【DeepMind推出AlphaTensor，用AI发现矩阵乘法新算法】矩阵乘法是计算机图形学、数字通信、神经网络训练和科学计算

【DeepMind推出AlphaTensor，用AI发现矩阵乘法新算法】矩阵乘法是计算机图形学、数字通信、神经网络训练和科学计算等许多计算任务的核心组成部分，因此AlphaTenor的发现可以大大提高这些领域的计算效率。 #抽屉IT

DeepMind 写的一篇论文：，试图用精确的数学概念和伪代码算法来解释所有 Transformer 类的机器学习算法和训练算法

DeepMind 写的一篇论文：，试图用精确的数学概念和伪代码算法来解释所有 Transformer 类的机器学习算法和训练算法，其中以 OpenAI 的 GPT3 和 DeepMind 自己的 Gopher 为例 用一句话总结大致就是: 以词汇表为集合空间的 token 序列概率分布预测矩阵叠加注意力 musk 的向量计算，其中还会用到稀疏结构

Google DeepMind 发现让AI"深呼吸"后会使能力暴涨

Google DeepMind 发现让AI"深呼吸"后会使能力暴涨 Google DeepMind 的新研究发现，相比可以大幅提高语言模型能力的经典提示词"让我们一步一步思考"，如果在前面加上"让我们先深呼吸一下"，语言模型在 GSM8K 上的成绩会从71.8飙升到80.2。这对于一个没鼻没肺的机器人来说很奇怪，不过也开阔了人们使用提示词的思路。 "深呼吸"这个提示词是AI自己找到的，Google DeepMind 使用了一种叫 OPRO (Optimization by PROmpting) 的方法，AI会对AI的回答打分，递归调用优化问题描述，最终发现最优提示词。研究团队还发现，语言模型优化后的提示词明显优于人类设计，有时表现超50%。 网友开玩笑到「接下来他们将需要8小时的休息并在早上盯着阳光才能保持高效。」 还有网友嘲讽了语言模型的安全训练「抱歉，作为 OpenAI 创建的大型语言模型，我无法"深呼吸"。」

谷歌 DeepMind 首席执行官表示其下​​一个算法将超越 ChatGPT

谷歌 DeepMind 首席执行官表示其下​​一个算法将超越 ChatGPT Demis Hassabis 表示，该公司正在开发一种名为 Gemini 的系统，该系统的技术曾帮助 阿尔法狗（AlphaGo）在 2016 年击败人类围棋冠军。 2016年，一个来自谷歌 DeepMind 人工智能实验室的名为 阿尔法狗（AlphaGo）的人工智能程序在棋盘游戏围棋中击败了人类冠军选手，创造了历史。现在，DeepMind 联合创始人兼首席执行官 Demis Hassabis 表示，他的工程师正在使用 AlphaGo 的技术来制造一个名为 Gemini 的人工智能系统，该系统将比 OpenAI 的ChatGPT背后的系统更强大。 DeepMind 的 Gemini 仍在开发中，是一种处理文本的大型语言模型，本质上与为ChatGPT 提供支持的 GPT-4类似。但哈萨比斯表示，他的团队将现有技术与 AlphaGo 中使用的技术结合起来，旨在赋予系统新的功能，例如规划或解决问题的能力。 来源：

快速傅里叶变换（FFT）算法新手视频教程。

快速傅里叶变换（FFT）算法新手视频教程。 这个视频形象演示了FFT的精髓。这是一个难以理解的算法，因此在大家都熟悉的环境中进行研究：多项式乘法。 你将看到如何通过提出正确的问题来“发现” FFT的核心思想。 该视频提供的关键见解是，可以通过在特殊值表示中乘以多项式来显着改善多项式乘法。 自身面临的挑战是将多项式从标准系数表示转换为值表示的问题。 我们看到FFT是执行此任务的效率极高的递归算法，并且还发现，稍作调整的FFT（逆FFT）也可以解决插值的逆问题。

快速傅里叶变换（FFT）算法新手视频教程。

快速傅里叶变换（FFT）算法新手视频教程。 在本视频中，我们看一下有史以来最漂亮的算法之一：快速傅立叶变换（FFT）。 这是一个难以理解的算法，因此我们在大家都熟悉的环境中进行研究：多项式乘法。 你将看到如何通过提出正确的问题来“发现” FFT的核心思想。 该视频提供的关键见解是，可以通过在特殊值表示中乘以多项式来显着改善多项式乘法。 自身面临的挑战是将多项式从标准系数表示转换为值表示的问题。 我们看到FFT是执行此任务的效率极高的递归算法，并且我们还发现，稍作调整的FFT（逆FFT）也可以解决插值的逆问题