书生・浦语 2.0（InternLM2）大语言模型开源
2024-01-201 月 17 日，书生・浦语 2.0（InternLM2）发布会暨书生・浦源大模型挑战赛启动仪式在上海举行。上海人工智能实验室、商汤科技联合香港中文大学和复旦大学共同发布了新一代大语言模型书生・浦语 2.0（InternLM2）。 这个模型在 2.6 万亿 token 的高质量语料基础上进行训练，包含 7B 和 20B 两种参数规格以及基座、对话等版本，以满足不同复杂应用场景的需求。上海 AI 实验室秉持“以高质量开源赋能创新”的理念，为 InternLM2 提供免费商用授权。 InternL
2024国内各手机品牌大语言模型进展
2024-01-19关注国产手机最新消息：2023年下半年至2024年1月，AI大模型席卷手机圈，vivo、OPPO、荣耀、华为、小米等国产手机厂商相继将大模型能力应用在手机产品上。国内主要厂商已相继布局手机端AI大模型，在新系统中增加大模型能力。2024年开年，各家纷纷发布搭载AI大模型的手机。目前，采用云端协同部署方案的手机厂商有华为、OPPO、vivo；布局端侧为主的AI大模型手机厂商主要有荣耀、小米。 华为：盘古大模型，100亿~1000亿参数 vivo：蓝心大模型，10亿~1750亿参数 OPPO：安第
百度回应GPT模型争议：未与研究机构合作，加速AI产品扩展
2024-01-171 月 15 日，百度发公告称，了解到有媒体报道涉及到 GPT3.5、GPT-3.5-turbo、GPT4、HTML-T5 及百度 ERNIE Bot 等多种大型语言模型（“LLM”）的学术论文，特此作出澄清说明。 值得注意的是，文心一言为公开发布，得到广大人群使用支持。该篇中国高校学者所撰写的学术论文详细阐述了作者如何借用任何用户与生成式 AI 交互的特性建立提示并接受 LLM 的回复。据百度表示，其并未与该论文作者及其关联单位存在任何商业合作关系或提供特定定制服务。《南华早报》首先报道此事
电驱系统基于模型的系统测试
2024-01-17电驱动系统的市场趋势对测试过程有相当大的影响。需要有大量及灵活的电驱系统，以应对大规模定制的全球趋势。随着系列及型号复杂性的增加，物理原型的反复创建和测试成为解决问题的一种非常无效的方法。因此，开发过程变得越来越由仿真驱动。然而，这并不意味着测试工程师的工作量减少。恰恰相反，所有复杂性、创新性和个性化意味着更多的变体、更多的组件和系统、更多的创新设计探索以及对质量问题的更多关注。这需要测试、验证、确认和认证。 为了成功开发匹配性最佳的电驱动总成，仿真和测试工程师密切合作至关重要。只有能够通过合
如何构建芯片可靠性模型？
2024-01-16芯片短缺难题迟迟未得到缓解，半导体产业链正在寻求创新的解决方案来解决这一问题，并致力于提高效率，延长设备寿命。 从汽车、物联网和消费电子领域，到芯片制造和测试设备，芯片短缺几乎影响了全球供应链，芯片制造工具和设备因缺芯延迟安装交付，上游材料也面临供应不足的情况，包括气体、KrF光刻胶、CMP浆料，甚至不锈钢。目前，这些问题仍无法轻松解决，而且这些上游原材料与芯片制造设备及工具，与芯片制造的全部流程都相互关联，因此仅在一个领域扩充产量并不能解决所有问题。测试仪、光刻胶滤光片和封装基板，以及任何用
人工智能模型服务商“布尔数据”完成数千万元A轮融资
2024-01-09近日，布尔数据宣布完成数千万元融资，由杭州市政府及财政局成立的杭高投、华瓯创投共同投资。本轮融资将主要用于智能模型研究及产品开发，以进一步完善公司生态建设。布尔数据是杭州首新网络科技有限公司旗下的是一家人工智能科技公司，通过不断探索和创新，拥有第三代AI风控引擎技术。基于风险场景、用户状态，Al智能推荐管控策略，实现在线模型智能进化，大幅提升系统整体风控能力。布尔数据还将机器学习、人工智能应用到风控模型中，提升效果的同时，也大量地提高了效率。机器学习是通过大量历史数据挖掘出其中隐含的规律，用于
大语言模型在机器人上的应用及面临的挑战
2024-01-09电子发烧友网报道（文/李弯弯）现在的机器人已经具备了相当高的智能化水平，这主要得益于人工智能技术的快速发展。这些机器人不仅可以执行重复性的任务，还可以处理复杂的操作，甚至具备学习和适应环境变化的能力。一些机器人现在能够理解人类的语言，并与之进行交流。此外，一些新型的智能机器人还具备学习能力。他们可以通过大量的数据和经验，不断地优化自己的行为和决策，提高自身的性能。这种能力使得机器人可以在不断变化的环境中，持续地改进自己的表现。大语言模型对机器人领域产生的深远影响近年来大语言模型蓬勃发展，它对机
边缘侧部署大模型优势多！模型量化解决边缘设备资源限制问题
2024-01-06电子发烧友网报道（文/李弯弯）大模型的边缘部署是将大模型部署在边缘设备上，以实现更快速、更低延迟的计算和推理。边缘设备可以是各种终端设备，如智能手机、平板电脑、智能家居设备等。通过将大模型部署在边缘设备上，可以减少数据传输的延迟和带宽需求，提高模型的实时性和响应速度。边缘端部署大模型的优势边缘侧部署大模型有诸多优势。低延迟：由于边缘计算将数据处理在离用户较近的设备上，大大减少了数据传输的延迟，提高了服务的实时性。这对于许多需要快速响应的应用场景，如智能家居、智能安防等，非常重要。降低带宽成本：
2023年大语言模型(LLM)全面调研：原理、进展、领跑者、挑战、趋势
2024-01-05在数据成为新石油的世界中，语言不再只是人类的专长。数据在人工智能中被大量使用，并塑造了当今最热门的AI话题—大语言模型。随着大语言模型的到来，人工智能现在正在学习交流、理解和生成类似人类的文本。 业界著名大语言模型(LLM)，如OpenAI的GPT系列、Bloom、Bard、Bert、LaMDa、LLaMa等，都有自己的用户群体。大语言模型正在彻底改变我们与技术互动的方式，它们正在塑造一个与机器交流就像与朋友聊天一样自然的未来。从生成创意内容到协助高级研究，大型语言模型正在融入我们的日常生活。
FPGA加速语言模型如何重塑生成式人工智能
2024-01-05作者：Bill Jenkins，Achronix人工智能/机器学习产品营销总监 探索FPGA加速语言模型如何通过更快的推理、更低的延迟和更好的语言理解来重塑生成式人工智能 简介：大语言模型 近年来，大型语言模型（Large Language Models，LLM）彻底改变了自然语言处理领域，使机器能够生成类似人类的文本并进行有意义的对话。这些模型，例如OpenAI的GPT，拥有惊人的语言理解和生成能力。它们可以被用于广泛的自然语言处理任务，包括文本生成、翻译、自动摘要、情绪分析等。 大语言模型