《谷歌将与欧盟达成反垄断和解：微调搜索界面》文章已经归档，不再展示相关内容，编辑建议你查看最新于此相关的内容：谷歌Chrome OS谍照再次曝光 日趋成熟据国外媒体报道，自谷歌宣布Chrome OS桌面操作系统以来，自诩为Chrome OS谍照的图片不断曝光。近日，又有几张新的谍照曝光。
......
本文由站长之家合作伙伴自媒体作者“资讯索引”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）
欧盟反垄断监管机构欧盟委员会重新对英特尔处以3.7636亿欧元罚款，原因是该公司违反了欧盟的反垄断法^_^这些违法行为包括英特尔付钱给个人电脑制造商，让他们推迟或取消含有竞争对手x86CPU的产品，并限制这些产品的销售渠道，从限制了消费者的选择和市场竞争。当地时间周五，欧盟委员会表示，在发现英特尔“违反欧盟反垄断规则，从事了一系列旨在将竞争对手排除在相关市场之外的反竞争行为”后，重新对英特尔处以较小规模的罚款。在2009年，英特尔曾因滥用其在芯片市场的主导地位排挤竞争对手AMD被罚款10亿欧元。
加利福尼亚北区法官杰弗里·怀特拒绝了苹果公司的请求，该请求旨在驳回针对其移动支付服务ApplePay的联邦集体诉讼。三家信用合作社声称苹果公司对交易收取过高的费用，并且限制了其他数字钱包使用其NFC扫描硬件，这被认为过于垄断，违反了《谢尔曼反托拉斯法》。这起反垄断诉讼引发了广泛关注，因为它可能对数字支付市场产生深远影响，同时也引发了关于科技巨头在市场中的影响和控制权的更广泛讨论。
德国卡特尔办公室主席AndreasMundt警告称，人工智能可能会增强大型科技公司的市场实力，监管机构应警惕任何反竞争行为。Mundt的评论强调了监管机构对科技巨头的担忧，这些公司拥有大量用户数据，可能在智能家居、网络搜索、在线广告、汽车和许多其他产品和服务中使用的新技术中获得竞争优势。」「这两种发展都有可能，作为一个当局，我们必须小心，以免任何竞争潜力从一开始就被扼杀。
当地时间22日，欧盟委员会发布公告称，由于美国芯片巨头英特尔滥用其市场主导地位，决定对英特尔处以3.76亿欧元的罚款。公告中提到，该处罚是因为英特尔公司有垄断限制行为，滥用市场地位，操控x86核心处理器产品。欧盟有些法规确实对于消费者来说是非常有利的，比如今年iPhone15全系更换USB-C接口，欧盟的强制规定就是背后最大的推力，若苹果不遵守将无法在欧盟市场内销售。
OpenPipe是一个创新的AI工具，旨在将昂贵的语言模型的强大能力与更便宜的模型相结合，以满足用户的精确需求。它的核心思想是利用强大但昂贵的大型语言模型进行微调，生成适合特定需求的廉价模型。多种训练数据导出格式:支持导出多种训练数据格式，包括Alpaca和ChatGPT，同时具备去重功能，使数据准备更加高效。
凤凰网科技讯北京时间10月2日，美国搜索巨头谷歌的反垄断大案再次将苹果公司推向风口浪尖。美国司法部律师称，谷歌每年支付至少100亿美元，以保证谷歌搜索能成为苹果和其他公司设备上的默认搜索引擎。虽然短期内不太可能推出，但它可能比人们想象的更快到来。
【新智元导读】微调LLM需谨慎，用良性数据、微调后角色扮演等都会破坏LLM对齐性能!学习调大了还会继续提高风险!虽说预训练语言模型可以在零样本设置下，对新任务实现非常好的泛化性能，但在现实应用时，往往还需要针对特定用例对模型进行微调。微调后的模型安全性如何?是否会遗忘之前接受的对齐训练吗?面向用户时是否会输出有害内容?提供LLM服务的厂商也需要考虑到，当给终端用户开放模型微调权限后，安全性是否会下降?最近，普林斯顿大学、IBM、斯坦福等机构通过redteam实验证明，只需要几个恶意样本即可大幅降低预训练模型的安全性，甚至普通用户的微调也会影响模型的安全性。不管真正的原因是什么，研究人员假设，如果能够在未来的对齐工作中巩固那些不太稳健的危害类别，可能能够进一步提高良性微调情况下的整体安全性。
LongLoRA是一种全新的微调方法，旨在提高大语言模型的上下文处理能力无需过多的算力资源。增加LLM的上下文处理能力需要大量的算力支持，但LongLoRA采用了创新的方法，使LLM能够处理更长的文本和更多的信息。它在处理长文本和复杂任务方面表现出色，为语言模型领域带来了新的可能性。
随着GPT-4的发布，多模态大模型成为热点。业界常将视觉编码器与语言模型集成构建MLLM。模型设计和训练技巧仍需进一步优化，以平衡不同能力之间的权衡。
OpenAI的Fine-tuning支持functioncalling。在API中，包含一长串函数可能会消耗大量提示令牌，有时模型会产生幻觉或无法提供有效的JSON输出。为了提高准确性，微调后仍然建议包括function说明。
