合成数据已经成为了大语言模型进化之路上最重要的一块基石了。在去年底，有网友扒出前OpenAI首席科学家Ilya曾经在很多场合表示过，LLM的发展不存在数据瓶颈，合成数据可以解决大部分的问题。图片英伟达高级科学家JimFan在看了最近的一批论文后也认为，使用合成数据，再加上传统用于游戏和图像生成的技术思路，可以让LLM完成大幅度的自我进化。图片而正式提出这个方法的论文，是由来自UCLA的华人团队。图片论文地址：https://arxiv.org/abs/2401.01335v1他们通过自我对弈机制（SPIN）生成合成数据，再通过自我微调的方法，不使用新的数据集，让性能较弱的LLM在OpenLLM

在自然语言处理任务中取得显著成就的大型语言模型（LLMs）尽管表现出色，但在实时信息获取、外部工具利用和精确数学推理方面仍显不足。为了应对这些挑战，来自UCLA等机构的研究人员打造了全新的Chameleon框架，其独特的即插即用模型融合了多种工具，包括LLMs、视觉模型、网络搜索引擎、Python功能及基于规则的模块。项目链接：https://chameleon-llm.github.io/论文链接：https://arxiv.org/abs/2304.09842代码链接：https://github.com/lupantech/chameleon-llm解读：https://www.yout

本文经AI新媒体量子位（公众号ID:QbitAI）授权转载，转载请联系出处。今天，一篇关于锂金属电池的研究登上Nature封面。来自加州大学洛杉矶分校（UCLA）的华人团队，开发了一种防止金属锂快速形成腐蚀层的方法。在该技术下，锂原子结构会形成一种此前从未被科学家观测过的形状：菱形十二面体。有点儿像《龙与地下城》游戏中用到的骰子。——如此清晰又具体的呈现形式意味着，我们可以改造现有的锂金属电池构造，从而降低其爆炸风险，解决目前最担忧的安全问题。评价称，这将可能对高性能能源技术产生重大影响。具体怎么说？首次揭示锂原子真实形状我们知道锂电池，可分为锂离子电池和锂金属电池。前者已广泛用于我们的手机、

大型语言模型（LLM）和视觉语言模型（VLM）在各种评测基准中都展现出了强大的性能，比如可以看图说话、进行常识推理。但这些模型的训练过程并没有引入3D物理世界，也就无法理解更丰富的现实概念，包括空间关系、布局、物体反馈等。最近，加州大学洛杉矶分校、上海交大、华南理工大学、麻省理工学院等机构的研究人员联合提出了一个全新的3D-LLM任务，把3D世界的知识注入到大型语言模型中，以3D点云及其特征作为输入，从而可以执行各种3D相关的任务，包括描述生成、3D问题回答、任务分解、3D辅助对话、导航等。论文链接：https://arxiv.org/pdf/2307.12981.pdf基于这个思路，研究人员