头条
AWS 与 Hugging Face 合作研发下一代 Bloom ， 目标对手是ChatGPT
Bloom 是一种多语言模型，是 Huggingface 领导的协作成果。它是在法国超级计算机上训练的，并试图复制 GPT-3 大小的模型。 AWS 宣布他们将与 Huggingface 合作，成为这些大型开放模型的下一代首选计算提供商。
贝恩与 OpenAI 合作
可用于回答业务特定查询的自定义模型。它结合了OpenAI行业领先的人工智能工具和平台以及贝恩的战略指导和数字化实施能力，帮助企业利用生成人工智能的力量实现业务转型。
人工智能和 Instagram 问题：不要让闪亮的物体让你怀疑你工作的价值
本文讨论了 Instagram 等社交媒体平台上令人印象深刻的 AI 项目的流行如何让其他开发人员对自己的工作感到不足。作者鼓励 AI 开发者根据自己的标准来判断他们的项目，不要被当前的流行趋势所左右。 AI 领域在不断发展，新技术不断涌现，保持学习和与时俱进很重要。文章提醒开发者，一项新的热门技术的出现并不意味着他们当前项目的价值有所降低。
研究
浅谈大型语言模型
技术和哲学与大型语言模型 (LLM) 找到了有趣的交集。在提及这些系统时，我们经常使用拟人化的词，例如“知道”、“理解”或“相信”。本文提倡社区在谈论这些功能极其强大的系统时要小心，并使用更合适的语言（例如，编码、存储、包含）。
在文本中编码图像，无监督的文本图像对齐
本文介绍了 LQAE，它使用预训练的语言模型并将图像编码为文本标记序列，然后他们训练具有 BERT 掩码目标的解码器，学习用相似的文本标记簇表示相似的图像。他们训练解码器从预测的文本标记嵌入中重建原始图像。这用于以无监督的方式对齐两种模式。一个有趣的副作用是能够将图像压缩为文本（仅几 kb）并通过单个前向传递重建有损版本。
Pix2pix3D：3D 感知条件图像合成
这项工作提出了 pix2pix3D，这是一种用于可控逼真图像合成的 3D 感知条件生成模型。给定一个 2D 标签图，例如分割图或边缘图，该模型学习从不同的视点合成相应的图像。为了实现显式 3D 用户控制，作者扩展了具有神经辐射场的条件生成模型。给定广泛可用的单目图像和标签图对，该模型除了颜色和密度外，还学习为每个 3D 点分配标签，这使其能够同时渲染图像和像素对齐的标签图。
工程
Engineering & Resources
将您的 DataFrame 变成用于可视化分析的 UI (GitHub Repo)
PyGWalker（发音为 Pig Walker）是一种用于对数据进行探索性分析的图形工具。它允许您快速检查关系、相关性和分布。自述文件库中提供了示例和屏幕截图。
通用音频合成模型(GitHub Repo)
一种用于生成高保真音频的通用声码器，能够根据特定功能进行调节。这是同类中的第一个大规模 GAN 模型。提供模型、代码和示例。
ControlNet：一种通过添加额外条件来控制扩散模型的神经网络结构(GitHub Repo)
研究人员引入了一种名为 ControlNet 的神经网络结构，它可以控制预训练的大型扩散模型以支持额外的输入条件。这种新方法允许以端到端的方式进行特定于任务的学习，并且能够使用小型训练数据集进行学习。训练与微调扩散模型一样快，可以在个人设备上完成，也可以使用强大的计算集群扩展到大量数据。研究人员证明，ControlNets 可以为大型扩散模型启用条件输入，例如边缘图、分割图和关键点，这可以使各种相关应用受益。
BioGPT (GitHub Repo)
这个 GitHub 存储库包含 BioGPT 的实现，BioGPT 是一种用于生物医学文本生成和挖掘的生成式预训练转换器。它仅用一小部分参数就优于 GPT-3。
杂七杂八
来自 Stanford MLSys group 的 Fast Attention 讲座
关Transformer近期主要系统突破之一的精彩讲座。 Flash Attention 已被几乎所有主要的深度学习框架采用，并导致显着的加速和改进的上下文长度。
滑铁卢大学“数据科学优化”课程上线
本课程“数据科学优化”涵盖了适用于数据科学的优化基本原则和技术。
要理解语言模型，我们必须将“语言”与“思想”分开
德克萨斯大学奥斯汀分校和麻省理工学院的研究人员撰写了一篇论文，深入探讨了围绕大型语言模型 (LLM) 的困惑。他们认为，要了解 LLM 的力量和局限性，我们必须区分形式语言能力和功能语言能力。他们强调了 LLM 的谬误，并指出 LLM 擅长语言，但在语言的功能方面仍有很多工作要做。他们认为，避免这些谬误可能有助于寻找方法来构建能够以类似人类的方式理解和使用语言的模型。
杂志因 AI 生成内容激增而暂停投稿
科幻出版物 Clarkesworld Magazine 正在暂停提交短篇小说，理由是人工智能生成的内容大量涌入。
生成式 AI 为律师服务
人工智能越来越多地被用于法律行业，引发了一场关于其使用的辩论，因为支持者吹捧它提高了效率，而反对者则指出了它的准确性问题。
我们的社会还没有为这种令人敬畏的人工智能做好准备
本文论证了人工智能将成为社会进步的关键驱动力，但社会还没有为此做好准备。
