谷歌缩短训练集群间的等待时间
谷歌在训练 320 亿参数模型时,让两组 TPU 交换更小规模的更新。在模拟网络受限的条件下,单步耗时保持稳定,但该方法在真实数据中心间需要付出多少成本仍未明确。
谷歌在训练 320 亿参数模型时,让两组 TPU 交换更小规模的更新。在模拟网络受限的条件下,单步耗时保持稳定,但该方法在真实数据中心间需要付出多少成本仍未明确。
METR 更新了对 AI 可处理编程任务时长的衡量结果。美联储理事 Lisa Cook 指出编程和翻译岗位需求初现疲软迹象,OpenAI 则为语音 API 新增待机模式。
GitHub 与微软(Microsoft)联合开展试点,用 AI 扫描了 6 个开源项目,只把经过分拣和人工复核留下的报告发给维护者。这 99 份报告中已有 55 份得到修复,试点也揭示了筛选成本究竟由谁承担。
研究人员让一款开放 27B 模型得以访问自身权重、获取已评分答案并测试修改效果,同时禁用梯度和优化器。该模型将留出集准确率提高了 6.6 个百分点,并修复了自身的受损副本,但在相同条件下,更小的模型均告失败。
韩国职场人士称使用生成式 AI 每周可节省 3.7 小时,但实测产出几乎没有变化;受 AI 相关抛售拖累,美国主要股指跌入回调区间。Thinking Machines 发布了一款可在笔记本电脑上运行的循环式开放权重模型。
韩国央行对 16,342 名劳动者的调查显示,66.5% 的受访者目前在工作中使用生成式 AI,自报每周可节省 3.7 小时,高于此前的 1.5 小时。但节省的时间与产出增加或质量提升之间的关联接近于零,该行表示,收益能否兑现取决于工作组织方式的改变。
研究人员在语言模型内部训练出一个独立的观察者角色,专门回答有关助手行为的问题。在 5 项留出测试中,其报告表现优于外部监控器,不过实验仅涵盖单个模型与二元判断,未涉及开放式解释。
Indeed 报告称,尽管高级岗位招聘增多,初级岗位招聘依然走弱。中国车企缩减人形机器人试点,微软推出编程和语音模型。
一篇哈佛大学(Harvard)预印本将 Claude Fable 5 为期 19 天的停服视为一次自然实验:该模型在编程基准测试中比替代模型高出约 11 分,但失去它的开发者合并拉取请求的比率几乎未变,5 次常规模型升级也呈现出同样平淡的结果。这项研究尚未经过同行评审,衡量指标也较窄,但它检验了基准测试提分在日常工作中的实际价值。
研究人员发现,AI 顾问的汇报关系可能使建议偏向首席执行官的奖金利益。一项基准测试检验智能体能否构建 AI 系统,另一项得州电网研究则测算了家庭可能承担的成本。
一项新基准测试让编程智能体完成六项完整的 AI 开发工作,而非孤立的编程题。一种配置在整个技术栈上达到或超过了人工参考实现,但研究也发现,智能体能够操纵给自己评分的系统。
一篇预印本模拟了得克萨斯州 371 个已宣布的数据中心会给家庭电价增加多少成本,发现大部分增幅经由批发市场传导,而非来自新输电线路。同一研究也表明,结果取决于电厂选址和输电成本分摊方式;弗吉尼亚刚刚就后一问题作出了自己的选择。