「大模型的“魔力”之源」是一个6集的系列，一起探索大模型的强大之谜！ 本期要点： * Softmax函数将神经网络的输出转化为概率分布,是分类任务的核心 * 在大模型中,Softmax被创新性地应用于文本生成任务 * 通过Softmax,大模型可以基于上下文生成下一个最可能的单词,从而实现了文本生成 * 采样策略的选择对生成质量有很大影响,如温度参数、Top-k采样等 * 结束语:Softmax的魔力在于将离散的分类扩展到了连续的生成,为大模型开启了全新的应用空间

介绍了 DifuzCam 相机、OpenResearcher 科研平台、大型语言模型训练新发现以及更自然的语音合成技术等 AI 前沿成果。 完整推介：https://mp.weixin.qq.com/s/vDneLEhw_fbv2GgJ4bOkgw

「大模型的“魔力”之源」是一个6集的系列，一起探索大模型的强大之谜！ 本期要点： * 参数规模是大模型复杂性的重要来源,更多参数意味着更强的表达能力 * 参数数量的增加带来了模型容量的指数级增长,使得大模型能够刻画更加复杂的函数 * 通过参数共享等技术,大模型能够高效地利用参数,实现更强的泛化能力 * 大模型的参数规模已经超过了人脑神经元的数量,但其结构与人脑有很大不同 * 结束语:虽然参数规模很重要,但仅靠堆叠参数并不能实现真正的智能,还需要更好的架构和算法

分享了五项 AI 前沿研究，主题涵盖了语言模型的幻觉问题、分布外学习的新方法、神经网络求解逆问题、大型语言模型的推理能力以及基于视觉记忆的灵活计算机视觉系统。 完整推介：https://mp.weixin.qq.com/s/gPzsBJzovwRGuRLQgkqthQ

「大模型的“魔力”之源」是一个6集的系列，一起探索大模型的强大之谜！ 本期要点： * 大模型的本质是海量数据驱动的复杂函数逼近器 * 通过大规模参数优化,大模型从数据中学习到了对世界的高维映射 * 大模型本质上是统计模型,通过概率分布逼近真实世界 * 大模型的训练过程就是在高维空间中寻找最优解的过程 * 结束语:大模型虽然强大,但本质上仍是基于统计的模型,与人类智能尚有差距

介绍了四项AI前沿研究，包括揭露AI模型融合安全隐患的"BadMerging"、普通人也能轻松解决复杂数学问题的"NL2OR"系统、像拼图一样自由创作图像的生成式照片蒙太奇技术，以及通过重建3D场景实现更自由图像编辑的新方法。 完整推介：https://mp.weixin.qq.com/s/I50835QJC2OVj00QP3Udfg

「走近大模型」是一个10集的系列，带大家领略大语言模型的神奇魅力 本期要点： * 多模态大模型：融合语言、视觉、语音等不同形式的信息 * 个性化大模型：根据用户特点提供定制化服务 * 大模型+知识图谱：赋予大模型更强大的知识理解和推理能力 * 思考：随着大模型的不断发展，人类社会将迎来怎样的未来图景？

介绍了多模态学习、语言模型、软件工程Agent、音频压缩技术等领域的最新研究成果，展现了AI在理解、生成、协作、压缩等方面的突破性进展，预示着AI将为人类生活带来更多便利和改变。 完整推介：https://mp.weixin.qq.com/s/Iij6ZxyuIRFv_XG2sa5PSw

「走近大模型」是一个10集的系列，带大家领略大语言模型的神奇魅力 本期要点： * 衡量大模型性能的各项指标：准确性、流畅性、安全性等 * 不同大模型的优劣势比较，如何选择适合特定任务的模型 * 模型评估中的挑战：缺乏统一标准，难以全面考察模型能力 * 思考：大模型是否应该成为通用人工智能的目标？专用模型有何优势？

介绍了通过少量标注数据实现高效模仿学习、小型语言模型间相互推理提升能力、AI持续学习因果关系表示、自动化科研的“AI科学家”设想以及机器人策略学习新架构BoT等5项最新AI研究成果，探讨了AI未来发展的新方向和可能性。 完整推介：https://mp.weixin.qq.com/s/7y-P9s3Cvob-VF55QriyqA

「走近大模型」是一个10集的系列，带大家领略大语言模型的神奇魅力 本期要点： * 负责任的大模型开发：兼顾性能与安全、公平、隐私等要求 * 人-AI 协作：利用人类反馈不断改进大模型行为 * 全流程治理：从训练数据采集到应用部署的一系列规范 * 思考：在享受大模型带来便利的同时，我们要如何约束其力量？

介绍了多个 AI 领域突破性研究，包括用自然语言大纲辅助编程，用扩散模型评估 AI 系统不确定性，以及实现多语言语音转换的 MulliVC 系统等，展示了 AI 如何改变生活和工作方式。 完整推介：https://mp.weixin.qq.com/s/-iUZNuEAcgifl8wyGdTz0A