Gradio 5 无需代码构建应用，AlphaFold 获诺奖，Aria 多模态模型发布，Whisper Large v3 Turbo 提速，特斯拉全球扩展自动驾驶

## Twitter: **Gradio 5 发布** ：Hugging Face 宣布了 Gradio 5 的稳定版本，这是一个用于创建和共享机器学习应用的平台，目前在 Hugging Face Spaces 上拥有超过 200 万月活跃用户和 470,000 个应用程序。此版本引入了新功能，包括无需编写代码即可构建 Gradio 应用的方法，旨在解决开发者的常见挑战，详细信息请参见[公告](https://news.miracleplus.com/share_link/43775)。 **AlphaFold 获得诺贝尔化学奖** ：Demis Hassabis 和 John Jumper 因其在 AlphaFold 上的工作获得了诺贝尔化学奖，这是一项在蛋白质折叠领域的革命性 AI 突破，强调了 AI 在科学进步中的潜力，详细信息请参见[Ilya Sutskever 的推文](https://news.miracleplus.com/share_link/43863)和[Max Tegmark 的推文](https://twitter.com/tegmark/status/1844341373652095175)。 **Aria 多模态模型发布** ：Rhymes AI 发布了 Aria 模型，这是一种多模态专家混合（MoE）模型，作为开源项目在 Apache 2.0 许可证下发布，具有 3.9B 活跃参数和 64K 令牌上下文窗口，在各种任务中性能优于 Pixtral 和 Llama，详细信息请参见[公告推文](https://news.miracleplus.com/share_link/43865)。 **OpenAI 的 Whisper Large v3 Turbo 模型** ：Groq 为 OpenAI 的新 Whisper Large v3 Turbo 语音转文本模型推出了一个端点，该模型比其前身小近 50%，参数从 15.5 亿减少到 8 亿。尽管词错误率略有增加，但该模型在速度上有显著提升，非常适合速度依赖的转录用例，详细信息请参见[发布](https://news.miracleplus.com/share_link/43773)。 **特斯拉的战略扩张与 AI 革命** ：Cathie Wood 预期 AI 革命中的重大事件，特斯拉展示其 Cybercab 机器人出租车并在全球扩展自动驾驶移动性，尽管机构投资者持怀疑态度。更多细节请参见[TashaARK 的文章](https://news.miracleplus.com/share_link/43776)。 **OpenAI 的 MLE-bench** ：OpenAI 发布了 MLE-bench，这是一个新的基准，用于评估 AI 代理在机器学习工程中的性能，包含来自 Kaggle 的 75 个竞赛。此举旨在增强 AI 在工程任务中的能力，详细信息请参见[OpenAI 的推文](https://news.miracleplus.com/share_link/43866)。 **Llama 3.1 在自闭症护理中的应用** ：Meta 的 AI 团队通过在临床医生创建的合成数据上训练 Llama 3.1 来推进自闭症护理，利用提示工程技术和 RAG。此计划由 Neuromnia 领导，旨在开发 Nia，一个以人为中心的 AI 副驾驶，详细信息请参见[AIatMeta 的推文](https://news.miracleplus.com/share_link/43792)。 **多模态 Llama 3.2 介绍** ：Meta 在 DeepLearningAI 上推出了一门新课程，涵盖 Llama 3.1 和 3.2，重点是多模态提示和自定义工具调用。该课程免费，持续一小时，旨在帮助开发者使用 Llama Stack 构建应用，详细信息请参见[DeepLearningAI 的推文](https://news.miracleplus.com/share_link/43867)。 **机器人出租车开发与挑战** ：机器人出租车的开发重点在于安全和法律合规网络的挑战和要求，行业专家讨论了 AI 覆盖、碰撞检测和紧急响应能力，更多见解请参见[详细推文](https://news.miracleplus.com/share_link/43868)。 **复杂性在 LLM 中的暴露** ：一项研究表明，复杂性的暴露可以推动大型语言模型（LLM）的智能，最佳性能在“混沌边缘”实现。研究涉及在基本细胞自动机数据上训练 GPT-2 模型，显示在复杂规则上训练的模型优于简单规则，详细信息请参见[Rohan Paul 的推文](https://news.miracleplus.com/share_link/43869)。 ## HackerNews: **为什么我们帮助更多的维基从Fandom迁移** [链接](https://news.miracleplus.com/share_link/43827): 这篇文章讨论了Weird Gloop帮助维基从Fandom迁移，以创建更好的社区控制平台的努力。讨论重点： - **成本和可持续性：** Minecraft Wiki从Fandom迁移的原因是高昂的运营成本，这些成本由于Cloudflare等服务的出现而有所降低。最初出售给Fandom的决定是由于财务需求和缺乏对独立可持续性的远见。 - **无广告和社区控制：** 用户表示更喜欢无广告的维基和对其内容的控制。Infosphere拒绝与Fandom合并是由于广告问题，这突显了对社区驱动平台的渴望。 - **Weird Gloop的结构：** Weird Gloop是一家营利性公司，但由维基爱好者控制，没有第三方投资者，旨在避免其他平台如Fandom所见的恶化问题。 - **独立的法律协议：** Weird Gloop签订具有约束力的协议，允许社区在找到更好的选择时离开并带走他们的域名，确保他们不被锁定在单一平台上。 - **收入来源：** Weird Gloop通过用户捐赠、选择性广告和与游戏开发商的服务协议来维持自身的运营，在不影响用户体验的情况下保持财务健康。 **222. 用软件自动化流程是困难的** [链接](https://news.miracleplus.com/share_link/43831): 这篇文章讨论了自动化流程的复杂性，强调了异常处理的重要性而非简单任务。讨论重点： - **状态限制：** 有效的自动化涉及限制状态和管理异常。工具包括识别分歧项和重新统一路径，而不是创建复杂的分支。 - **迭代方法：** 自动化不应一开始就追求100%的覆盖率。应从半自动化开始，结合手动质量检查点，逐步增加自动化。 - **人工干预：** 自动化应允许人工干预，正如丰田生产系统的Jidoka原则所示，强调仅自动化充分理解的手动步骤，并允许人在必要时停止流程。 - **简化：** 设计良好的自动化应类似于漏斗，而不是地铁图，以避免复杂性并确保流程的清晰性。 ## Discord: ```markdown **AMD挑战Nvidia的Instinct MI325X AI芯片** ：AMD推出的**Instinct MI325X** AI芯片在Meta的Llama 3.1模型上推理性能比Nvidia的H200高出40%，计划于2024年底量产，并通过增强**ROCm软件** 与Nvidia的CUDA竞争。[阅读更多](https://www.cnbc.com/2024/10/10/amd-launches-mi325x-ai-chip-to-rival-nvidias-blackwell-.html)。 **CogVideoX竞争者视频生成模型** ：基于**sd3** 的新视频生成模型以20亿参数实现与**CogVideoX** 相似的视频质量，而CogVideoX使用了50亿参数。[详细信息](https://pyramid-flow.github.io)。 **Flux模型与NVIDIA TensorRT集成** ：**Flux模型** 现支持**NVIDIA TensorRT** ，性能提升高达20%，在HuggingFace上三周内下载量超过200万次。[更多信息](https://blogs.nvidia.com/blog/ai-decoded-flux-one/)。 **大型语言模型的知识图谱训练** ：Rosanne的论文探讨了从零开始使用**知识图谱** 训练**语言模型** 的方法和见解。[海报展示](https://news.miracleplus.com/share_link/43870)。 **LLM评估指南** ：Clementine Fourrier发布了一本关于评估大型语言模型（LLMs）的指南，涵盖自动基准测试、人类评估和故障排除。[访问指南](https://github.com/huggingface/evaluation-guidebook)。 **CUDA中的快速矩阵乘法内核** ：@armbuster分享了在Turing架构上创建与**cuBLAS** 性能相当的**fp16 GEMM内核** 的见解，重点在于**分层平铺** 和**算术强度** 。[阅读更多](https://alexarmbr.github.io/2024/08/10/How-To-Write-A-Fast-Matrix-Multiplication-From-Scratch-With-Tensor-Cores.html)。 **CUTLASS与PyTorch集成** ：@marksaroufim讨论了在torchao中使用CUTLASS探索低位内核的集成，以及在`torch.compile`中引入新的CUTLASS后端以增强性能。[GitHub PR](https://github.com/pytorch/ao/pull/880)。 **Triton TMA接口重构** ：@ptillet正在重构Triton中的**TMA（Tensor Memory Accelerator）接口** 以提高性能和兼容性。[持久矩阵乘法教程](https://github.com/triton-lang/triton/blob/main/python/tutorials/09-persistent-matmul.py)。 **链式思维推理无需提示** ：@jsarnecki分享了一项研究，展示了**大型语言模型（LLMs）** 如何通过改变**解码过程** 来进行**链式思维（CoT）推理** ，揭示了内在的推理能力。[论文](https://arxiv.org/abs/2402.10200)。 **自回归损失函数与探索** ：@paraschopra指出**自回归模型** 在面对高熵、低概率正确答案时倾向于探索更多路径，因为这比错误输出损失更小。[相关资源](https://github.com/KellerJordan/modded-nanogpt)。 **权重更新的正交化** ：@fern.bear和@faresobeid讨论了在**测试时间训练（TTT）** 中使用**奇异值分解（SVD）** 来正交化梯度矩阵，可能平滑参数更新。[arXiv论文](https://www.arxiv.org/abs/2409.20325)。 **OpenAI的语音到语音重新定义** ：@pendrokar强调OpenAI的[实时API](https://news.miracleplus.com/share_link/43453)，支持**文本到语音** 和**语音到语音/语音转换** ，引入了新的**语音到语音** 概念。 **RAG（检索增强生成）理解** ：@hy3na_xyz寻求学习RAG的资源，@teknium建议**Embed Chain** 作为起点，@gabriel_syme提到**RAGtouille** 作为潜在的入门库。 **大型语言模型的性能基准** ：@the_alt_man引用了标准基准如**BBH, MMLU, OpenbookQA, AIW, 和ARC-AGI** 来评估语言模型的推理改进，用于验证增强推理能力的声明。 **Hermes 3 405b instruct模型的上下文窗口限制** ：@leon_0795指出该模型的8k上下文窗口限制，并建议使用**nousresearch/hermes-3-llama-3.1-405b:extended** 作为128k上下文窗口的替代方案。 **LLM工具调用支持** ：LLM的新功能允许插件注册工具，使模型能够访问这些工具，包括默认的**read_files** 工具和示例**brave_search** 工具。[GitHub PR](https://github.com/simonw/llm/pull/581)。 **视频背景去除工具** ：@kingnish24介绍了一种工具，可以用任何颜色、图像或视频替换视频背景，与另一用户合作开发。[Hugging Face Space](https://huggingface.co/spaces/innova-ai/video-background-removal)。 **Rust Provenance API与Mojo** ：@darkmatter__建议将**Rust的provenance API** 集成到Mojo中，以改善API如**io_uring** 中的**int -> ptr转换** 处理，可能解决DMA设备问题并增强优化。[GitHub PR](https://github.com/rust-lang/rust/pull/130350)。 **AI代理在终端中的应用** ：@facelessman分享了一个[GitHub仓库](https://news.miracleplus.com/share_link/43871)，用于集成终端工具的AI代理，能够运行shell命令、执行代码和管理文件，提升开发和基于终端的任务。 ``` ## HuggingFace & Github: ### 视频生成技术 - [Pyramid Flow](https://news.miracleplus.com/share_link/43824) 代表了**自回归视频生成** 领域的重大进展，能够生成**高质量的10秒、768p分辨率、24 FPS** 的视频，并支持**图像到视频** 的生成。用户可以从**Huggingface** 下载模型，涵盖768p和384p的视频生成。 ### 编码与文本生成模型 - [Dracarys](https://news.miracleplus.com/share_link/43826) 是**Qwen2.5-72B-Instruct** 的微调版本，在**LiveCodeBench** 中得分更高，旨在提高编码性能。其提示格式与Qwen2.5-72B-Instruct相同，支持与Transformers一起使用，并在**代码生成和测试输出预测** 方面表现优秀。 ### 多模态与视觉理解 - [Aria模型](https://news.miracleplus.com/share_link/43825) 是一款**多模态人工智能模型** ，能够在**10秒内** 为256帧的视频生成字幕，表现出色。该模型支持多达**64K个多模态标记** ，展示其在处理大量数据方面的多功能性，适用于多种视觉输入。 ### 物体检测与遥感图像 - [WALDO v3.0 AI 模型](https://news.miracleplus.com/share_link/43841) 基于**YOLO-v8** 架构，用于检测遥感图像中的多种物体类别，如**车辆、人员、建筑物** 等。WALDO适用于**灾难恢复、野生动物保护、交通流量管理** 等应用，展示其多功能性。 ### 区块链技术 - [Shardeum](https://news.miracleplus.com/share_link/43823) 是基于**EVM** 的自动扩展区块链，引入**分片模型** 实现水平扩展，具有**低延迟和高吞吐量** 性能。它兼容现有的DApps和智能合约，并提供建立本地Shardeum网络的逐步过程。 ### 开源与应用程序开发 - [E2B的Fragments](https://news.miracleplus.com/share_link/43856) 是一款创新的开源**Next.js模板** ，用于通过**人工智能生成应用程序** 。它支持多种编程堆栈和大型语言模型（LLM）提供商，使其适合希望在应用程序中利用AI功能的开发人员。 ## Reddit: **MLID $1999 - $2499 RTX 5090 定价** [链接](https://news.miracleplus.com/share_link/43872): 讨论围绕着传闻中Nvidia RTX 5090显卡的定价，强调了对其成本和价值主张的担忧。讨论重点包括： - **定价担忧：** RTX 5090预计定价在**$1999到$2499** 之间，这被视为与之前型号相比的显著增加，导致了对**垄断定价** 的指责。 - **价值比较：** 用户建议购买多个较旧型号如**RTX 3090** 可能在**VRAM容量** 方面提供更好的价值，相比于单个RTX 5090。 - **市场动态：** 对于**需求和定价策略** 存在怀疑，一些人认为Nvidia正在测试市场愿意支付如此高价的意愿。 - **VRAM限制：** RTX 5090的**VRAM容量** 是一个争议点，用户认为这不足以证明其价格合理，特别是对于那些需要高VRAM用于特定应用的人来说。 - **替代选项：** 一些用户对**AMD** 可能提供更具竞争力的定价表示兴趣，而另一些人则考虑坚持使用旧型号或探索不同品牌。