JingleBells

【腾讯云】11.11云上盛惠！云服务器首年1.8折起，买1年送3个月！

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！

黄仁勋用AI分身唱JingleBells 回应此前乱入两位网络歌手的直播间

为了回应之前乱入两位网络歌手直播间的事件，NVIDIA运用AI创造出“Toy Jensen”分身，献唱《Jingle Bells》。黄仁勋表示，虽然他不擅长唱歌，但他运用NVIDIA的语音AI、电脑视觉、自然语言理解、推荐引擎和模拟技术组成的Omniverse Avatar，创造出Toy Jensen虚拟分身，并用这个分身献唱熟悉的圣诞名曲《Jingle Bells》，回应两位歌手。NVIDIA的创意团队将NVIDIA Omniverse Avatar Cloud Engine 平台的云端原生AI微服务与工作流程引入，使用最新开发的语音转换模型，从样本中提取专业歌手的声音，转换成Toy Jensen的声音，再利用Audio2Fa

LangChain开源AnythingLLM：可与任何内容聊天的私人ChatGPT

LangChain正式开源全栈应用程序AnythingLLM，为用户提供了构建私有ChatGPT的便利。无论是使用商业的现成LLM是流行的开源LLM和VectorDB解决方案，您都可以轻松地在本地或远程托管中运行它，并智能地与提供的任何文档进行对话。文内引用和源链接:在聊天中提供文内引用，链接到原始文档源和文本，增加了对信息来源的可追溯性。

StreamingLLM：让AI模型无限期平稳运行的一种方法

Meta、麻省理工学院和卡内基梅隆大学的研究人员最近发表的一篇新论文介绍了一项名为StreamingLLM的创新技术，旨在解决大型语言模型在长时间对话中性能下降的问题。LLMs如OpenAI的ChatGPT和Meta的Llama2在当今的人工智能领域备受关注，但它们都面临一个共同的挑战，即在与用户的对话中始终提供高质量的响应，无论对话持续多长时间或交换的对话数量如何。StreamingLLM技术为LLMs在长时间对话中保持高性能提供了创新的解决方案，有望在许多领域，特别是需要持续不断地与用户交互的应用中得到广泛应用。

LongLoRA：提升LLM上下文能力的创新微调方法

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。

新微调方法LongLoRA可低成本提升LLM上下文理解能力

麻省理工学院与香港中文大学联手开发了一项名为LongLoRA的新微调方法，为大型预训练语言模型的发展提供了全新的途径。这一方法被设计用来增强LLM对上下文的理解能力无需过多的计算资源，为经济型超大LLM的构建铺平了道路。LongLoRA方法的推出为经济型超大LLM的发展提供了新的路径，通过优化上下文理解能力，降低了训练成本，有望推动自然语言处理领域的进一步发展。

街头乱入美女直播间后：NV黄仁勋AI分身献唱《Jingle Bells》作为回应

11月初，一段直播视频突然在社交媒体爆发式传播，在视频中，两位美女主播正在随机拉路人来点歌黄仁勋意外路过，并被拉过来点了一首《Always Remember Us This Way》。由于整段视频颇为搞笑的氛围，以及私下依旧穿着皮衣，听喜欢的歌还会随节奏摇晃的黄仁勋，使得这段视频在国内外都获得了传播。从视频可以看出，虽然AI生成的歌曲和动作都还稍显僵硬，但已经有着不错的完成度，表情也足够生动，质量已经相当令人满意。

《星界边境》12种乐器演奏Jingle Bells视频

星界边境12种乐器演奏Jingle Bells视频,　　《星界边境（Starbound）》是一款2D像素点风格，科幻背景的沙盒游戏，游戏在风格上有些类似于《泰拉瑞亚（Terraria）》和《我的世界（minecraft）》。 　...

Rollinglobe：让你出去旅游也能赚钱了

出去旅游一般都是烧钱的，不过Rollinglobe却能让你赚钱。Rollinglobe是这样的一个平台，只要你发布自己的旅游行程计划，推荐旅途中的相关旅游产品，当其它旅游者购买了你所推荐的旅游产品，那么你就有可能从中获利，取得佣金。

absurd:joy正在打造Tangle虚拟办公室平台

受 COVID-19 持续大流行的影响，许多企业和员工都选择了在家远程办公。不过一家名叫 absurd:joy 的公司，正在开发一套主打远程团队协作的虚拟办公室平台。据悉，该平台围绕隐私、舒适和创造力而构建，目前正在邀请远程团队加入测试计划。New Atlas 指出，absurd:joy 由屡获殊荣的 VR 游戏开发商 Owlchemy Labs（于 2017 年被 Google 收购）的前首席执行官 Alex Schwartz 创立，且同样主打远程办公体验。尽管此前已有不少虚拟通讯工

