大模型日报-20240203

刚刚，字节版GPTs「扣子」上线了

https://mp.weixin.qq.com/s/efNjbeK8Zul39nLzQuawCg

在持续一年的大模型热潮之后，「智能体」成为了科技公司们新的押注方向之一。近日，字节跳动正式推出「Coze 扣子」AI Bot 开发平台。任何用户都可以快速、低门槛地搭建自己的 Chatbot，且平台支持用户将其一键发布到飞书、微信公众号、豆包等渠道。当然，除了可以创建自己的 Chatbot，Coze 官方还提供了 Bots 商店和插件。链接：https://www.coze.cn/

最强开源多模态生成模型MM-Interleaved：首创特征同步器

https://mp.weixin.qq.com/s/-MpwnoqH1_vA3QGHq0M1NQ

想象一下，AI 不仅会聊天，还长了「眼睛」，能看懂图片，甚至还会通过画画来表达自己！这意味着，你可以和它们谈天说地，分享图片或视频，它们也同样能用图文并茂的方式回应你。最近，上海人工智能实验室联合香港中文大学多媒体实验室（MMLab）、清华大学、商汤科技、多伦多大学等多家高校、机构，共同发布了一个多才多艺的最强开源多模态生成模型 MM-Interleaved，借助全新提出的多模态特征同步器刷新多项任务 SOTA。它拥有对高分辨率图像细节和微妙语义的精准理解能力，支持任意穿插的图文输入和输出，带来了多模态生成大模型的崭新突破。

赶超Gemini Pro，提升推理、OCR能力的LLaVA-1.6太强了

https://mp.weixin.qq.com/s/WKWD3cBR7X0r57CwS3rvxA

去年 4 月，威斯康星大学麦迪逊分校、微软研究院和哥伦比亚大学研究者共同发布了 LLaVA（Large Language and Vision Assistant）。尽管 LLaVA 是用一个小的多模态指令数据集训练的，却在一些样本上展示了与 GPT-4 非常相似的推理结果。10 月，LLaVA-1.5 重磅发布，通过对原始 LLaVA 的简单修改，在 11 个基准上刷新了 SOTA。现在，研究团队宣布推出 LLaVA-1.6，主要改进了模型在推理、OCR 和世界知识方面的性能。LLaVA-1.6 甚至在多项基准测试中超越了 Gemini Pro。

无注意力大模型Eagle7B：基于RWKV，推理成本降低10-100 倍

https://mp.weixin.qq.com/s/7XTonFIy-olDuBPUMqxqZQ

在 AI 赛道中，与动辄上千亿参数的模型相比，最近，小模型开始受到大家的青睐。比如法国 AI 初创公司发布的 Mistral-7B 模型，其在每个基准测试中，都优于 Llama 2 13B，并且在代码、数学和推理方面也优于 LLaMA 1 34B。与大模型相比，小模型具有很多优点，比如对算力的要求低、可在端侧运行等。近日，又有一个新的语言模型出现了，即 7.52B 参数 Eagle 7B，来自开源非盈利组织 RWKV，其具有以下特点：

•基于 RWKV-v5 架构构建，该架构的推理成本较低（RWKV 是一个线性 transformer，推理成本降低 10-100 倍以上）；

•在 100 多种语言、1.1 万亿 token 上训练而成；

•在多语言基准测试中优于所有的 7B 类模型；

•在英语评测中，Eagle 7B 性能接近 Falcon (1.5T)、LLaMA2 (2T)、Mistral；

•英语评测中与 MPT-7B (1T) 相当；

•没有注意力的 Transformer。

小红书开源「InstantID」效果炸裂，被Yann LeCun点赞，迅速蹿上Github热榜

https://mp.weixin.qq.com/s/Etl0HUVRdxwsgcM0ErqHjA

最近，有一群来自小红书的 95 后神秘团队，自称 InstantX，搞了个大动作 —— 开源「InstantID」项目。InstantID 凭借着高质量的图像生成能力，在开源界掀起了一股热潮：不仅获得了众多技术大佬的点赞，更是在 GitHub 热榜上迅速飙升，成为焦点。这个「出片神器」，让用户只需上传一张照片，就能轻松定制出多种风格的 AI 写真。

智源研究院院长交接：前快手技术副总裁王仲远加盟，接替黄铁军

https://mp.weixin.qq.com/s/2_a2uFpBKLDtNopr_I-IIQ

智源研究院院长交接班了。前快手技术副总裁王仲远博士接任智源研究院院长，全面负责研究院各项工作。自此，黄铁军将不再兼任院长的身份。去年（2023年）6月，他接任智源研究院理事长，负责领导智源的整体战略布局和创新生态构建。

OpenAI：正在构建一个针对LLM辅助生物威胁创建的早期预警系统

https://x.com/OpenAI/status/1752758698991354317?s=20

我们正在构建一个早期预警系统，用于辅助识别大型语言模型（LLMs）在生物威胁创建方面的能力。目前的模型被证明在这种误用上最多只是轻微有用，我们将继续发展我们未来的评估蓝图。

Codellama-70b在VSCode Copilot上线，在VSCode中直接利用最新模型

https://x.com/dani_avila7/status/1752813610240200924?s=20

终于来了！Codellama-70b 作为 VSCode 中的 Copilot！