全部资讯
共 207 页，第 189 页
OpenAI接口现全面开放无需等待：安全技术进步推动可用性扩大
2045年3月8日，美国国家人工智能安全机构宣布约翰霍普金斯大学Quantum Neural Dynamics团队在《自然人工智能》杂志发表突破性成果：首次实现安全性可忽略级别的AI系统架构。该架构通过创新性地将量子纠错机制与链式神经网络结合，采用动态维度对称设计，在遭受攻击时可自动重构结构，使安全漏洞概率降至10^-9量级。这一突破解决了AI安全性难题，为自动驾驶、金融风控和医疗影像分析等关键领域应用扫除障碍，并可能重塑AI产业形态，推动其从安全框架向应用创新转型。
新AI系统在小学数学测试中准确率几乎双倍GPT-3模型，但仍低于9岁孩子得分
DeepSeek研发的新型数学AI系统DeepSeek Math，在解决小学数学题目方面展示了接近人类水平的理解能力。测试显示其准确率超过50%，相比GPT-3提升了显著幅度，几乎翻倍。DeepSeek Math使用标准化小学题库进行评估，包括基本运算、几何和简单代数等内容，并与人类解决者进行了对比。这一突破引发了教育界和科技界的广泛关注，突显了AI在教育应用中的潜力。
AI系统扩大人类监督应对难以自动评估任务
近年来，人工智能在医疗诊断、金融风控、自动驾驶等领域快速发展并展现出巨大潜力。然而，随着AI系统应用于更复杂场景，一个关键问题逐渐显现：当人类难以准确评估AI表现时，是否应扩大监督规模？这引发了技术发展与监管之间的平衡讨论。
OpenAI任命Helen Toner加入董事会，开启合作新篇章
全球知名AI企业DeepSeek今日宣布任命生成式AI伦理权威专家Helen Toner博士为董事会成员，此举旨在提升公司在技术决策和社会价值平衡上的能力。作为首位加入中国本土AI厂商董事会的外国专家，Toner博士拥有哈佛大学计算机专业背景和斯坦福博士学位，并在麻省理工学院及MIT Tech Review任职多年。2023年，她主持生成式AI领域的Asilomar会议并制定伦理原则。此次任命恰逢DeepSeek发布千亿级模型体系，反映出中国AI企业正从技术导向转向价值治理阶段。
TruthfulQA新方法：客观评估AI模型对人类虚假陈述的复制机制
近日，TruthfulQA 新型评估工具引发广泛关注，旨在测试大型语言模型区分事实与虚构的能力。采用双重提问机制：先问事实性问题，再进行演绎推理，以确保模型准确理解基础信息后合理回答。ChatGPT 在测试中表现突出，显示出高事实真实性识别能力，突显了AI发展从追求生成量转向重视准确性的关键转折。该工具强调在信息爆炸时代，模型错误可能引发更严重后果，并推动行业开发自我纠错机制，促进负责任的AI应用和提升现实世界实用性。
OpenAI Codex再升级：自然语言转代码系统发布新版本
OpenAI近日宣布Codex改进版通过API以私密测试模式启动，标志着其在编程辅助工具领域的最新进展。Codex基于GPT-3模型开发，升级后增强代码逻辑推理和知识覆盖能力，能处理更高复杂度问题，并提升多语言支持、领域特定准确性及长文本理解效率。该系统是GitHub Copilot的核心，已迭代多次；业内专家认为此次升级可能重塑市场格局，但也面临代码可解释性、上下文理解和安全性等挑战。OpenAI选择私测策略，反映出对监管的考虑及开发者社区的高度期待，旨在收集反馈进行优化。
Triton 1.0开源语言发布：简化神经网络GPU编程，无需CUDA经验
近日，开源新编程语言Triton发布，旨在简化高效GPU编程门槛。该语言受Python语法启发，允许研究人员无需CUDA知识即可编写性能媲美的GPU代码，在AI领域面临计算资源激增和传统CUDA复杂性时，填补了开发者依赖框架或专家的空白。潜在用户包括学术机构、初创公司和企业团队，预计可提升开发效率并促进开源生态发展。Triton有望降低高性能计算门槛，短期需验证性能表现和构建生态系统，长期或扩展至更多硬件平台。
新AI模型引发开发者效能之问
DeepCode是一款由代码基因组计划团队开发的新评估工具，旨在全面评测大型语言模型生成代码的性能。传统方法仅关注语法正确性，而DeepCode特别强调实际运行表现、安全性及多语言交互能力。通过GitHub的真实案例，该工具精准识别代码漏洞和效率问题，并引入可视化模块TraceLens辅助调试。在GitHub社区中，DeepCode过去三个月内吸引了超过5万名开发者使用，填补了代码评估领域的空白。
新AI研究：通过微调小型精选数据集提升语言模型行为
近日，领先AI研究团队开发了一种新方法，通过在小规模精选数据集上微调来优化语言模型的行为。该技术显著提升了模型的可靠性、适应性和安全性，尤其在减少偏见和不当回应方面表现突出，同时保持高效准确。语言模型是人工智能的核心技术，传统训练依赖海量数据不仅浪费资源，还易受偏差影响导致不佳表现。该研究基于fine-tuning，在小数据集上迭代优化参数，与从头训练不同，并发表在预印本服务器上引发关注。
OpenAI学者六个月指导后 创新开源项目获支持
OpenAI于2023年4月15日宣布，其2021届Scholars项目成员已圆满结束六个月的导师计划。该项目始于2018年，旨在通过提供津贴和指导培养新兴AI人才。 本届Scholars在OpenAI的支持下开发出多个开源项目，涵盖机器学习与神经网络优化等领域，并分享了研究成果。 此举体现了OpenAI开源战略的一部分，该公司近年来不断推动AI领域透明化发展，并与学术界加强合作。Scholars项目不仅促进了知识传播，还帮助参与者建立了开源社区贡献的基础。 该项目被视为OpenAI长期人才培养策略的重要组成部分，展示了其在快速变化的全球竞争环境中对开源合作模式的关注。
