前言

每天都要浏览大量AI相关新闻，是不是感到信息量爆炸，有效信息少？

这么多新产品和新工具，到底哪些是真正是有价值的，哪些只是浮躁的一时热点？

想参与AI产品和工具的开发，从哪里能够获得大量的灵感和思路？

我会把AI相关的新趋势、新想法、新思路，和成熟AI产品、工具、模型等整理在这里，帮助大家去除信息噪音，更高效的了解AI前沿发展。

主要围绕：

• AI业界趋势、想法、思路
• AI产品
• AI开发者工具
• AI模型

作为本期刊的第二期，我们主要围绕2023年5-6月发布的相关信息为主，观众朋友们请注意时效性。

想法/思路

大模型训练的材料会耗尽吗？

以下节选自阮一峰科技周刊中阮老师的个人思考，觉得蛮有意思。

下面的新闻也讨论了该问题，在这里节选片段。

https://m.thepaper.cn/newsDetail_forward_23467960

笔者认为，虽然训练材料耗尽离我们现在还很遥远，不过如果训练所需要的材料一直以指数级增长，而我们现有的材料又没有跟上时，确实有可能会提前碰到这种瓶颈。

OpenAI支持函数调用功能

关于OpenAI的函数调用功能，一个比喻： 以前让OpenAI回答数学题，只能靠催眠（你是数学专家），然后回答，常常答错； 现在让OpenAI回答数学题，同时给他一个计算器（他知道什么时候该用计算器，但是他自己不会用），当他识别出这是数学题时，会把数字吐给你，你自己再用计算器算结果，再把结果和问题扔给他做回答。这也是很多其他新模型会附带的功能，类似模型插件。

优点：准确又智能。结果是你自己的函数计算的，肯定错不了；

快速整理播客笔记

阿里的通义听悟可以快速整理音频的内容，转化为文字。

我们首先需要下载播客音频，将音频导入通义听悟平台，1 个小时的音频大概只需要 5 分钟导入和处理；

通义听悟处理后，自动生成章节和声音转录的文本（能够区分不同说话人），支持文本翻译成中文；

随后可以根据自动生成的章节或关键词快速跳转收听感兴趣的内容，不感兴趣的一律跳过；随时在右侧做笔记；

AI发明计算机算法

https://www.ithome.com/0/698/425.htm

谷歌人工智能部门 DeepMind 宣布，使用 AI 发现了一种新的算法 AlphaDev，把排序速度提高了 70％，细节可以看原文。

模型

如何给大模型排行？

随着大模型研究的流行，非常多模型在市面上大乱斗，也有非常多的模型排行榜。我们该如何科学的对模型进行排名呢？

在模型硬指标上，有以下几个方面需要对比：

• 模型大小
• 训练数据集
• 训练和推理效率
• 应用领域（单模态/多模态等）
• …

除开硬指标，我在网上了解了一下，目前针对LLM公认的权威排行机构和论文还比较少，比较知名的有LMSYS

https://chat.lmsys.org/

国内有一个CLUE排行榜，不过我看了下，感觉有点模仿国外的模型评测GLUE和SuperGLUE的感觉，大家可以参考，但是具体认可度有待观察。

https://github.com/CLUEbenchmark/SuperCLUELYB

文字转音频 Bark

https://github.com/suno-ai/bark

Bark 是由 Suno 创建的基于转换器的文本到音频模型。 Bark 可以生成高度逼真的多语言语音以及其他音频 - 包括音乐、背景噪音和简单的音效。 该模型还可以产生非语言交流，如大笑、叹息和哭泣。 截至6月20号Github已经20k Star。

简单来说，你可以写一段文本，并选择一种语调，给机器朗读。但与此同时，支持：

• 除了英语外，还支持他国语言
• 支持一些非文字的声音，比如清嗓子、大笑、哼哼等
• 通过加上音乐符号♪，让他用唱歌的形式朗读。
• 可以给他输入音频，他会输出模仿声调
• …（还有很多能力）

支持的语言：

我个人在HuggingFace试用了一下，真的很牛，不过一开始随便试用时候稍有不慎会出现很奇怪的合成音，听起来蛮恐怖。就和使用Stable Diffusion时画出了非人类的头一样…

