深潮 TechFlow 消息，去中心化 AI 平台 ZettaBlock 推出新的人工智能平台 Kite AI，Kite AI 是一个协作平台，旨在协调和民主化对人工智能资产（数据、模型和代理）的访问。同时，Kite AI 启动社区驱动的人工智能计划 ...

哈佛、斯坦福、MIT等团队的一项研究表明：训练的token越多，需要的精度就越高。例如，Llama-3在不同数据量下（圆形8B、三角形70B、星星405B），随着数据集大小的增加，计算最优的精度也会增加。

其次，Meta的生成式AI工具也获得了巨大关注，这些工具旨在帮助广告商实现任务自动化。 管理层在财报电话会议上提到，截至今天，仅在上个月就有超过100万广告商使用其生成式AI工具生成了超过1500万条广告。

证券之星消息，乐鑫科技(688018)11月12日在投资者关系平台上答复投资者关心的问题。 投资者：董秘您好：Meta公司举办的llama模型黑客马拉松，第一名的AI眼镜项目openglass，就是用的esp32s3芯片吗？谢谢 ...

“AI 浪潮汹涌，智谱全线启航。”2024 年，AI 行业在希望与困境中徘徊，智谱 AI 踏上全面出击之路。但在这一征程中，它究竟面临着怎样的挑战与机遇？其战略布局又将如何影响未来发展？让我们一同深入剖析。

在人工智能领域，规模越大似乎就意味着能力越强。为了追求更强大的语言模型，各大科技公司都在疯狂堆叠模型参数和训练数据，结果却发现成本也随之水涨船高。难道就没有一种既经济又高效的方法来训练语言模型吗?

本文来自微信公众号：量子位，作者：一水，原文标题：《今日最热论文：Scaling Law后继乏力，量化也不管用，AI大佬齐刷刷附议》，题图来自：AI生成 几十万人关注，一发表即被行业大佬评为“这是很长时间以来最重要的论文”。 哈佛、斯坦福、MIT等团队的一项研究表明：训练的token越多，需要的精度就越高。 例如，Llama-3在不同数据量下（圆形8B、三角形70B、星星405B），随着数据集大小 ...

OpenAI研究科学家、德扑之父Noam Brown第一时间转发了新研究，并称我们通过o1开发了一种scale测试时计算的新方法，但它并不是唯一的方法，也可能不是最好的方法。很兴奋可以看到学术研究人员朝着这个方向，探索出新的方法。

最近，媒体报道被称为“中国英伟达”的国产GPU独角兽摩尔线程，已经完成股改，近期将启动上市辅导。 而在摩尔线程之前，燧原科技和壁仞科技这两个国产GPU公司也都已经开始准备上市。成为“中国版英伟达”的路，更热闹了。