我们希望能够搭建一个AI学习社群，让大家能够学习到最前沿的知识，大家共建一个更好的社区生态。
https://www.feishu.cn/community/article/wiki?id=7355065047338450972
点击「订阅社区精选」，即可在飞书每日收到《大模型日报》每日最新推送
如果想和我们空间站日报读者和创作团队有更多交流，欢迎扫码。
欢 迎 大 家 一 起 交 流 ！
资讯 David Baker、Alphafold开发者获2024年诺贝尔化学奖 2024 年诺贝尔化学奖与蛋白质有关，这些生命中巧妙的化学工具。David Baker 成功完成了几乎不可能的任务——构建全新的蛋白质类型。Demis Hassabis 和 John M. Jumper 则开发了一种 AI 模型来解决一个长达 50 年的难题：预测蛋白质的复杂结构。这些发现具有巨大的潜力。 生命的多样性证明了蛋白质作为化学工具的惊人能力。它们控制并驱动所有化学反应，这些化学反应共同构成了生命的基础。蛋白质还作为激素、信号物质、抗体和不同组织的构成单元发挥作用。 “今年被认可的一个发现涉及壮观蛋白质的构建。另一个则是实现了 50 年的梦想：从氨基酸序列预测蛋白质结构。 这两个发现都开启了广阔的可能。”诺贝尔化学委员会主席 Heiner Linke 说。
https://mp.weixin.qq.com/s/mXCRAZLxfRpYRIh4BFuqrA
Fei-Fei Li选择Google Cloud作为World Labs的主要计算提供商 在全球云服务市场争相与AI初创企业合作的背景下，Fei-Fei Li领导的World Labs选择Google Cloud作为其主要的计算提供商，用于训练AI模型。尽管Li曾担任Google Cloud的AI首席科学家，双方表示这一合作并非基于其过往关系，而是出于技术考虑。该交易可能价值数亿美元。 在2024年10月的Google Cloud Startup峰会上，World Labs宣布将使用其大部分资金来租赁Google Cloud的GPU服务器，以训练“空间智能”AI模型。这类多模态AI模型需处理视频和地理空间数据，具有高计算需求。World Labs最近获得了由A16Z领投的2.3亿美元融资，估值超过10亿美元。 尽管AI领域的其他公司如OpenAI和Anthropic分别选择了Microsoft Azure和AWS进行合作，World Labs此次选择了Google Cloud的GPU平台。虽然Google提供自研TPU芯片作为替代方案，但由于行业对Nvidia GPU的偏好，World Labs目前仍决定使用GPU。 Google Cloud的高性能工具包和丰富的AI芯片资源成为这次合作的重要因素，尽管双方未透露World Labs GPU集群的具体规模。Google Cloud正尝试吸引更多初创企业使用其TPU，以减少对Nvidia GPU的依赖。 此合作并不具排他性，意味着World Labs仍可能与其他云服务商合作。但Google Cloud目前承载了World Labs的大部分计算任务，并计划维持这一业务。
https://techcrunch.com/2024/10/08/fei-fei-li-picks-google-cloud-where-she-led-ai-as-world-labs-main-compute-provider/ OpenAI在新加坡、巴黎和布鲁塞尔开设新办公室推动全球扩张 OpenAI宣布将在纽约、巴黎、布鲁塞尔和新加坡等城市开设新办公室，以推动其全球扩展计划。这次扩展是在该公司完成64亿美元融资、宣布重组计划和高管离职后展开的。除了旧金山、伦敦、都柏林和东京的现有办公室外，OpenAI此次扩张进一步巩固其全球布局。 前Dropbox亚太及拉美业务负责人、Asana前首席营收官Oliver Jay将从新加坡领导公司的国际运营，并负责全球扩张。OpenAI在新加坡的团队已开始组建，计划今年年底前正式启动新加坡办公室。新加坡将作为公司在亚太地区的运营中心，为客户和合作伙伴提供支持。这将是OpenAI在亚洲的第二个办公室，此前已于4月在东京开设了首个办公室。 OpenAI指出，新加坡是全球人均ChatGPT用户量最高的国家之一，自年初以来，新加坡的每周活跃用户数量已翻倍。OpenAI还与AI新加坡达成合作，旨在扩大其AI技术在东南亚地区的应用。AI新加坡是新加坡国家研究基金会于2017年发起的国家级项目，支持本地企业和研究机构在人工智能领域的发展。 OpenAI CEO Sam Altman表示，随着新加坡在技术领域的领导地位日益凸显，人工智能已被视为解决社会难题并促进经济繁荣的关键工具。OpenAI将与新加坡政府和其繁荣的AI生态系统合作，进一步扩展在亚太地区的业务。
