Mistral AI 开放 La Plateforme 平台测试,提供三个生成端点与嵌入端点
Mistral AI 开放首个平台服务 La Plateforme 的 beta 访问,提供三个生成文本的 chat 端点和 Mistral-embed 嵌入端点,各端点性能与价格取舍不同。
推荐理由:Mistral AI 开放首个平台服务测试,给出三个生成端点和嵌入端点的模型、价格与基准表现,可据此判断其 API 能力边界。
Mistral AI 开放首个平台服务 La Plateforme 的 beta 访问,提供三个生成文本的 chat 端点和 Mistral-embed 嵌入端点,各端点性能与价格取舍不同。
推荐理由:Mistral AI 开放首个平台服务测试,给出三个生成端点和嵌入端点的模型、价格与基准表现,可据此判断其 API 能力边界。
OpenAI 推出 GPTs,用户现在可以创建自定义版本的 ChatGPT,把指令、额外知识和任意技能组合在一起。
推荐理由:OpenAI 开放自定义 ChatGPT 的入口,读者可据此了解提示词、知识与技能组合的搭建方式。
OpenAI 宣布 DALL·E 3 现已在 ChatGPT Plus 和 Enterprise 中可用。为准备更广泛的发布,OpenAI 为 DALL·E 3 开发了一套安全缓解措施,并同步分享了其在内容溯源研究方面的进展。
推荐理由:OpenAI 官方说明 DALL·E 3 已进入 ChatGPT Plus 与 Enterprise,并同步交代安全缓解措施与溯源研究进展。
Ironclad 使用 GPT-4 简化合同审查流程。
Retool 借助 GPT-4 为企业提供快速、安全的 AI 应用构建方式。
Typeform 借助 GPT-3.5 和 GPT-4,把在线表单升级为动态、对话式的数据收集体验。
OpenAI 宣布 ChatGPT 现在可以看、听和说。
OpenAI 推出 ChatGPT Enterprise,主打企业级安全与隐私,并称其为迄今最强大的 ChatGPT 版本。
推荐理由:OpenAI 官方发布企业版 ChatGPT,读者可了解其面向企业的安全隐私定位与能力版本。
OpenAI 宣布开发者现在可以自带数据对 GPT-3.5 Turbo 进行微调,以适配自己的使用场景,同时更新了 API。
推荐理由:OpenAI 开放 GPT-3.5 Turbo 微调,开发者可用自有数据定制模型,值得关注其对应用落地方式的影响。
OpenAI 将 GPT-4 用于内容政策制定和内容审核决策,实现更一致的标注、更快的政策优化反馈循环,并减少人工审核员的参与。
Hugging Face 发布 Swift Transformers,用于在 Apple 设备上运行端侧 LLM。
OpenAI 为 ChatGPT 推出自定义指令功能,用户可设置自己的偏好,ChatGPT 会在之后的所有对话中记住这些偏好。该功能让用户对 ChatGPT 的回复方式拥有更多控制权。
推荐理由:原文给出自定义指令的开放范围与生效方式,读者可据此判断 ChatGPT 个性化设置会如何影响日常对话。
Viable 借助 GPT-4 以革命性规模分析定性数据,并实现前所未有的准确度。
OpenAI 宣布对 API 进行多项更新,包括可控性更强的模型、函数调用能力、更长的上下文以及更低的价格。官方未在摘要中给出具体模型名称、上下文长度和价格数字。
推荐理由:官方一次性列出模型可控性、函数调用、上下文长度和价格四项 API 变化,便于开发者对照现有集成评估升级。
OpenAI 推出 ChatGPT iOS 应用,可同步对话记录、支持语音输入,并带来最新的模型改进。应用将 ChatGPT 的对话与模型能力带到移动端。
推荐理由:OpenAI 官方公布 ChatGPT iOS 应用的核心能力,读者可据此了解移动端对话同步与语音输入的入口变化。
ChatGPT 用户现在可以关闭聊天记录,从而自行选择哪些对话可以被用于训练 OpenAI 的模型。
推荐理由:ChatGPT 新增关闭聊天记录开关,用户可自行决定哪些对话被用于模型训练。
OpenAI 宣布在 ChatGPT 中实现插件的初步支持。插件是专为语言模型设计的工具,以安全为核心原则,可帮助 ChatGPT 获取最新信息、执行计算或使用第三方服务。
推荐理由:OpenAI 为 ChatGPT 引入插件机制,读者可了解语言模型接入实时信息与第三方服务的最初形态。
GPT-4 被用于 Duolingo,以填补关键的语言学习空白。原文未披露具体功能细节、参数规模或可用性信息。
Be My Eyes 借助 GPT-4 改变视觉无障碍体验。该应用利用 GPT-4 为视障用户提供视觉辅助能力。
Khan Academy 在一项有限试点项目中探索 GPT-4 用于虚拟课堂教育的潜力。该试点将 GPT-4 引入教学场景,具体功能与规模尚未披露。
Hugging Face 博客发布 ControlNet in 🧨 Diffusers,宣布 ControlNet 接入 Diffusers 库。