生物医学领域大模型

LLaVA-Med：面向生物医学领域的大语言模型和视觉模型

微软发布了LLaVA-Med，要做医药领域的GPT-4，支持多模态。可以识别X光片的信息。

Github：https://github.com/microsoft/LLaVA-Med

北京智源研究院LLM Aquila-7B

Aquila-7B：北京智源研究院开放的国产可商用的LLM

支持中英双语知识、支持商用许可协议、符合国内数据合规要求。后续还会发布33B模型。

Github：https://github.com/FlagAI-Open/FlagAI/tree/master/examples/Aquila

智源研究院和智谱AI同源，后者目前掌握了GLM系列。目前看后续前者更主要做学术研究，后者主要做商业化。

Aquila语言大模型在技术上继承了GPT-3、LLaMA等的架构设计优点，Aquila语言大模型是在中英文高质量语料基础上从０开始训练的，通过数据质量的控制、多种训练的优化方法，实现在更小的数据集、更短的训练时间，获得比其它开源模型更优的性能。也是首个支持中英双语知识、支持商用许可协议、符合国内数据合规需要的大规模开源语言模型。

Aquila-7B和Aquila-33B开源模型使用 智源Aquila系列模型许可协议, 原始代码基于Apache Licence 2.0。

王小川 百川LLM

王小川组建的「百川智能」正式推出首个70亿参数中英文LLM——baichuan-7B。国产、开源、免费、可商用。

Github：https://github.com/baichuan-inc/baichuan-7B

产品

金融GPT：FinGPT

https://github.com/AI4Finance-Foundation/FinGPT

作者使用中国金融市场数据和美国金融市场数据，分别用ChatGLM和LLaMA模型，配合Lora训练，做出了FinGPT

能够实现如下应用：

1. 智能投顾

• ChatGPT可以像专业人士一样进行投资建议。
• 在这个例子中，苹果的股价上涨与ChatGPT分析新闻的预测相符。

1. 量化交易

• 我们还可以使用新闻、社交媒体推文或者公司公告来构建情感因子，右侧的部分是由Twitter推文和ChatGPT信号产生的交易结果，数据来自于一个称为stocknet-dataset的数据集。
• 正如您从图片中所看到的，由ChatGPT生成的交易信号非常出色，我们甚至可以仅通过根据Twitter情感因子交易而获得良好的结果。
• 因此，我们可以通过结合价格因素来获得更好的结果。

1. 低代码开发

• 我们可以使用LLMs的帮助来编写代码。
• 右侧显示了我们如何快速高效地开发我们的因子和其他代码。

微软HuggingGPT

https://huggingface.co/spaces/microsoft/HuggingGPT

AI知识库

https://albus.org/

我自己试了试，有一个很好的思路。当大家写文章，或者做视频没灵感时，可以现在心里想一个主题，让AIbus开始发散思维，进行简单的头脑风暴。

你可以给他设定文字基调：

可以设定文案的阅读受众，生成对应理解力的语句：

假设我要写一篇关于Java String字符串的介绍的博客，我以Java String为关键词，下图是他为我一步步生成的文案，并且配图也是生成的。

我现在越来越觉得写技术博客越来越是个伪命题，尤其是基础知识相关的博客，就算写出来了也是给AI大模型输送营养。

AI视频换风格

给它一个原始视频，然后选择一种想要的风格，AI帮你自动生成新的风格视频。

我自己也用官方Demo视频试了试，它可以支持在生成后视频的基础上再次微调参数，修改提示词，进行迭代。我生成的效果不是特别理想，应该还需要调整。

工具

Vercel 推出AI SDK

Vercel 是知名的云开发服务商，这次它内置了与OpenAI、LangChain和Hugging Face Inference的协作模块，目的是让开发者专注于产品研发，而不是基础设施搭建。 一个预想不一定对：以后做web AI产品，用Vercel和OpenAI就够了。

https://vercel.com/blog/introducing-the-vercel-ai-sdk

通过SD将二维码变成图像

这个网站教你如何使用 Stable Diffusion，将二维码变成一幅图像。

我觉得这个很有意义，很多地方商家张贴各种二维码真的很丑，如果能够植入商家的宣传图片，比如美食，产品，人像，是真的有用，可以商业化。

https://stable-diffusion-art.com/qr-code/

参考

Meta360创新学院-AGI前夜

https://docs.meta360.vip

Github Trending

https://github.com/trending

本文链接：https://my.lmcjl.com/post/4589.html