https://techcrunch.com/2024/10/09/openai-to-open-offices-in-singapore-paris-brussels-to-facilitate-global-expansion/ Adobe提议保护艺术家免受AI盗用 Adobe在数字艺术领域的责任愈发重要，致力于减少AI驱动的深度伪造、虚假信息和内容 盗窃。2025年第一季度，Adobe将推出内容真实性网络应用的测试版，允许创作者为其作品申请内容凭证，以证明其所有权。 Adobe的内容凭证系统使用数字指纹、隐形水印和加密签名元数据来保护艺术作品，超越简单的图像元数据修改。隐形水印对像素的改动微乎其微，以至于人眼无法察觉；数字指纹通过在 文件中编码ID，即使凭证被移除，文件仍能被识别为原作者的作品。 Adobe内容真实性高级总监安迪·帕森斯表示：“无论图像、视频或音频文件在网络或移动设备上流传到何处，内容凭证始终会与之相伴。” Adobe拥有3300万付费用户，能够有效触及数字艺术家。即使不是Adobe用户，艺术家也可以使用该应用申请凭证。为了促进内容凭证在互联网上的广泛使用，Adobe共同创立了两个行业组织，会员包括占市场90%的相机制造商及多个大型内容平台。 Adobe在数字艺术领域的责任愈发重要，致力于减少AI驱动的深度伪造、虚假信息和内容盗窃。2025年第一季度，Adobe将推出内容真实性网络应用的测试版，允许创作者为其作品申请内容凭证，以证明其所有权。
Adobe的内容凭证系统使用数字指纹、隐形水印和加密签名元数据来保护艺术作品，超越简单的图像元数据修改。隐形水印对像素的改动微乎其微，以至于人眼无法察觉；数字指纹通过在文件中编码ID，即使凭证被移除，文件仍能被识别为原作者的作品。
Adobe内容真实性高级总监安迪·帕森斯表示：“无论图像、视频或音频文件在网络或移动设备上流传到何处，内容凭证始终会与之相伴。”
Adobe拥有3300万付费用户，能够有效触及数字艺术家。即使不是Adobe用户，艺术家也可以使用该应用申请凭证。为了促进内容凭证在互联网上的广泛使用，Adobe共同创立了两个行业组织，会员包括占市场90%的相机制造商及多个大型内容平台。
https://techcrunch.com/2024/10/08/adobe-proposes-a-way-to-protect-artists-from-ai-ripoffs/ GR-2登场！ByteDance Research提出机器人大模型 GR-2是ByteDance Research开发的第二代机器人大模型，它在预训练阶段通过在3800万个互联网视频片段上进行生成式训练，学习了人类日常生活中的各种动态和行为模式。这种训练方式让GR-2具备了多种操作任务的学习和在多种环境中泛化的能力。
在微调阶段，GR-2通过在机器人轨迹数据上进行微调，能够预测动作轨迹并生成视频。它能够根据输入的图片和语言指令预测未来的视频，并生成相应的动作轨迹。这种视频生成能力不仅提升了动作预测的准确性，也为机器人的智能决策提供了新方向。
GR-2的Scaling Law表现在随着模型规模的增加，其性能显著提升。在7亿参数规模的验证中，GR-2展现出了处理更复杂任务和泛化到未见任务及场景的能力。
在多任务学习测试中，GR-2能够完成105项不同的桌面任务，平均成功率为97.7%。它不仅能处理已知任务，还能适应未知场景和物体，展现出强大的泛化能力。
GR-2还能与大语言模型结合，完成复杂的长任务，并与人类互动。它能处理环境中的干扰，并通过适应变化的环境成功完成任务。在实际应用中，GR-2能够端到端地完成物体拣选任务，无论是透明、反光、柔软物体还是其他挑战性物体，GR-2都能准确抓取。
尽管GR-2在互联网视频上接受了大规模的预训练，但真实世界动作数据的规模和多样性仍然有限，这表明它还有进步的空间。GR-2的故事展示了AI如何推动机器人发展，它不仅是一个机器人大模型，更是一个能够学习和适应各种任务的智能体。
