昨天，李沐回到了母校上海交大，做了一场关于 LLM 和个人生涯的分享。本文是机器之心梳理的李沐演讲内容（根据 B 站用户@考拉klkl上传的视频整理，感谢这位同学的录制，视频链接见文后。）图源:上海交通大学特聘教授俞勇朋友圈。Hi!大家好，说我是计算机杰出校友有点不敢当。很多年
......
本文由站长之家合作伙伴自媒体作者“机器之心公众号”授权发布于站长之家平台，本平台仅提供信息索引服务。由于内容发布时间超过平台更新维护时间，为了保证文章信息的及时性，内容观点的准确性，平台将不提供完全的内容展现，本页面内容仅为平台搜索索引使用。需阅读完整内容的用户，请查看原文，获取内容详情。
（举报）
11.11云上盛惠！海量产品 · 轻松上云！云服务器首年1.8折起，买1年送3个月！超值优惠，性能稳定，让您的云端之旅更加畅享。快来腾讯云选购吧！
腾讯云
12-20
大语言模型还能向上突破，OpenAI再次证明了自己的实力。北京时间9月13日午夜，OpenAI正式公开一系列全新AI大模型，旨在专门解决难题。「除了新的o1系列模型，我们计划继续开发和发布我们的GPT系列模型。
【新智元导读】LLM不会规划，大推理模型o1可以吗?ASU团队最新研究发现，o1-preview推理规划能力是所有模型之最，但仍未触及天花板。团队希望这份研究报告能够很好地展示LLM和LRM的规划能力，并为如何切实评估它们提供有用的建议。
微信公众平台运营中心宣布，为进一步落实主管部门的要求，近期平台加大对低俗有害微短剧的巡查审核和违规侵权内容的处理。经平台审核发现，部分微短剧类小程序存在违规上传不良导向价值观内容的行为。《吞海》存在宣扬不良行为，涉毒品针管注射等严重违规情况。
嘴上说着要退出价格战，但身体却很诚实。宝马在中国市场再次回归价格战，大幅下调旗下车型售价。如今宝马重回价格战也不难理解了。
在这个金秋十月，我们迎来了中华人民共和国成立75周年的辉煌时刻。今日，小米集团创始人雷军发表演讲祝福祖国，雷军回忆自己上大学的年代，谁买了一台国外的电子产品，大家都会相互传看，非常羡慕，现在，这些都变了，中国科技产品成了被瞩目的主角。如果有一天，你在米兰的市中心看到了比亚迪的旗舰店，你在里斯本的海边放飞大疆的无人机，你在巴黎的小巷子里
TechWeb文/卞海川日前，华为全联接大会在沪召开，其不仅展示了华为在数智化领域的最新成果，也深入探讨了企业如何在数字化转型中，数智化带来的价值跃升及实现的技术手段和路径等。智能化时代来临，华为AllIntelligence持续深入对于智能化，每个行业、每个企业都有自己的探索，取得数智化成果的同时也有各自的困惑。相信在大家的共同努力下，必将打造更繁荣的产业生态，不让任何企业在智能化时代掉队。
目前台风贝碧嘉”的中心已经进入苏州。在淀山湖的南端，现场风力十分大，湖水击打在岸边甚至能激起1米多的巨浪，狂风裹挟着暴雨。注意检查并加固门窗，特别是玻璃窗容易在强风中破裂，可以贴上胶带增加牢固性，或用木板加固窗户。
快科技9月18日消息，9月19-21日，第九届华为全联接大会将在上海举办，本次大会主题为共赢行业智能化”。本次大会将举办300 场主题演讲、峰会、论坛，拥有2万 平方米展区，目前，华为已在官网公布了本次大会的议程和主题演讲嘉宾。据了解，华为副董事长、轮值董事长徐直军、华为常务董事、ICT基础设施业务管理委员会主任汪涛、华为常务董事、华为云CEO张平安、华为云CTO张宇昕等多位华为高管将在会上发表演讲。大会第一天，将分享华为对智能化发展的前沿洞察，最新战略和关键举措，并分享华为行业数智化转型的理念、产品、方案、实践等。在
谷歌联合创始人谢尔盖布林在2024年All-In峰会上接受公开采访时确认，他已重返谷歌一线工作，专注于人工智能相关研发。当前AI技术的快速发展令人震惊，作为计算机科学家，他不愿错过这场技术革命。AI技术不应被过度保守地保留，直到完美无缺才展示应该及时发布，让人们去实验和探索。