双十一如何借助李佳琦、Anglababy、迪丽热巴等明星网红打造电商

在当下网红商业化的模式中，明星网红推广具备传统营销无法比拟的传播效果。通过明星网红代言推广的各种形式不仅可以创造较高转化率，对塑造品牌也有极强的推动作用。加上直播或短视频的传播介质，产生的绝对引导性，强烈的体验感和互动感，可以大大地弥补文字和语音导致的信息量不足，这也是明星网红代言越来越受欢迎的原因之一。那么，双十一如何打造品牌爆款呢?一站式智能营销平台城外圈总结出一套变现秘籍。 千亿明星网红市场

BespinGlobal宣布获5.3亿元B轮融资​；美团点评宣布组织升级；马云最后一次以董事局主席身份发股东信

昨日，携程宣布联合近十万家酒店，优化取消政策。所谓“不可取消”房型，指的是一经预订成功便不可进行任何更改或者取消的酒店房型，若需要取消则将收取对应的违约金。据了解，携程此次优化后的取消政策为：入住日前 10 天 17 点前可免费取消;入住当天18： 00 前，扣除房费10%;入住当天18： 00 后不可取消。

苹果MOBA新作《Vainglory》游戏演示 迎接iPhone 6

《Vainglory》是一款移动平台上的MOBA游戏，每局的比赛时间大概为20分钟，每队包含3个队员。当比赛开始时，玩家需要在一个空间有限的地图中使用法术和刀剑等进行作战。每个英雄都有自己一套独特的技能，如何利用这些技能去击杀敌人则是游戏最重要的玩法之一。游戏开发团队Super Evil Megacorp曾经在暴雪工作。作为iPhone6发布会演示游戏，《Vainglory》在全新的平台上应该能展现更好的操作和画质效果。

LBS社交应用Clingle：制造浪漫的小工具

圣诞节快到了，是否想为你可亲可敬可爱的亲朋好友制造一点小浪漫小惊喜呢？不妨试试这款设计精美、简单易用的Clingle应用。

龙论坛Longluntan免费提供PHPBB论坛申请

龙论坛Longluntan免费提供PHPBB论坛申请

龙论坛Longluntan免费提供PHPBB论坛申请

LobeChat支持通过网页版直接调用Ollama 本地模型 体验媲美ChatGPT

LobeChat是一个创新的网页平台，它支持通过网页版直接调用Ollama本地模型。这项服务的推出，为用户提供了一种便捷的方式，通过网页界面直接利用开源大模型的能力。体验地址:https://chat-preview.lobehub.com/chat随着LobeChat等工具的不断发展，我们可以预见未来将有更多集成本地大模型的网页应用出现，为用户提供更丰富的交互体验和更高效的工作流程。

阿里开源千亿参数模型 Qwen1.5-110B，性能超越 Meta-Llama3-70B

阿里巴巴宣布开源其最新的Qwen1.5系列语言模型-Qwen1.5-110B。这是Qwen1.5系列中规模最大的模型，也是该系列中首个拥有超过1000亿参数的模型。它在与最近发布的SOTA模型Llama-3-70B的性能上表现出色，并且明显优于72B模型。

WebLlama：基于Llama-3-8B的智能网页浏览代理

WebLlama是一款基于Llama-3-8B模型的智能代理，它通过对话与用户互动，执行网页浏览相关的任务。这款工具能够处理连续的对话，理解并执行用户的指令，自动完成网上搜索、导航和信息检索等操作。随着技术的不断进步和优化，WebLlama有望在自动化网页浏览和信息收集方面发挥更大的作用。

中文聊天模型Llama3-8B-Chinese-Chat发布 减少中英混答的问题

Llama3-8B-Chinese-Chat是一个基于Meta-Llama-3-8B-Instruct模型，通过ORPO方法进行微调的中文聊天模型。该模型在处理中文问题时，相较于原始模型，减少了使用英文回答和混合中英文回答的情况，同时减少了表情符号的使用，使得回答更加正式和专业。Llama3-8B-Chinese-Chat模型在数学问题解答、写作和编程示例方面也表现出色，能够提供清晰、准确的解答和示例代码。

性能超越LLaMA2-7B！AI模型JetMoE-8B训练成本不到10万美元

JetMoE-8B是一款采用稀疏激活架构的人工智能模型，其性能卓越且训练成本不到10万美元，令人惊讶的是，它的表现甚至超越了LLaMA2-7B、LLaMA-13B和DeepseekMoE-16B。JetMoE-8B由24个块组成，每个块包含两个MoE层:注意力头混合和MLP专家混合。这不仅证明了其在性能上的优势，也展示了其在成本效益上的显著优势。

