特斯拉机器人出租车与人形机器人、OpenAI MLE-bench、DeepLearning.AI多模态课程、NVIDIA专家混合体、AMD GPU性能超越Nvidia

## Twitter: **特斯拉的AI和自动驾驶革命** ：特斯拉宣布其战略重心转向成为一家机器人出租车和人形机器人公司，标志着从传统汽车业务的重大转变。在最近的活动中，特斯拉展示了其机器人出租车和Robovan，强调了高密度运输的未来。Robovan可容纳20人，适用于多种用途，如校车或房车，展示了特斯拉在可持续交通方面的创新方法。特斯拉还推出了Optimus人形机器人，旨在改变工业环境中的体力劳动，尽管目前仍需人类远程协助。特斯拉的愿景是通过减少所需车辆数量来实现更绿色、更宜居的城市，这与其高效覆盖所有交通需求的目标一致。Elon Musk在特斯拉2024年年度会议上强调，解决自动驾驶挑战需要数百万辆车上路，计算能力不再是限制因素。特斯拉的AI日活动中，Musk表示，特斯拉的自动驾驶汽车和人形机器人可能会催生人工通用智能（AGI），因为它们处理的大量现实世界数据。详细信息请参见[TechCrunch](https://news.miracleplus.com/share_link/43991)和[特斯拉推特](https://news.miracleplus.com/share_link/43898)。 **OpenAI的MLE-bench和AI性能评估** ：OpenAI推出了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，利用75个Kaggle竞赛提供全面的评估框架。此工具旨在增强对AI能力和在现实应用中有效性的理解。详细信息请参见[OpenAI发布](https://news.miracleplus.com/share_link/43866)。 **DeepLearning.AI的多模态Llama 3.2课程** ：DeepLearning.AI推出了关于多模态Llama 3.2的课程，涵盖Llama 3.1和3.2，重点是多模态提示定制和工具集成，作为一小时的免费课程提供。此教育产品是其推进AI学习和应用的持续努力的一部分。详细信息请参见[课程详情](https://news.miracleplus.com/share_link/43867)。 **NVIDIA的大型语言模型升级** ：NVIDIA的研究表明，将大型语言模型升级为专家混合体的方法优于继续密集模型训练。这基于使用Nemotron-4 15B在1T标记上进行的大规模实验。详细信息请参见[Aran Komatsuzaki的推特](https://news.miracleplus.com/share_link/43992)。 **AMD的Instinct MI325X GPU性能超越Nvidia** ：AMD宣布其即将推出的256-GB Instinct MI325X GPU预计将在AI推理工作负载上超越Nvidia的141-GB H200处理器。公司还承诺下一代MI350加速器芯片将显著提升性能。详细信息请参见[DylanOnChips的推特](https://news.miracleplus.com/share_link/43993)。 **大型语言模型（LLMs）和推理能力** ：一项最新的预印本研究探讨了大型语言模型（LLMs）是否真正具备推理能力，还是仅仅是复杂的模式匹配器。研究包括开源模型如Llama、Phi、Gemma和Mistral，以及领先的封闭模型如OpenAI GPT-4o和o1系列。详细信息请参见[预印本](https://news.miracleplus.com/share_link/43963)。 **AI在教育中的角色** ：最近的研究表明，虽然AI可以提供问题的答案，但如果过度依赖可能会阻碍学习；然而，使用AI作为导师的学生在测试中表现更好。这突显了AI对教育结果的复杂影响以及平衡整合的重要性。详细信息请参见[Ethan Mollick的见解](https://news.miracleplus.com/share_link/43970)。 ## HackerNews: **用Prolog进行游戏编程 - 第1部分** [链接](https://news.miracleplus.com/share_link/43890): 本文探讨了通过利用逻辑编程的力量在Prolog中创建游戏，提供了一种将游戏规则设计为游戏系统源代码的新方法。讨论重点包括： - **Prolog在游戏开发中的适用性：** Prolog传统上用于冒险游戏，因为它与事实和规则的对齐，但文章探讨了其在具有实时元素的动作游戏中的应用，这种应用较为少见。 - **化学引擎概念：** 受《荒野之息》等游戏的启发，讨论了基于规则的材料交互引擎的想法，建议Prolog或Datalog可以促进快速实验，类似于SQL在查询中的灵活性。 - **逻辑编程在游戏中的挑战：** 尽管关系编程很有吸引力，但在某些游戏引擎方面用C++和自定义求解器编写可能更高效，因为通用逻辑语言可能不适合所有游戏引擎问题。 - **历史背景和比较：** 讨论提到了历史上的文字游戏和MUDs，指出许多现代游戏设计概念在这些早期格式中就已被开创，强调了游戏设计创新的循环性。 **WordPress替代方案** [链接](https://news.miracleplus.com/share_link/43910): 本文讨论了用于建立网站的各种WordPress替代方案，重点关注静态网站生成器和其他内容管理系统。