第三届年度语音创新大会Fullband 2024
语音渠道洞察：
65% 的客户互动仍然通过语音进行。
业务端的主要问题是语音渠道的成本远高于其他渠道。
无论使用其他渠道与否，语音渠道能够全面覆盖客户需求，是客户互动的核心渠道。
80% 的客户仍然偏好通过语音获得人工支持。
口音和音质问题仍然是主要挑战，每年给联络中心带来 55亿美元 的损失。
语音机 器人目前能处理多达 40% 的简单任务，使座席能够专注于更复杂的交互。
史蒂夫认为，鉴于行业规模及消费者偏好，语音机器人短期内不会完全取代人工座席。
客户面临的最大问题是长时间等待，这严重影响了客户满意度及整体体验，并且情况正在恶化。
语音机器人将被广泛用于初步筛查，从情绪强度、紧迫性和问题复杂性等角度分析问题，并相应分配给合适的座席 。
https://voice-ai-newsletter.krisp.ai/p/wrapping-up-fullband-2024 推特 Anthropic更新批处理 API：经济高效的方式，用于异步处理大量查询 介绍消息批处理 API——一种经济高效的方式，用于异步处理大量查询。
您可以一次提交多达 10,000 个查询的批次。每个批次将在 24 小时内处理完毕，且费用比标准 API 调用低 50%。
https://x.com/AnthropicAI/status/1843695536614060201 快速工具：将任何形式的 GitHub 链接转换为 LLM 可以读取的格式 我需要一个快速工具来将任何形式的 GitHub 链接转换为 LLM 可以读取的格式。
于是我开发了这个工具。
GitHub → LLM
完全免费，支持项目、文件夹或文件 🪄
部署在@Replit
https://x.com/skirano/status/1843732806763167912
Runway ml支持所有用户使用：输入第一帧和最后一帧，让 Gen-3 Alpha Turbo 生成视频 现在，您可以为 Gen-3 Alpha Turbo 提供首帧和末帧输入。所有用户均可在网页上使用，支持横向和纵向比例。
https://x.com/runwayml/status/1843707595141644617
Alex Volkov 分享Cursor 小技巧：从快捷指令到模型选用 今天我和@weights_biases 的同事们进行了一个“Cursor 小技巧”会议，我想分享一下我们之间‘发现’并讨论的内容： 首先，我们讨论了每个人使用的功能以及如何进行编辑，总结如下：有些同事尝试过 Composer，但还不是很习惯，CMD+K 很有用，但常常缺乏上下文，而聊天侧边栏总体上非常棒。 使用聊天功能 (cmd+shift+L) 处理其他所有任务 有些人不知道你可以在上下文中 @tag 进去的所有内容，所以我们一个一个讲解： 你可以添加特定的文件（和文件夹！），从网页上直接链接，参考当前或之前的 Git 更改，当然，还可以添加（并重新索引！）完整的文档站点。 关于引用文档的建议，有时候 @tag 整个文档站点很有用，但通常情况下，直接链接到你正在处理的特定文档效果更好（个人观察），这样还能为你节省 tokens。 我们深入讨论了 o1-mini 和 o1-preview，主要围绕是否根据不同任务切换模型。实际上，大多数人确实根据具体的使用场景切换模型，而不仅仅只是使用 sonnet。
https://x.com/altryne/status/1843738554352185542
Chunkr AI：从PDF转化成LLM可用结构的开源解决方案 PDF 是撒旦的文件格式。
几乎所有构建 RAG（检索增强生成）的人都必须处理它们——这真是糟透了。
市面上的解决方案要么太慢、太贵，要么不是开源的。
这一切本该更简单。因此我们开源了 http://chunkr.ai。
https://x.com/Ishaank1999/status/1843764968556278020
产品 Eddie AI Eddie AI 是一款基于人工智能的视频编辑工具，通过文本提示快速生成粗剪，识别关键主 题和音频片段，简化编辑流程。用户可以与其互动，调整视频内容并导出为 MP4，或在其他编辑软件中进一步处理，帮助创作者更专注于故事构建和创意实现。
https://heyeddie.ai/