IBM申请名为 “LAB” 的专利，利用合成数据训练LLM

IBM近日申请了一项名为“LAB”的专利，旨在利用合成数据来训练LLM模型，以加速企业AI技术的发展。AI模型对数据有着巨大的需求提供大量、质量高、相关性强的数据常常成为一项挑战。IBM可能会利用这一专利来支持那些正在构建自己AI模型的企业，提供一种相对于收集真实用户数据言更少资源密集的方法。

开源大模型DBRX：1320亿参数，比Llama2-70B快1倍

大数据公司Databricks最近发布了一款名为DBRX的MoE大模型，引发了开源社区的热议。DBRX在基准测试中击败了Grok-1、Mixtral等开源模型，成为了新的开源之王。根据Databricks公布的协议，基于DBRX打造的产品，如果月活超过7亿，就必须另行向Databricks提交申请。

荐 1320亿参数，性能超LLaMA2、Grok-1！开源大模型DBRX

3月28日，著名数据和AI平台Databricks在官网正式开源大模型——DBRX。DBRX是一个专家混合模型有1320亿参数，能生成文本/代码、数学推理等，有基础和微调两种模型。Databricks主要提数据智能分析服务，帮助企业、个人用户快速挖掘数据的商业价值。

荐 OpenAI官宣开源Transformer Debugger！不用写代码，人人可以破解LLM黑箱

【新智元导读】刚刚，OpenAI超级对齐团队负责人官宣开源Transformer调试器。研究人员不用写代码，就能快速探索LLM的内部构造了!AGI真的越来越近了!为了确保人类不被AI杀死，在解密神经网络/Transfomer黑箱这一方面，OpenAI从未停下脚步。研究人员使用了了几个附加指标的组合:不过研究人员也表示，希望从Transformer上训练的稀疏自动编码器中，为字典学习解决方案确定更好的指标。

马斯克本周将开源类ChatGPT产品Grok，性能超越GPT-3.5和LLaMA270B

马斯克宣布将在本周开源由xAI旗下公司推出的生成式AI产品——Grok。这款类ChatGPT产品于去年11月首次亮相，针对生成文本、代码、邮件和信息检索等多个领域提供功能。以上内容参考xAI官网，如有侵权请联系删除。

微软AI研究推数学LLM Orca-Math:通过对Mistral-7B模型进行微调的7B参数小模型

微软研究团队引领着教育技术领域的不断创新，近日推出了一款名为Orca-Math的前沿工具，它是一款小语言模型，拥有7亿参数，并基于Mistral-7B架构微调来。这一创新方法重新定义了传统数学单词问题教学的策略，彻底改变了学生参与和掌握这一学科的方式。通过利用SLM通过合成数据集和迭代反馈来解锁学习工具的全新时代，Orca-Math为技术和学习手牵手走向解锁全球学生的全部潜力的未来提供了一瞥。

​IBM Research发布SimPlan:采用混合方法加强LLM在规划任务中的能力

设计在特定环境中实现目标的一系列操作是测试人工智能能力和规划能力的重要标志。这一领域通过算法来制定潜在的操作序列，以寻找最优解，对于从机器人到自动决策系统等应用至关重要。IBMResearch团队的工作强调了将经典规划方法与LLMs先进能力相结合的转变潜力，为未来创造更可靠和复杂的人工智能系统奠定了基础。

英伟达发布Nemotron-4 15B： 8 万亿训练数据，性能超LLaMA-2

英伟达最新推出的大型语言模型Nemotron-415B，以其卓越性能和创新架构引起广泛关注。该模型拥有150亿参数，基于庞大的8万亿文本标注数据进行了预训练。这一成就为大型语言模型的发展和应用提供了崭新的视角。

荐 Stable Diffusion 3技术报告流出，Sora构架再立大功！生图圈开源暴打Midjourney和DALL·E 3？

【新智元导读】StabilityAI放出了号称能暴打闭源模型的StableDiffusion3的技术报告，采用DiT构架的新模型在灵活性和性能上都达到了新的高度。StabilityAI在发布了StableDiffusion3之后，今天公布了详细的技术报告。网友热议网友们对StabilityAI不断撩拨用户但是不让用的行为显得有些不耐烦了，纷纷催促赶快上线让大家使用。

Meta AI提出MobileLLM:为在移动设备上部署LLM提供新思路

MetaAI研究团队推出的MobileLLM标志着大语言模型朝着模拟人类理解和生成自然语言迈出了革命性的一步。LLMs在处理和分析大量数据集方面的能力已经显著影响了自动化客户服务、语言翻译和内容创作等多个领域。MobileLLM的发展代表了在移动设备应用中利用LLMs能力的重大进步，通过重新构思这些模型的架构和整合创新技术，研究团队取得了显著的性能提升，为LLMs的部署拓宽了视野。