Spaces 中集成了 Panel 模板,帮助用户快速上手构建并部署 Panel 应用。
Hugging Face 宣布举办首届 Open Source AI Game Jam,参赛者需在 7 月 7-9 日的周末内用至少一个开源 AI 工具(如 Stable Diffusion)制作一款游戏,可用于纹理生成、AI NPC 或 text-to-speech 等环节。
Hugging Face Hub 推出 BERTopic 集成,可直接在 Hub 上对模型和数据集进行主题建模。集成后可自动聚类并生成主题标签,例如 dialogue(14247)、speech asr(1833)、tuning(1369)等,覆盖问答、摘要、情感分析等常见 NLP 任务。
OpenAI 推出一个经过训练的分类器,用于区分 AI 撰写的文本与人类撰写的文本。
OpenAI 用 GPT-3 从客户反馈中快速提取细致洞察,帮助企业更快理解用户意见。
OpenAI 用 GPT-3 打造新一代 AI 驱动角色。原文仅简要说明以 GPT-3 为基础创建下一代 AI 角色,未给出更多技术细节或数据。
Hugging Face 推出 Model Card Creator Tool 和 Model Card Guide Book,前者提供图形界面,无需编程即可协作创建模型卡。同时更新了 huggingface_hub 库中的模型卡模板,提供默认提示文本,并附带带注释模板、Hugging Face 用户研究及 ML 文档现状的文献综述。
Hugging Face 免费深度强化学习课程第一章讲解强化学习基础,涵盖 RL 过程、奖励假设、马尔可夫性质、动作与状态空间、探索/利用权衡,以及基于策略和基于价值两大方法。
OpenAI 发布征集,邀请研究者表达研究大语言模型经济影响的意向。
OpenAI 在能量模型(EBM)的稳定与可扩展训练上取得进展,生成样本的质量和泛化能力优于现有模型。EBM 生成过程会投入更多算力持续优化答案,在低温下可生成与 GAN 竞争的样本,同时具备基于似然模型的模式覆盖保证。OpenAI 希望这些发现能推动对这一模型类别的进一步研究。
OpenAI 开源了 Neural MMO,一个面向强化学习智能体的大规模多智能体游戏环境,支持在持久、开放式的任务中运行大量数量可变的智能体。引入多智能体与多物种机制可带来更好的探索、分化生态位形成以及整体能力提升。
OpenAI 发布了名为 Spinning Up in Deep RL 的深度强化学习教育资源,面向希望成为熟练实践者的学习者。该资源包含清晰的 RL 代码示例、教育练习、文档和教程。
OpenAI 开发了一个能量模型(energy-based model),仅用 5 个示例即可快速学会识别并生成 near、above、between、closest、furthest 等以 2d 点集表达的概念。该模型还实现了跨领域迁移,能将在 2d 粒子环境中习得的概念用于解决 3 维物理机器人任务。
OpenAI 开发了 Random Network Distillation (RND),一种基于预测、通过好奇心驱动强化学习智能体探索环境的方法,首次在 Montezuma's Revenge 上超过人类平均水平。