讨论重点包括： - **Jekyll on GitHub Pages** 推荐给喜欢用Markdown写作的人，提供了无需本地设置的易用性。然而，**编译时间** 可能是一个缺点。 - **Publii** 被称赞为静态网站生成器和托管CMS之间的中间地带，尽管早期版本在封装和网站稳定性方面存在问题。 - **图像管理** ：建议将图像移动到像**S3+Cloudfront** 这样的服务，以便于灵活性和更换托管提供商的便利性，而有些人则喜欢将图像托管在**Flickr** 或**CloudFlare** 等平台上以简化操作。 - **静态网站生成器** ：用户表达了对不强制使用博客格式的静态网站构建器的需求，建议使用**Middleman** 和**Pandoc** 以获得更多灵活性。 - **WordPress的流行** ：其易用性和广泛的插件库使其难以被非技术用户替代，类似**Wix, Squarespace, 和 Shopify** 是最接近的替代选项。 ## Discord: **Gradio 5发布与功能更新** ：Gradio 5引入了**服务器端渲染（SSR）** 以提升性能和SEO，支持**流媒体** ，并推出**AI Playground** 用于从提示生成Gradio应用。详细信息可在[迁移指南](https://github.com/gradio-app/gradio/issues/9463)中查看。 **多通道数据中的扩散** ：@cocos9762讨论了在多通道数据中应用**高斯噪声** ，强调对具有独特结构的通道如**SDXL** 和**Flux** 潜在变量需要不同的噪声计划。 **Distilabel成本计算器** ：@an_i_ss推出了一个[包](https://news.miracleplus.com/share_link/43994)，用于在Distilabel管道中集成成本计算，已在**文本生成** 和**文本分类** 任务中测试。 **AI中的对抗性策略** ：@kogneto分享了一篇关于[对抗性策略的论文](https://news.miracleplus.com/share_link/43995)，强调AI系统可能以意想不到的方式利用自然观察。 **ROCm 6.3 Windows支持** ：ROCm从6.3版本开始原生支持Windows，这对Windows上的AMD GPU用户意义重大，更多细节在[PyTorch GitHub issue #106608](https://github.com/pytorch/pytorch/issues/106608)中。 **AMD GPU性能问题** ：用户报告在Linux上使用AMD GPU时性能不佳，特别是使用ROCm时，Ubuntu在RX 7900 XTX上出现内存不足错误时挂起。 **Mojo中的琐碎类型特征** ：@samufi探讨了为具有内联内存的类型定义特征，@jacobbrooks推荐了`AnyTrivialRegType`，但指出其不能与其他特征结合使用，详情见[Mojo文档](https://docs.modular.com/mojo/manual/types#anytype-and-anytrivialregtype)。 **Perplexity API细节** ：**Perplexity API** 支持**Bearer认证** 、模型选择和令牌管理，包含**核采样** 、**top-k过滤** 等功能，处于封闭测试阶段。[API参考](https://docs.perplexity.ai/api-reference/chat-completions)。 **长上下文检索的后期分块** ：JinaAI的**后期分块** 方法通过在分块前嵌入整个文档来平衡精度和成本，保留上下文关系并减少存储需求，更多信息在[Weaviate博客](https://weaviate.io/blog/late-chunking)中。 **Symphony用于AI工作流自动化** ：@chinmay.shri介绍了**Symphony** ，一种通过集成工具和任务描述来创建高性能AI工作流的工具，更多细节在[Loom视频](https://www.loom.com/share/8d613aa434cf4a829e93160d01df35ae?sid=5216da3d-dcad-461c-bd37-6ba6a3c882b9)中。 **Flux模型与LoRA集成** ：用户探索了多个**Flux LoRAs** 的集成，并尝试了“混合合并”检查点用于**SDXL** 和**Flux** 。 **OpenAI的财务前景** ：OpenAI预计2024年亏损**50亿美元** ，并预计到**2029年** 才会盈利，表明其长期财务可持续性战略。 **相似性搜索与多向量** ：@rei_iii建议使用SQLAlchemy Core构建SQL查询以计算查询和项目向量之间的距离，平均以实现准确的基于项目的相似性搜索。[GitHub仓库](https://github.com/reasv/panoptikon/blob/master/src/panoptikon/db/pql/filters/sortable/item_similarity.py)。 **跨模态项目相似性与CLIP** ：@rei_iii讨论使用CLIP比较文本和图像嵌入，优化时禁用文本到文本或图像到图像的相似性以专注于文本到图像的比较。 **Mini-Omni多模态模型** ：[Mini-Omni](https://news.miracleplus.com/share_link/39807)是一个开源模型，支持实时语音到语音对话，无需额外的ASR或TTS模型。 **Whisper Web语音识别** ：[Whisper Web](https://news.miracleplus.com/share_link/43923)提供了在浏览器中使用WebML的语音识别，支持实验性的**WebGPU加速** 。 **算法蒸馏用于上下文内强化学习** ：DeepMind的论文[IN-CONTEXT REINFORCEMENT LEARNING WITH ALGORITHM DISTILLATION](https://arxiv.org/abs/2210.14215)介绍了**算法蒸馏（AD）** ，将强化学习算法蒸馏到神经网络中。 **OpenWebUI的“Artifacts”更新** ：@swyxio强调了**OpenWebUI的“Artifacts”** 发布，允许通过[Ollama](https://x.com/cocktailpeanut/status/1844408840059506863?s=46)使用完全本地和私有的LLMs。 **GPU租赁市场动态** ：GPU租赁价格变化，**H100s** 从8美元/小时降至2美元/小时，因供应过剩和预留计算转售。 **OpenAI的思维链（CoT）隐藏** ：OpenAI决定隐藏**思维链** ，仅提供总结版本，可能是为了防止技术复制，更多见[YouTube视频](https://www.youtube.com/watch?v=C253MjavrBs)。 ## HuggingFace & Github: ### 图像处理与创意工具 - [alimama-creative/FLUX.1-dev-Controlnet-Inpainting-Beta](https://news.miracleplus.com/share_link/43969) 提供了一种先进的**图像修复模型** ，支持**1024分辨率** ，显著提升了**细节生成** 和**生成内容控制** 。该模型能够直接处理高分辨率图像，集成了**Diffusers** ，并在一个包含1500万张图像的数据集上进行了训练。 ### 浏览器增强与用户界面设计 - [GitHub-XengShi/materialYouNewTab](https://news.miracleplus.com/share_link/43922) 展现了一款灵感来源于Google“**Material You** ”设计的**新标签页浏览器扩展** 。该项目允许用户使用不同的搜索引擎进行快速搜索，并提供了丰富功能和隐私保护，无需调整设置即可使用。 ### 语音识别与机器学习应用 - [GitHub-xenova/whisper-web](https://news.miracleplus.com/share_link/43923) 是一个在浏览器中使用**机器学习** 进行**语音识别** 的项目。借助🤗 **Transformers.js** 技术，可以直接在浏览器中进行基于机器学习的转录，支持**WebGPU** 加速以提升性能，并提供**实验性功能** 以增强用户体验。 ## Reddit: **埃隆的新机器人出租车，你怎么看？** [链接](https://news.miracleplus.com/share_link/43996): 讨论围绕埃隆·马斯克新机器人出租车概念的揭幕，重点关注其设计和潜在影响。 - **设计和实用性：** 机器人出租车的设计具有未来感，类似于70年代的愿景，但在城市环境中的实用性引发了担忧。没有侧视镜表明其依赖于完全自动驾驶。 - **成本效益声明：** 埃隆·马斯克声称机器人出租车的运营成本为每英里20美分，而公交车为每英里1.00美元。然而，由于公交车的乘客容量更大，这一比较受到质疑。 - **公共交通与机器人出租车：** 人们对机器人出租车在减少交通和应对气候变化方面的能力持怀疑态度，认为投资于有轨电车和公交车等公共交通基础设施可能更有效。 - **破坏行为的担忧：** 没有司机的情况下，担心乘客可能会破坏车辆，因此需要清洁费用来阻止这种行为。 - **交付的怀疑：** 许多人对机器人出租车的发布时间表示怀疑，引用了特斯拉过去在全自动驾驶功能等承诺上的延迟。 **在广泛使用高级语音模式后，我对LLM的看法急剧下降。** [链接](https://news.miracleplus.com/share_link/43913): 作者对最先进的LLM的局限性和模糊性表示沮丧，特别是在高级语音模式下，强调了对其能力的过高估计。讨论亮点： - **审查和限制：** LLM被严格审查和限制以防止滥用，导致人们认为其智能和实用性降低。模型被设计为中立和通用，限制了其参与更有趣或有争议话题的能力。 - **与其他技术的比较：** 尽管受到批评，LLM被认为比现有的语音助手如Siri或Google Assistant更先进，特别是在理解和维持对话方面。 - **消费者产品的限制：** 面向公众的模型被故意限制，可能存在更先进、未审查的版本在内部或开发中。 - **在特定环境中的实用性：** 尽管因模糊性受到批评，LLM在技术支持和特定任务中仍然有价值，展示了近年来技术的显著进步。