OpenAI 宣布为 ChatGPT 推出试点订阅计划 ChatGPT Plus。ChatGPT 是一款对话式 AI,可与用户聊天、回答追问并纠正错误假设。
推荐理由:OpenAI 公布 ChatGPT 付费订阅试点计划,读者可了解其订阅形态与对话式 AI 的定位。
OpenAI 发布一款经过训练的分类器,用于区分 AI 生成文本与人类写作文本。
OpenAI 展示了用 GPT-3 从客户反馈中快速提取细致洞察的方法。该方案借助 GPT-3 对客户反馈进行分析,以更快获得 nuanced 的结论。
通过对 GPT-3 进行微调,将其用于驱动并规模化"代客制作"的视频创作。
OpenAI 正利用 GPT-3 创建新一代 AI 驱动的角色。该方向聚焦于以 GPT-3 生成更具表现力的虚拟角色,具体产品形态与可用性尚未披露。
OpenAI 训练并发布名为 ChatGPT 的模型,以对话方式与用户交互。官方称对话格式让 ChatGPT 能回答追问、承认自身错误、质疑错误前提并拒绝不当请求。
推荐理由:OpenAI 官方给出 ChatGPT 的对话式交互定位,读者可据此了解它与以往模型的形态差异。
OpenAI 宣布 DALL·E API 从今天起进入公开测试,开发者可以开始用它构建应用。
Hugging Face 将 Intel OpenVINO 加入 Optimum Intel,用户可在多种 Intel 处理器上用 OpenVINO Runtime 对 Transformers 模型执行推理,模型可托管于 Hugging Face hub 或本地。
Hugging Face 推出 Inference Endpoints,可从 Hub 直接一键将模型部署到所选云平台的托管基础设施上,支持公有、受保护、私有三种访问级别。
Hugging Face 宣布用户可直接在 Hub 上为模型或数据集生成 DOI,该功能已与 DataCite 合作实现。注册用户填写必要元数据后即可获得 DOI,他人可通过模型或数据集页面上的“Cite this model/dataset”按钮引用其工作。带 DOI 的数据集和模型将被永久保留,仅可在向官方支持提交请求后删除。
Hugging Face 在 Evaluation on the Hub 上线零样本分类评测,由 AutoTrain 驱动,无需写代码即可评测 Hub 上的任意因果语言模型,目前支持最大 66B 参数模型。
OpenAI 宣布 DALL·E 取消等待名单,新用户可以直接开始创作。官方称,部署中积累的经验以及安全系统的改进,使更广泛的开放成为可能。
推荐理由:原文交代了 DALL·E 取消等待名单的开放变化,读者可据此了解其使用门槛与安全系统调整。
Hugging Face AutoTrain 新增图像分类任务,用户无需编写代码即可上传数据训练模型,AutoTrain 会自动尝试多种模型架构并挑选最优方案。演示中 5 个候选模型里表现最佳者达到 84% 准确率,训练少于 500 张图片、5 个候选模型时免费。
Hugging Face 发布 diffusers 0.3,为扩散模型工具箱新增图生图 pipeline、文本反转、实验性 inpainting pipeline、ONNX 导出器与 Mac 支持。其中显存优化让 Stable Diffusion 只需 3.2GB 显存,代价是约 10% 的速度损失;文本反转支持用 3-5 张样本个性化模型,社区几天内分享了 200 多个概念。
推荐理由:梳理 diffusers 0.3 新增的图生图、文本反转、inpainting 与显存优化,可据此判断扩散模型工具链的可用边界。
OpenAI 为 DALL·E 推出 outpainting 功能,可生成任意尺寸的图像,用于扩展创作画面、讲述更大的故事。
Hugging Face 发布新库 Skops,可将 scikit-learn 模型托管到 Hugging Face Hub,并生成模型卡进行文档记录与协作。Skops 通过 hub_utils.init 生成含模型文件与环境配置的本地仓库,后端使用 joblib 加载模型,支持 pickle 等序列化方式。
OpenAI 发布新版内容审核工具 Moderation endpoint,改进此前的内容过滤器,即日起向 OpenAI API 开发者免费开放。
Hugging Face 发布 Private Hub(PH),将模型、数据集、Spaces 等 ML 工具整合到统一平台,支持企业在安全合规环境下协作开发。Hugging Face Hub 现有超 60K 模型、6K 数据集和 6K 演示应用,模型覆盖 180 种语言、支持最多 25 个 ML 库。约 90% 的机器学习模型从未进入生产环境,PH 旨在加速从研究到生产的全流程。
Hugging Face 为 🤗 Datasets 补充了音频和图像数据集的文档,Quickstart 新增按模态选择数据集的端到端示例,并引入 to_tf_dataset 函数,可将数据集转换为 tf.data.Dataset 供 TensorFlow 或 Keras 训练。