2024 年 9 月 20 日，由大连市人民对外友好协会和佳能股份有限公司共同主办的第 35 届“佳能杯”日语演讲比赛在大连富丽华大酒店成功举办。该项赛事自 1990 年启动以来，已连续举办 35 年，每年都吸引广大日语爱好者积极参与，截至目前参赛人数累计超18. 5 万人，该赛事已成为大连市中日民间文化交流的标志性活动品牌，为大连市培养选拔优秀复合型日语人才发挥重要作用�
Canvas是OpenAI推出的一个新界面，旨在通过与ChatGPT的协作来改进写作和编码项目。它允许用户在一个单独的窗口中与ChatGPT一起工作，超越了简单的聊天界面。Canvas利用GPT-4o模型，能够更好地理解用户的上下文，并提供内联反馈和建议。它支持直接编辑文本或代码，并提供快捷操作菜单，帮助用户调整写作长度、调试代码等。Canvas还支持版本回溯，帮助用户管理项目的不同版本。
Text Behind Image 是一个开源的设计工具，允许用户轻松创建文字背景图片设计。它提供了一个简洁的界面，让用户可以自由地在图片上添加文字，创造出独特的视觉效果。这个工具对于设计师、社交媒体运营者和内容创作者来说非常有用，因为它可以快速生成具有吸引力的视觉内容。
torchao是PyTorch的一个库，专注于自定义数据类型和优化，支持量化和稀疏化权重、梯度、优化器和激活函数，用于推理和训练。它与torch.compile()和FSDP2兼容，能够为大多数PyTorch模型提供加速。torchao旨在通过量化感知训练（QAT）和后训练量化（PTQ）等技术，提高模型的推理速度和内存效率，同时尽量减小精度损失。
Liquid Foundation Models (LFMs) 是一系列新型的生成式AI模型，它们在各种规模上都达到了最先进的性能，同时保持了更小的内存占用和更高效的推理效率。LFMs 利用动态系统理论、信号处理和数值线性代数的计算单元，可以处理包括视频、音频、文本、时间序列和信号在内的任何类型的序列数据。这些模型是通用的AI模型，旨在处理大规模的序列多模态数据，实现高级推理，并做出可靠的决策。
NVLM-D-72B是NVIDIA推出的一款多模态大型语言模型，专注于视觉-语言任务，并且通过多模态训练提升了文本性能。该模型在视觉-语言基准测试中取得了与业界领先模型相媲美的成绩。
gradio-bot是一个可以将Hugging Face Space或Gradio应用转化为Discord机器人的工具。它允许开发者通过简单的命令行操作，将现有的机器学习模型或应用快速部署到Discord平台上，实现自动化交互。这不仅提高了应用的可达性，还为开发者提供了一个与用户直接交互的新渠道。
AI-Powered Meeting Summarizer是一个基于Gradio的网站应用，能够将会议录音转换为文本，并使用whisper.cpp进行音频到文本的转换，以及Ollama服务器进行文本摘要。该工具非常适合快速提取会议中的关键点、决策和行动项目。
VARAG是一个支持多种检索技术的系统，优化了文本、图像和多模态文档检索的不同用例。它通过将文档页面作为图像嵌入，简化了传统的检索流程，并使用先进的视觉语言模型进行编码，提高了检索的准确性和效率。VARAG的主要优点在于它能够处理复杂的视觉和文本内容，为文档检索提供强大的支持。
JoyHallo是一个数字人模型，专为普通话视频生成而设计。它通过收集来自京东健康国际有限公司员工的29小时普通话视频，创建了jdh-Hallo数据集。该数据集覆盖了不同年龄和说话风格，包括对话和专业医疗话题。JoyHallo模型采用中国wav2vec2模型进行音频特征嵌入，并提出了一种半解耦结构来捕捉唇部、表情和姿态特征之间的相互关系，提高了信息利用效率，并加快了推理速度14.3%。此外，JoyHallo在生成英语视频方面也表现出色，展现了卓越的跨语言生成能力。
PhysGen是一个创新的图像到视频生成方法，它能够将单张图片和输入条件（例如，对图片中物体施加的力和扭矩）转换成现实、物理上合理且时间上连贯的视频。该技术通过将基于模型的物理模拟与数据驱动的视频生成过程相结合，实现了在图像空间中的动态模拟。PhysGen的主要优点包括生成的视频在物理和外观上都显得逼真，并且可以精确控制，通过定量比较和全面的用户研究，展示了其在现有数据驱动的图像到视频生成工作中的优越性。
