搜索优化
English
搜索
Copilot
图片
视频
地图
资讯
购物
更多
航班
旅游
酒店
笔记本
Top stories
Sports
U.S.
Local
World
Science
Technology
Entertainment
Business
More
Politics
过去 30 天
时间不限
过去 1 小时
过去 24 小时
过去 7 天
按时间排序
按相关度排序
6 小时
OpenAI 首席产品官表示:2025 年是 AI 智能体之年
在瑞士达沃斯举行的论坛上,OpenAI 首席产品官凯文・韦尔(Kevin Weil)于1月21日表示,我们正处于人工智能代理的边缘。他预测,到2025年,ChatGPT ...
财富中文网
1 天
OpenAI创始人:人工智能将来会比我的孩子更聪明
• OpenAI首席执行官山姆·阿尔特曼表示,人类的能力仍将受到重视,但不再是“原始智力”。在本月早些时候的播客访谈中,他还谈到了代理型人工智能的兴起。 阿尔特曼补充道:"这将是自然而然的事,当然它比我们聪明,能做到我们做不到的事情,但谁又真正在乎呢?我认为只是对于我们而言,在这个过渡时期觉得怪异罢了。” ...
来自MSN
1 天
追平多模态满血o1,kimi的新模型k1.5 破解了OpenAI的秘密?
作者|周一笑邮箱|
[email protected]
年关将至,大模型行业又热闹了起来。一天之内,两个“对标”o1的国产大模型相继发布,分别是DeepSeek的DeepSeek R1,以及Kimi的k1.5。
2 天
Kimik1.5发布震撼AI界:超越OpenAI的多模态体验
1月20日,Kimi公司发布了其最新的Kimik1.5,多模态思考模型在全球范围内引起了震动。根据官方Benchmark测试结果,Kimik1.5在短链思维(short-CoT)模式下,大幅度超越了GPT-4和Claude ...
2 天
DeepSeek开源推理大模型R1:纯强化学习实现接近OpenAI o1水平,成本降至1/30
1 月 20 日,DeepSeek 发布了全新的开源推理大模型 DeepSeek-R1,在数学、编程和推理等多个任务上达到了与 OpenAI o1 相当的表现水平,同时将 应用程序编程接口(API,Application Programming ...
8 天
法庭文件显示Meta 高管痴迷于在内部击败 OpenAI 的 GPT-4
随着Meta在开发Llama3的过程中遭遇的激烈竞争,其使用的训练数据也开始引发法律争议。检察官指控,Meta的高管在激烈追赶AI开发进度时,可能偷工减料并使用了受版权保护的书籍作为训练数据。
头部财经
9 天
为超越 OpenAI GPT-4,Meta 不惜使用争议数据训练 Llama 3
2024 年 4 月,me ta 正式发布了 Llama 3。这款开源 AI 模型在性能上与谷歌、OpenAI 和 Anthropic 的闭源模型不相上下,并超越了 Mistral 的开源模型。然而,me ta 用于训练模型的数据 —— ...
腾讯网
9 天
速递|Meta对内部超越OpenAI的GPT-4充满执念
图片来源:Meta根据周二法院解封的内部消息,负责 Meta 人工智能工作的高管和研究人员在开发 Llama 3 时,专注于超越 OpenAI 的 GPT-4 模型,这与公司正在进行的人工智能版权案件 Kadrey 诉 Meta ...
18 天
奥特曼回应一切:宫斗、马斯克、ChatGPT两周年
2022 年 11 月 30 日,OpenAI 的网站访问量达到了一个从未有过的峰值。当时,这家初创公司虽然在业内赫赫有名,但远没摸到大厂门槛,以至于其所有者甚至没有费心去追踪他们的网络流量。不过今天看来,那是这个公司最后一个「平静」的日子。
36氪
21 天
OpenAI押注,这家语音AI初创如何扛起10亿美元估值?
2024年12月初,Speak完成了7800万美元的C轮融资,估值达到10亿美元,这轮融资由Accel领投,OpenAI Startup Fund、Khosla Ventures和Y Combinator继续加码支持。
凤凰网
23 天
OpenAI CEO公布公司2025年新目标
近日,OpenAI CEO Sam Altman 公布了公司 2025 年新目标。 此前,Altman 在个人媒体账号征集网友们对 OpenAI 的愿望。此后 Altman 公布了 OpenAI 2025 年的新目标 ...
腾讯网
23 天
发现大模型规律的不是OpenAI?外网称最早研究来自中国百度
OpenAI的《Scaling Laws for Neural Language Models》中,其实还引用了Joel Hestness2019年的论文《Beyond human-level accuracy: computational challenges in deep learning》。
一些您可能无法访问的结果已被隐去。
显示无法访问的结果
反馈