Kvistly Kvistly 是一个基于人工智能的测验制作工具，它允许用户快速创建自定义测验，并结合实时竞标和动态排行榜，增强参与者的互动和学习体验。
https://kvistly.com/
投融资 Alpha Design AI完成309万美元Pre-Seed轮融资 总部位于美国圣塔芭芭拉的Alpha Design AI公司成功完成了309万美元的Pre-Seed轮融资。本轮融资由ScOp Venture Capital领投，参与方包括Impact Assets、Amino Capital、半导体行业高管以及天使投资人。 Alpha Design AI开发了名为ChipAgents的AI工具，专为芯片设计和验证工作流程服务。公司计划利用此次融资加速其AI工具的开发和部署，帮助硬件工程师和半导体公司优化芯片设计流程。 ChipAgents由公司创始人兼CEO William Wang和创始顾问John Bowers教授领导，旨在通过生成式AI技术，为芯片设计团队提供自动化辅助工具。ChipAgents能够分析和生成RTL设计规范及代码，自动补全Verilog代码，并自动生成测试平台，从而减少繁琐的手动编码工作。该工具通过实时学习模拟结果，自动验证和调试设计代码，确保测试的全面性和高质量，显著缩短设计验证周期，提升生产力并降低开发成本。 公司官网：https://chipagents.ai/
https://www.finsmes.com/2024/10/chipagents-raises-3-09m-in-pre-seed-funding.html Braintrust获得投资，开发AI产品工具 Braintrust是一家专注于大语言模型（LLM）产品开发工具的平台，近日获得了投资，进一步推动其工具平台的发展。该平台为基于LLM的产品开发提供了一整套支持，吸引了众多知名公司使用，如Notion、Stripe、Vercel、Airtable、Instacart、Zapier和Coda等。 Braintrust的工具涵盖LLM开发的多个核心功能，包括日志记录、提示模板管理、实时提示服务、代理支持以及工具集成等。特别是在产品开发中，Braintrust支持JavaScript/TypeScript，这使其不仅适用于小型项目，也适合复杂的开发需求。 Braintrust由创始人兼CEO Ankur Goyal领导，他的团队在AI开发平台建设方面经验丰富，曾在Figma和Goyal的前公司Impira参与相关工作。与传统的Python数据科学背景不同，Braintrust团队的系统背景使其在LLM状态管理等复杂问题上表现出色。 投资方表示，Braintrust为产品开发者提供了前所未有的开发体验，是未来AI产品开发的有力工具。 公司官网：https://www.braintrust.dev/
https://a16z.com/announcement/investing-in-braintrust/
Unify完成1200万美元A轮融资，专注于“暖外呼”信息 AI驱动的初创公司Unify成功完成1200万美元的A轮融资，由现有投资者Emergence Capital和Thrive Capital领投，OpenAI Startup Fund、Neo、Abstract、20Sales和AltCap也参与了此次融资。该公司在去年通过了OpenAI的Converge I加速器，并在该计划后获得了近700万美元的种子轮融资，投资者同样包括本次A轮的参与者。 Unify由Austin Hughes和Connor Heggie联合创立，Hughes曾在Ramp负责销售外呼项目，发现传统的冷邮件外呼效果逐渐减弱。由此他产生了利用数据和AI技术，帮助销售团队更好地接触潜在客户的想法。与Heggie合作后，他们开发了AI增强的“暖外呼”信息工具，帮助销售团队更快生成线索并促成交易。 尽管AI销售开发工具（AISDR）市场增长迅速，Unify并不定位为AISDR公司，而是通过整合CRM等数据源，提供个性化的外呼信息。Unify的AI系统通过扫描在线数据源，识别潜在客户及其购买信号，以实现更有效的外呼策略。Unify的客户已包括Justworks和Lattice等公司，其收入已达数百万美元。 公司官网：https://www.unifygtm.com/