Whisper large-v3-turbo是OpenAI提出的一种先进的自动语音识别(ASR)和语音翻译模型。它在超过500万小时的标记数据上进行训练，能够在零样本设置中泛化到许多数据集和领域。该模型是Whisper large-v3的微调版本，解码层从32减少到4，以提高速度，但可能会略微降低质量。
Realtime API 是 OpenAI 推出的一款低延迟语音交互API，它允许开发者在应用程序中构建快速的语音到语音体验。该API支持自然语音到语音对话，并可处理中断，类似于ChatGPT的高级语音模式。它通过WebSocket连接，支持功能调用，使得语音助手能够响应用户请求，触发动作或引入新上下文。该API的推出，意味着开发者不再需要组合多个模型来构建语音体验，而是可以通过单一API调用实现自然对话体验。
Saylo AI是一个AI角色扮演游戏，让你与AI角色互动，探索多样化的戏剧性故事。它利用人工智能技术，提供沉浸式的互动体验，让玩家在虚拟世界中与AI朋友交流，体验不同的故事情节。Saylo AI的背景信息展示了其创新性和娱乐性，旨在为玩家提供一种全新的娱乐方式。目前产品处于推广阶段，价格未明确标注。
twinny是一个为Visual Studio Code用户设计的AI扩展，旨在提供个性化的编程辅助，提高开发效率。它通过集成先进的AI技术，帮助开发者在编码过程中快速解决问题，优化代码，并提供智能提示。twinny的背景是响应开发者对于更加智能和自动化编程工具的需求，它通过简化开发流程，减少重复劳动，从而让开发者能够专注于更有创造性的工作。
Buildpad 是一个旨在帮助创始人从概念到成功最小可行产品(MVP)的在线平台。它通过提供智能验证工具、AI引导的开发流程、进度跟踪以及个性化的项目见解，帮助用户构建能够获得市场认可的产品。Buildpad 的主要优点包括简化产品开发流程、提高产品成功率、以及提供个性化的指导和支持。
Novela是一个专注于AI时代技能学习的在线平台，提供早期访问服务，用户可以免费试用。它旨在帮助用户掌握AI相关的技能，以适应未来职场的需求。
interview.co是一个专注于简化招聘流程的视频面试软件。它通过提供在线视频面试、AI问题生成器和面试管理工具，帮助企业高效地筛选和评估候选人。产品背景信息显示，interview.co旨在解决传统面试中的时间消耗、日程安排困难和成本高昂等问题。价格方面，interview.co提供试用版，具体定价信息需进一步探索。
Open NotebookLM是一个利用开源语言模型和文本到语音模型的工具，它可以处理PDF内容，生成适合音频播客的自然对话，并将其输出为MP3文件。该项目的灵感来自于NotebookLM工具，通过使用开源的大型语言模型（LLMs）和文本到语音模型来实现。它不仅提高了信息的可访问性，还为内容创作者提供了一种新的媒体形式，使他们能够将书面内容转换为音频格式，扩大其受众范围。
Chital是一个为macOS平台设计的应用程序，它允许用户与Ollama模型进行聊天。这个应用具有低内存占用和快速启动的特点，支持多聊天线程，能够在不同的模型间切换，并支持Markdown格式。此外，它还能自动为聊天线程生成标题摘要。Chital的开发主要是为了满足开发者个人的使用需求，但也鼓励社区成员通过fork代码库来添加新功能。
SafeEar是一个创新的音频深度检测框架，它能够在不依赖于语音内容的情况下检测深度音频。这个框架通过设计一个神经音频编解码器，将语义和声学信息从音频样本中分离出来，仅使用声学信息（如韵律和音色）进行深度检测，从而保护了语音内容的隐私。SafeEar通过在真实世界中增强编解码器来提高检测器的能力，使其能够识别各种深度音频。该框架在四个基准数据集上的广泛实验表明，SafeEar在检测各种深度技术方面非常有效，其等错误率（EER）低至2.02%。同时，它还能保护五种语言的语音内容不被机器和人类听觉分析破译，通过我们的用户研究和单词错误率（WER）均高于93.93%来证明。此外，SafeEar还构建了一个用于反深度和反内容恢复评估的基准，为未来在音频隐私保护和深度检测领域的研究提供了基础。
