OpenAI 为 ChatGPT 测试记忆功能与新控制选项
OpenAI 正在测试让 ChatGPT 记住用户讨论过的内容,以便让后续对话更有帮助。用户对 ChatGPT 的记忆拥有控制权。
推荐理由:OpenAI 官方披露 ChatGPT 记忆功能的测试方向,读者可据此了解其能力边界与用户控制方式。
让模型自主规划、调用工具、完成多步任务的技术方向——从 Claude Code、Manus 到各家 Agent 框架与评测基准的全部动态。
OpenAI 正在测试让 ChatGPT 记住用户讨论过的内容,以便让后续对话更有帮助。用户对 ChatGPT 的记忆拥有控制权。
推荐理由:OpenAI 官方披露 ChatGPT 记忆功能的测试方向,读者可据此了解其能力边界与用户控制方式。
Hugging Face Blog 发布了关于开放大语言模型与宪法AI的研究论文。
推荐理由:原文探讨了宪法AI与开放LLM的关系,读者可以了解这一领域的最新研究进展。
Hugging Face 发布了大型语言模型幻觉排行榜,旨在开源地衡量大型语言模型中的幻觉现象。
推荐理由:该论文提出了一个用于衡量大型语言模型中幻觉现象的排行榜,对研究者和开发者具有重要意义。
Hugging Face 发布博客,介绍如何利用开源大语言模型构建 LangChain 智能体。
推荐理由:Hugging Face 发布了关于开源 LLMs 作为 LangChain Agents 的博客,读者可以了解如何利用开源大语言模型构建智能体。
Hugging Face发布了Unsloth和🤗 TRL,旨在将LLM微调速度提高两倍。
推荐理由:原文提出了一个名为Unsloth的工具,旨在加速LLM微调过程,读者可以了解其如何提高微调效率。
Hugging Face 推出新的文本到图像生成工具 aMUSEd,提供了高效的生成能力,并开放了入口。
推荐理由:原文给出了能力变化和开放入口,读者可以据此判断它会怎样改变现有工作流。
Hugging Face 与 AMD 合作,推出支持AMD GPU的大语言模型即插即用加速功能。
推荐理由:原文给出了能力变化和开放入口,读者可以据此判断它会怎样改变现有工作流。
Hugging Face 发布了 LoRA 推理加速功能,使 LoRA 推理速度提高了 300%。
推荐理由:原文给出了能力变化和开放入口,读者可以据此判断它会怎样改变现有工作流。
Hugging Face 发布 Optimum-NVIDIA,通过一行代码实现快速的大语言模型推理。
推荐理由:原文给出了能力变化和开放入口,读者可以据此判断它会怎样改变现有工作流。
Hugging Face 推出 Prodigy-HF,提供与 Hugging Face 的直接集成,带来能力变化和开放入口。
推荐理由:原文给出了能力变化和开放入口,读者可以据此判断它会怎样改变现有工作流。
OpenAI 在 DevDay 上发布 GPT-4 Turbo,支持 128K 上下文且价格更低,并推出 GPT-4 Turbo with Vision、Assistants API 和 DALL·E 3 API 等开发者产品。
推荐理由:OpenAI 在 DevDay 一次性公布模型与开发者产品,可据此了解其 API 能力与价格走向。
OpenAI 推出 GPTs,用户现在可以创建自定义版本的 ChatGPT,将指令、额外知识和任意技能组合在一起。该功能由 OpenAI 官方发布。
推荐理由:OpenAI 官方开放 ChatGPT 自定义版本,读者可据此了解提示词、知识与技能组合的搭建方式。
Gradio-Lite是一款在浏览器中运行的免服务器Gradio,提供了新的功能和运行方式。
推荐理由:原文给出了Gradio-Lite的功能和运行方式,读者可以据此了解它如何改变现有工作流。
Hugging Face 发布了非工程师指南,介绍如何训练 LLaMA 2 聊天机器人,为想要了解和尝试该技术的读者提供了参考。
推荐理由:原文提供了非工程师训练 LLaMA 2 聊天机器人的指南,对想要了解和尝试该技术的读者具有参考价值。
Hugging Face 推出 Würstchen,一款快速扩散图像生成工具,为图像生成领域带来新的能力变化和开放入口。
推荐理由:原文给出了能力变化和开放入口,读者可以据此判断它会怎样改变现有工作流。
Fetch 产品通过使用 Amazon SageMaker 和 Hugging Face 技术实现了机器学习处理延迟降低 50%。
推荐理由:原文给出了能力变化和开放入口,读者可以据此判断它会怎样改变现有工作流。
Code Llama,Llama 2 学习编码功能发布,引入开放入口和能力变化。
推荐理由:原文给出了能力变化和开放入口,读者可以据此判断它会怎样改变现有工作流。
Hugging Face 发布了开源视觉语言模型 IDEFICS,实现了最新的视觉语言模型技术。
推荐理由:原文介绍了 IDEFICS 的开源,读者可以了解其在视觉语言模型领域的最新进展。
Hugging Face 发布了使用 BentoML 部署模型的指南,以 DeepFloyd IF 为例,展示了如何实现模型部署。
推荐理由:原文给出了能力变化和开放入口,读者可以据此判断它会怎样改变现有工作流。
Swift Transformers 发布,允许在苹果设备上运行设备端的大语言模型。
推荐理由:原文给出了能力变化和开放入口,读者可以据此判断它会怎样改变现有工作流。