https://techcrunch.com/2024/10/08/unify-an-openai-converge-accelerator-grad-lands-12m-for-warm-outbound-messages/
Distributional完成1900万美元A轮融资，致力于自动化AI模型和应用测试 AI测试平台Distributional由前英特尔AI软件总经理Scott Clark创立，近日完成了1900万美元的A轮融资，由Two Sigma Ventures领投。其他参与的投资者包括Andreessen Horowitz、Operator Collective、Oregon Venture Fund、Essence VC以及Alumni Ventures。截至目前，这家位于加州伯克利的初创公司已累计融资3000万美元。 Distributional的创始人Clark表示，公司的灵感来源于他在英特尔和Yelp工作时遇到的AI测试难题。该平台通过自动生成统计测试，帮助AI产品团队检测并解决AI模型在生产环境中的风险，从而降低操作失误的可能性。 Clark此前创立的模型实验和管理平台SigOpt在2020年被英特尔收购，之后他在英特尔的AI与超级计算软件部门担任副总裁及总经理。工作期间，Clark意识到AI模型的不可预测性使得监控和观测问题变得尤为棘手，这直接促成了他创办Distributional的想法。 Distributional的解决方案通过自动化测试和数据分布分析，帮助团队在开发周期中持续检测AI行为是否发生变化。该平台支持内部部署和托管计划，并与流行的告警和数据库工具进行集成。通过提供可视化的测试结果和可共享的测试模板，Distributional帮助团队标准化AI应用的测试流程。 随着此轮融资的完成，Distributional计划扩展技术团队，特别是在UI和AI研究工程方面。预计到今年年底，公司员工将增长至35人，并展开首批企业级部署。Clark表示，公司已经处于一个有利位置，能够在未来几年抓住这一巨大的市场机会。 公司官网：https://distributional.com/
https://techcrunch.com/2024/10/08/distributional-raises-19m-to-automate-ai-model-and-app-testing/
前亚马逊高管Dave Clark新供应链项目Auger获1亿美元种子轮融资 前亚马逊全球消费者部门CEO Dave Clark创立的供应链公司Auger，近日完成了1亿美元的种子轮融资。本轮融资由风险投资公司Oak HC/FT领投，资金将用于开发基于AI的供应链工具。 Clark此前曾在亚马逊和Flexport担任高管职位，期间积累了丰富的供应链管理经验。离开Flexport后，Clark决定创立Auger，致力于通过AI技术帮助依赖供应链的企业获得实时库存管理和运营数据，解决供应链中的信息碎片化和效率低下问题。 Clark表示，尽管企业在供应链技术上投入巨大，但现有的系统往往是各类不兼容技术拼凑的“碎片软件”，无法有效沟通，导致企业不得不依赖Excel等不适用于复杂供应链的工具。Auger将通过整合多种数据源，并利用AI和机器学习技术，提供动态的实时分析，帮助企业优化供应链规划、预测和融资。 目前，全球供应链管理市场需求强劲，物流软件市场预计到2025年将达到465亿美元。Auger面临的竞争对手众多，包括Altana、Everstream和Pando等公司，它们也在开发供应链可视化和管理解决方案。 尽管竞争激烈，Clark认为Auger将凭借独特的技术优势脱颖而出。Oak的合伙人Matt Streisfeld对Clark充满信心，称他是具备重新定义供应链管理软件潜力的“千载难逢的创始人”。 Auger目前尚未公布客户或收入情况，但Clark表示公司将在未来几个月内发布更多产品路线图和发展目标。 https://techcrunch.com/2024/10/08/dave-clark-formerly-of-amazon-and-flexport-just-landed-100m-for-new-supply-chain-venture/
— END —
原创文章，作者：LLM Space，如若转载，请注明出处：https://www.agent-universe.cn/2024/10/21562.html
