: 提高编程能力的关键在于数据。CodeGPT是通过GPT生成的用于GPT的代码对话数据集。现在公开了32K条中文数据，让模型更

: 提高编程能力的关键在于数据。CodeGPT是通过GPT生成的用于GPT的代码对话数据集。现在公开了32K条中文数据，让模型更擅长编程。 考虑到代码难度对模型训练效果的影响，此处共收集了四种不同类型、不同难度的代码相关对话数据，收集方法如下： Code-Basic：利用已有的LLM（例如付费API）生成各种编程语言的基础库函数相关的代码对话数据。Prompt类似“请为C语言中的XX函数生成一道非常简单的编程问题及对应的代码答案”，API会输出该基础库函数相关的问题-答案对，将问题作为用户输入，答案作为模型输出（Markdown格式），可得到一条对话数据。 Code-Medium：利用已有的LLM（例如付费API）生成中等难度的编程问题及答案，例如写入内容到文件、查找字符串子串、实现链表等，API同样会输出问题-答案对，将问题作为用户输入，答案作为模型输出（Markdown格式），可得到一条对话数据。 Code-LeetCode：从LeetCode上收集到的问题-答案对，此类问题通常难度较高。将问题作为用户输入，答案作为模型输出（Markdown格式），可得到一条对话数据。 Code-Text：从互联网上收集到的常见面试题及答案，此类问题并不涉及编程，而是侧重于对各种概念的理解。将问题作为用户输入，答案作为模型输出（文本形式），可得到一条对话数据。

Anthropic发布其最强大AI模型Claude 3.5

Anthropic发布其最强大AI模型Claude 3.5 今年3月，Anthropic推出了Claude 3系列模型。随后，OpenAI在5月份推出了GPT-4o。Anthropic今日表示，Claude 3.5 Sonnet比之前的主打模型Claude 3 Opus速度更快，也是Anthropic新的Claude 3.5家族的第一款模型。目前，Claude 3.5 Sonnet已在公司网站Claude.ai和Claude iPhone应用程序中免费提供。Claude Pro和Team的订阅者也可以接入最新的模型。此外，它还通过Anthropic API、Amazon Bedrock和谷歌云的Vertex AI提供。Anthropic在一篇博客文章中称：“它在把握细微差别、幽默和复杂指示方面有显著进步，在以自然、合理的语气撰写高质量内容方面也十分出色。此外，它还可以编写、编辑和执行代码。”在发布新模型的同时，Anthropic还在Claude.ai上引入“Artifacts”，这是一个新功能，可以扩展用户与Claude的交互方式。当用户要求Claude生成代码片段、文本文档或网站设计等内容时，这些Artifacts会出现在他们对话旁边的专用窗口中。这创建了一个动态工作区，用户可以在其中实时查看、编辑和构建Claude的创作，并将AI生成的内容无缝地集成到他们的项目和工作流中。如今，随着Anthropic和OpenAI等初创企业在生成式AI领域的崛起，它们已经与谷歌、亚马逊、微软和Meta等科技巨头并驾齐驱，成为AI军备竞赛的一部分。据预计，该市场的规模在未来十年内将突破1万亿美元。                                     ... PC版： 手机版：

字节跳动大模型再迎进展，开始对外测试AI对话产品“豆包”

字节跳动大模型再迎进展，开始对外测试AI对话产品“豆包” 8月17日消息，字节跳动基于语言方向的大模型产品有了新的进展。电厂获悉，字节跳动已开始对外测试AI对话产品“豆包”，目前可在官网直接注册使用或通过官网提供的二维码下载App。 据“豆包”官网介绍，其提供以AI对话为核心功能的技术服务，接入了利用深度神经网络、强化学习等技术训练的大规模语言模型以及其他模型及服务，模型采用对话格式，可以根据用户输入的指令，通过自动化分析后生成参考信息。 电厂使用后发现，“豆包”页面相对简洁，注册并登录后默认显示“豆包”“英语学习助手”“全能写作助手”“超爱聊天的小宁”四个对话栏，用户还可自主创建新对话并编辑对话名称。 在对话框中输入问题、描述、需求等，即可收到相应回复；使用过程中，“赞”与“踩”按钮有助于其对产品进行改进。另外，页面嵌入了头条搜索功能，以便用户对照和参考。 豆包官网： 来源： via 匿名 标签: #AI 频道: @GodlyNews1 投稿: @GodlyNewsBot

文章介绍了OpenAI开发的ChatGPT大型语言模型聊天机器人，以及如何使用OpenAI Python库构建自己的项目和工具。

文章介绍了OpenAI开发的ChatGPT大型语言模型聊天机器人，以及如何使用OpenAI Python库构建自己的项目和工具。 提供了获取API密钥、设置环境变量、使用Chat Completions API进行文本生成的步骤，提供了创建博客提纲生成器和简单ChatGPT样式聊天机器人的示例代码。 此外还介绍了如何调整温度和top_p参数来增加LLM生成响应的创造性和多样性。

一个开源的、支持中英双语的对话语言模型，基于 General Language Model (GLM) 架构，具有 62 亿参数

一个开源的、支持中英双语的对话语言模型，基于 General Language Model (GLM) 架构，具有 62 亿参数。结合模型量化技术，用户可以在消费级的显卡上进行本地部署（INT4 量化级别下最低只需 6GB 显存）。 ChatGLM-6B 使用了和 ChatGPT 相似的技术，针对中文问答和对话进行了优化。经过约 1T 标识符的中英双语训练，辅以监督微调、反馈自助、人类反馈强化学习等技术的加持，62 亿参数的 ChatGLM-6B 已经能生成相当符合人类偏好的回答。 |

一个强大的图像标记基础模型：

一个强大的图像标记基础模型： RAM 采用一种新的图像标记范例，可高精度地识别任何常见类别，并利用大规模图像文本对进行训练，而不是手动注释。 RAM 的开发包括四个关键步骤： 1. 通过自动文本语义解析大规模获取无注释图像标签； 2. 使用统一标题和标记任务，训练初步模型进行自动注释，分别由原始文本和解析标签监督； 3. 利用数据引擎生成额外注释并清除不正确的注释； 4. 利用处理后的数据对模型进行再训练，并使用更小但质量更高的数据集进行微调。 经过众多基准测试评估，RAM 的标记能力颇为优秀，效果明显优于 CLIP 和 BLIP。值得注意的是，RAM 甚至超越了完全监督的方式，甚至可媲美 Google API。