OpenAI刚刚把自家的文本检测器Classifier给下线了，总共上线才半年。图片今年年初，OpenAI兴致勃勃地发布了Classifier，宣称有了它，谁都能知道某一段文本是不是由GPT生成的，不说拯救世界吧，最起码老师有福了。但半年过去，Classifier直接寄了。OpenAI表示，这东西根本实现不了设计的时候的目的，准确率太低。图片而且，小编觉得OpenAI下线的行为充分说明了一个事情，就是AI检测器这东西完全不靠谱，可能方向都是错的。因为在AIGC充斥网络，引发了不少混乱的今天，AI检测器本应该是一个非常有用的东西。就算检测准确率因为技术所限，暂时还不是很高，也可以让用户一边用着一
人工智能的发展日新月异，尤其是生成型人工智能，已经成为科技行业的热门话题。然而，生成型人工智能也存在着失控的风险。为了确保生成型人工智能的“安全和负责任”地发展，今天，四家领先的人工智能科技公司宣布成立前沿模型论坛（FrontierModelForum）。前沿模型论坛是一个专注于前沿人工智能模型的组织，由微软、OpenAI、谷歌和Anthropic四家公司共同发起。所谓前沿人工智能模型，是指那些超越现有最先进模型的能力，并且可以执行多种任务的大规模机器学习模型。在谷歌的博客文章中，该组织公布了其目标，IT之家翻译如下：推进人工智能安全研究，促进前沿模型的负责任开发，降低风险，并实现独立、标准化
OpenAI官方近日更新新闻稿，由于准确率只有26%，宣布停止AI文本检测工具--AIClassifier。该工具主要用于区分文本是由人类撰写还是AI生成的，不过在上线之后，OpenAI发现准确性并不高。IT之家注：OpenAI并未发布专门的博文表示关闭这项服务，只是更新了原有博文，在文章中宣布了这项调整。OpenAI透露，该工具存在严重的准确性问题，无法可靠地识别内容。报告称识别AI生成内容的准确性为26%，且将9%人类撰写的文本错误标记为AI生成。OpenAI表示：“我们正在努力整合反馈，目前正在研究更有效的文本出处技术，并承诺开发和部署机制，使用户能够了解音频或视觉内容是否由AI生成”。
OpenAI官方近日更新新闻稿，由于准确率只有26%，宣布停止AI文本检测工具--AIClassifier。该工具主要用于区分文本是由人类撰写还是AI生成的，不过在上线之后，OpenAI发现准确性并不高。IT之家注：OpenAI并未发布专门的博文表示关闭这项服务，只是更新了原有博文，在文章中宣布了这项调整。OpenAI透露，该工具存在严重的准确性问题，无法可靠地识别内容。报告称识别AI生成内容的准确性为26%，且将9%人类撰写的文本错误标记为AI生成。OpenAI表示：“我们正在努力整合反馈，目前正在研究更有效的文本出处技术，并承诺开发和部署机制，使用户能够了解音频或视觉内容是否由AI生成”。
在生成式AI领域，推出了ChatGPT的OpenAI是处于领先地位的，他们的GPT-4已经是万亿参数级别，还在训练更先进的GPT-5，届时又会在技术水平上甩开国内的追赶者。OpenAI能够领先，先进AI显卡用到的GPU是功不可没的，背靠微软这棵大树，他们在算力资源上不会受到限制，GPT-4的训练就使用了2万张NVIDIA的AI显卡训练。但是万张显卡级别的算力还不是终点，今年也投身AI创业的前搜狗CEO王小川日前在采访中透露了OpenAI的动向，提到后者正在做更先进的训练方法，设计能够将1000万张GPU连在一起的计算模型。1000万张GPU是什么概念？目前NVIDIA每年的产量也就是100万块
OpenAI于Aug21,2019提交了一个commit，其公布了更大的774M模型，并且纠正了对之前公布的两个模型的参数估计错误导致的命名不准确问题，修改了其名称：其中，原117M模型更名为124M；345M更名为355M。（仅修改名称，模型的文件内容并没有任何修改，可以继续使用）commit地址：OpenAI:push774MmodelNotethatouroriginalparametercountswerewrongduetoanerror(inourpreviousblogpostsandpaper).Thusyoumayhaveseensmallreferredtoas117Man
众所周知，我们是访问不通OpenAI官方服务的，但是我们可以自己通过代理或者使用第三方代理访问接口现在新出台的规定禁止使用境外的AI大模型接口对境内客户使用，所以我们需要使用国内的大模型接口国内的效果真的很差，现在如果想合规的使用GPT大模型，可以使用微软Azure的OpenAI服务，毕竟微软在中国是有公司的，算是合规的境内公司。 负责任的AI在微软，我们致力于以人为本的原则推动AI的进步。生成模型（如AzureOpenAI中可用的模型）具有显著的潜在优势，但如果没有仔细的设计和深思熟虑的缓解措施，这样的模型有可能生成不正确甚至有害的内容。微软已经进行了大量投资，以帮助防止滥用和意外伤害，其中
你有没有想过仅用C语言去推理一个Llama2的baby模型？没有？现在就能做到了！就在刚刚过去的这个周末，OpenAI科学家AndrejKarpathy做了一个非常有趣的项目——llama2.c。项目灵感正是来自于之前的明星项目——llama.cpp首先，在PyTorch中训练一个较小的Llama2模型。然后，用500行代码在纯C环境下进行推理，并且无需任何依赖项。最后得到的预训练模型（基于TinyStories），可以在MacBookAirM1CPU上用fp32以每秒18个token的速度生成故事样本。图片llama2.c一经发布，就在GitHub上速揽1.6k星，并且还在快速攀升中。图片项
这一周来，Meta开源的Llama2火遍了整个AI社区。这不，连特斯拉前AI总监、年初重回OpenAI的AndrejKarpathy也坐不住了。他利用周末时间，做了一个关于Llama2的有趣项目——「llama2.c」。图片GitHub地址：https://github.com/karpathy/llama2.c具体是什么呢？他表示「llama2.c」可以让你在PyTorch中训练一个babyLlama2模型，然后使用近500行纯C、无任何依赖性的文件进行推理。并且，这个预训练模型能够在M1芯片的MacBookAir上以fp32的浮点精度、18tok/s的速度对故事进行采样。Karpathy介
如果你仔细研究过「chainofthought（CoT）」这个概念，那么你大概听过JasonWei这个名字。图片他是思维链概念开山之作——「Chain-of-ThoughtPromptingElicitsReasoninginLargeLanguageModels」的第一作者，本科毕业就加入了谷歌。在那里，他推广了思维链提示概念，共同领导了指令调优的早期工作，并和YiTay、JeffDean等人合著了关于大模型涌现能力的论文。图片JasonWei等作者对思维链的定义是一系列的中间推理步骤，目的是为了提高大型语言模型进行复杂推理的能力（通过将一个较为复杂的推理问题分步拆解，一步步获得最终答案）。
