：迄今为止最大的开源机器人数据集

：迄今为止最大的开源机器人数据集 包含100多万条来自22个不同机器人平台的实机轨迹数据，汇集了全球34个机器人研究实验室的60个现有数据集。 基于该数据集训练了两个模型：1) RT-1，一个高效的基于Transformer的机器人控制架构；2) RT-2，一个大规模的视觉语言模型，通过自然语言Token输出机器人动作。 RT-1-X是在机器人数据混合上训练的RT-1模型。RT-2-X是在机器人数据混合上训练的RT-2模型。 结果显示，RT-1-X在分布内技能上的表现优于只在单个数据集上训练的原始方法；RT-2-X在新技能上的表现较RT-2提升了3倍，展现了更好的空间理解能力。 本项目由来自21个机构的研究人员合作完成，为探索通用的机器人策略奠定了基础，以实现机器人经验的有效迁移。

基于 LLaMA 的 AI 聊天机器人开源实现

基于 LLaMA 的 AI 聊天机器人开源实现 Meta 的大语言模型 LLaMA 最近引起了广泛关注，它的一大优势是参数规模更小但性能强于 OpenAI 的 GPT-3 模型，而且能运行在单张显卡上，让普通消费者的硬件也有可能提供类似 ChatGPT 性能的 AI 聊天机器人。LLaMA 是一组大语言模型的集合，其参数规模从 70 亿到 650 亿，它最新的 LLaMA-13B 模型有 130 亿个参数，不到 GPT-3 模型 1750 亿个参数的十分之一。现在AI 推出了首个基于人类反馈强化学习的 LLaMA AI 聊天机器人开源实现 。 来源 ，前文： 来自：雷锋 频道：@kejiqu 群组：@kejiquchat 投稿：@kejiqubot

谷歌 AI 聊天机器人 Bard 审核员称压力大，只有 3 分钟审核答案

谷歌 AI 聊天机器人 Bard 审核员称压力大，只有 3 分钟审核答案 据彭博社报道，谷歌的人工智能聊天机器人 Bard 是由数千名合同工在压力下训练的，他们只有 3 分钟的时间来审核 Bard 生成的回答。 据报道，这些合同工来自 Appen 和埃森哲等公司，他们只接受了最低限度的培训，时薪只有 14 美元（当前约 100 元人民币）。他们的工作是评估 Bard 的回答是否可靠和准确。 虽然像 Bard 和 ChatGPT 这样的聊天机器人依赖于底层的大型语言模型来生成回答，但是人类也参与了回答的审核过程，以确保它们是可靠和准确的。然而据彭博社报道，根据内部文件和六名合同工的说法，审核 Bard 回答的人类工作量变得越来越大和复杂。 一名合同工称，“就目前情况而言，人们感到害怕、压力大、工资低，不知道发生了什么。这种恐惧文化不利于我们提高质量和团队合作。”合同工的任务之一就是根据回答来评价其“有用性”，并在“一点也没有用”到“非常有用”的范围内打分。 谷歌发言人在一份声明中称：“让人们获得高质量的信息是我们使命的核心。我们进行了大量的工作来负责任地构建我们的人工智能产品，包括多年来我们不断完善的严格测试、培训和反馈过程，以强调事实性和减少偏见。人工评估，包括来自谷歌内部和外部的个人，是我们用来改进产品的众多方法之一。”该发言人还称，“评分并不直接影响我们模型的输出，它们也绝不是我们提高准确性的唯一方式。” 来源： via 匿名 标签: #Google #Bard 频道: @GodlyNews1 投稿: @GodlyNewsBot