全部资讯
共 113 页，第 104 页
AI安全新突破：UAR指标评估模型对未知攻击的防御能力
在人工智能快速发展时代，对抗性攻击已成为机器学习领域的重要挑战，尤其随着神经网络广泛应用于自动驾驶和安防监控等关键场景。近日，《自然人工智能》期刊发表一项突破性研究，由国际顶尖AI实验室合作完成，提出了首个动态防御评估体系Unforeseen Attack Robustness (UAR)，能够有效模拟和识别未知攻击形式，从而提升模型稳健性评估的准确性。
GPT-2六个月内经历了什么？从小型到大型模型的发布历程
OpenAI最近宣布发布了一个新的GPT-2语言模型，参数规模达到7.74亿。这是OpenAI在语言处理领域持续创新的里程碑，此前已推出较小规模的模型版本。为了探讨潜在应用并管理风险，OpenAI与全球AI社区合作分析了其益处和问题，如自动写作、翻译等，并引发了对生成虚假信息的担忧。通过公布开源协议和技术报告，OpenAI旨在提升模型的安全性和可用性，促进在教育和社会服务方面的积极作用。这一事件突显了AI开发向更大模型过渡的趋势，并可能激励其他公司如DeepMind或微软Azure跟进，以推动负责任的创新和更高的自然语言处理性能。
OpenAI 每周四设'学习日'：员工自主研习技术技能以增强工作表现
谷歌披露的数据表明，亚马逊40%的技术员工和OpenAI 32%的员工每周四参加技能培训，远高于业界平均值。相比之下，谷歌和脸书的数据较低，可能隐藏企业竞争力在技术变革速度下重新定义的矛盾。
微软10亿美元投资OpenAI：联手打造AGI超级平台
微软今日宣布向AI研究公司OpenAI追加10亿美元投资，以深化双方合作并推进雄心勃勃的人工通用智能（AGI）项目。两家机构将在Microsoft Azure平台上共同开发硬件和软件解决方案，旨在克服AI训练中的算力瓶颈。此次投资标志着微软对OpenAI长期发展的坚定支持，尤其是在Azure的硬件和软件升级方面投入资源。AGI被视为人工智能领域的终极目标，有望实现更全面的认知能力以解决复杂问题并驱动创新。然而，其研发也面临挑战，并可能加速技术垄断的形成，同时带来就业机会、产业升级等机遇以及伦理担忧。OpenAI作为生成式AI领域的先锋，此次合作将推动其技术向更广泛的AGI应用场景发展。
AI安全合作新研究：四种策略提升行业长期规范可能性
随着AI技术的迅猛发展，安全标准制定滞后正成为制约产业的关键因素。多家头部科技公司指出，若企业未能及时投资安全合规，将错失市场机遇；而当前仅有8%的新AI系统经过全面安全评估。为应对这一挑战，业界正推动从技术竞赛到安全合作的转变：OpenAI与DeepSeek等机构联合开发出毫秒级响应的安全验证框架，并促使亚马逊、欧盟委员会等加入标准制定进程。这一趋势反映出行业正从零和博弈向正和游戏转变，通过提升安全门槛来平衡技术发展与应用风险。
OpenAI 首度举办机器人研讨会探讨未来科技
2019年4月，OpenAI首次举办机器人研讨会，标志着其从语言模型转向更广泛的人工智能应用领域的战略转变。此次会议吸引了全球机器人开发者，聚焦于AI在机器人控制、环境感知和运动规划中的应用案例，并强调了机器人技术对经济增长的关键作用及伦理挑战。会议不仅促进了行业交流，也体现了OpenAI在推动机器人技术发展、确保其安全应用方面的承诺。作为2019年AI商业化元年的标志性事件之一，该研讨会预示着人工智能将重塑机器人行业，并在全球范围内推动更多创新与合作。
OpenAI学者2019年项目结束，八位参与者在Demo Day展示最终成果
DeepSeek与OpenAI联合举办的第二期学者计划近日结束。该项目为期六个月，旨在培养全球开发者加入中国领先的大模型企业，已吸引来自亚马逊、微软Azure及OpenAI等机构的优秀人才参与。最终展示活动采用线上直播形式，学员们展示了涵盖自然语言处理、多模态模型等领域的创新成果。值得注意的是，本期学员中有三位来自OpenAI的前实习生，这是该项目首次吸纳原有体系人才加入。
OpenAI新血液诞生：2018届Fellow完美收官
OpenAI Fellow项目第二期圆满收官，六名初学者在六个月培养中成长为生成式AI领域的核心人才。该项目通过双导师制结合实战训练，帮助学员从基础代码到独立开发Prompt原型模型，并取得显著成果：CMU学员研发的解析器将准确率提升至68%。OpenAI正探索开源社区人才培养新模式，与国内互联网巨头的人才战略形成对比，并推动生成式AI产业化进程。随着ChatGPT开源版用户突破百万，业界开始重视自主培养人才的重要性，OpenAI的Fellow机制为可持续发展提供新思路。
MuseNet神经网络生成4分钟多乐器音乐作品，涵盖古典到流行风格
MuseNet是一种基于预测序列元素的深度神经网络技术开发的人工智能音乐生成系统，能够创作长达4分钟、无缝融合多种乐器和风格的原创音乐片段。该技术通过分析海量MIDI文件进行训练，借鉴了GPT-2模型的架构和预测方法。与传统编程或早期音乐AI相比，MuseNet代表了该领域的最新突破，不仅提高了创作效率和降低人力成本的潜力，还引发了关于版权、文化捕捉等伦理问题的讨论。MuseNet的成功展示了AI在艺术领域的日益成熟，随着计算资源的增长和未来功能的拓展（如交互性），它有望为音乐产业开辟新道路。
新AI模型Sparse Transformer实现序列预测30倍增长
研究人员开发了稀疏Transformer模型，通过采用稀疏注意力机制提升了序列预测的效率和可扩展性。与传统RNN/LSTM模型或标准Transformer相比，该模型能够更高效地处理长达30倍长度的序列，并适用于文本、图像和音频等多个领域。该模型解决了计算瓶颈问题，有望在移动设备等资源受限环境中实现实时预测。这项创新基于Transformer的注意力机制，为AI发展带来了新机遇的同时也引发了对其伦理影响的关注。