OpenAI 如何通过 AI 提升支持服务
OpenAI 利用 AI 技术提升支持服务效率,缩短响应时间,提高服务质量,并实现快速扩展以满足高速增长需求。
OpenAI 利用 AI 技术提升支持服务效率,缩短响应时间,提高服务质量,并实现快速扩展以满足高速增长需求。
OpenAI 推出 ChatGPT 家长控制功能,旨在帮助家庭指导 ChatGPT 在家中的使用;同时新增家长资源页面,提供相关指导和支持。
Hugging Face Hub 现已支持 Public AI 作为推理提供商,用户可直接在模型页面使用各种模型,Public AI Inference Utility 是一个非营利、开源项目,旨在支持公共人工智能模型构建者,如瑞士人工智能倡议和新加坡人工智能。
OpenAI 在 ChatGPT 中开发年龄预测和家长控制功能,旨在为青少年提供更安全的交流环境,并支持家庭使用新工具。
Arm 发布了 Neural Super Sampling (NSS),一款面向图形和游戏开发者的下一代AI增强放大解决方案。该模型通过重建高质量输出帧,从低分辨率时间输入中实现高分辨率渲染,特别适用于移动游戏、XR和其他功耗受限的图形应用。
Hugging Face 与 AMD 合作,针对 Llama 3.1 405B 模型在 MI300X 节点上的 FP8 推理性能进行优化,通过融合残差连接、RMS 规范和 FP8 转换等三个优化内核,实现了显著的性能提升。优化后的内核已开源,并计划集成到 VLLM 项目中。
Hugging Face 的基础设施团队分享了其生产基础设施的内部运作细节,重点介绍了三个关键的警报系统。这些系统包括监控 NAT 网关吞吐量、日志存档成功率和 Hub 请求日志,旨在确保平台的高性能和稳定性。通过这些警报,Hugging Face 能够及时识别并响应潜在问题,优化基础设施配置,降低成本。
OpenAI 与 Wix 合作推出的 AI Website Builder,允许用户通过对话描述想法,几分钟内即可创建完整网站。
OpenAI 推出 o3、o4-mini 和 GPT-4.1 模型,旨在通过 CodeRabbit 工具提升代码审查准确性,加速合并请求处理,帮助开发者更快地发布更少bug的代码,提高投资回报率。
OpenAI 推出面向全球客户的企业级数据隐私、安全和合规计划,新增亚洲数据驻留服务,以支持亚洲地区客户的数据需求。
OpenAI 正在将 GPT-4 从基于意图的机器人转变为主动式 AI 智能体,旨在提升交互体验和效率。
Ethereum 2022 学术资助轮支持了多项区块链研究,包括增强共识最终性的可削减法定人数系统、私有结算对套利的影响模型、高效交易广播机制、零损失区块链安全研究、跨链认证查询协议等,涉及区块链安全、性能优化、经济影响等多个领域。
OpenAI 推出 Put AI to Work,旨在自动化和扩展金融运营,通过AI技术提升金融行业效率。该平台支持自动化处理金融任务,并具备扩展性,以适应不断变化的金融需求。
Hugging Face Daily Papers 页面自推出以来,已收录超过 3,700 篇论文,拥有超过 12k 订阅者。该页面提供作者论文认领、论文提交、与作者互动、相关资源链接、点赞推荐、相似论文推荐、多语言评论和翻译、订阅等功能,旨在帮助开发者、研究人员及时了解 AI 领域最新研究进展。
Hugging Face 与 TruffleHog 合作,将 TruffleHog 的秘密扫描功能集成到平台中,以增强安全性。TruffleHog 是一款开源工具,可检测和验证代码中的秘密泄露。Hugging Face 已将 TruffleHog 集成到其自动扫描流程中,并创建了一个原生 Hugging Face 扫描器,以帮助用户主动扫描账户数据中的泄露秘密。
Hugging Face 推出通过 AWS 账户升级 Enterprise Hub 的服务,为企业提供高级安全功能、访问控制、协作工具和计算选项,支持在符合 GDPR 和 SOC2 Type 2 认证的平台内安全构建 AI。升级后,企业可享受单点登录、资源组管理、存储区域选择、审计日志、高级计算选项、私有数据集查看器、在 DGX Cloud 上训练 LLM 等功能。
Ryght推出面向医疗和生命科学领域的AI平台Ryght Preview,通过Hugging Face的专家支持,提供行业特定的AI协作者和定制解决方案,加速研究、分析和文档工作。
Hugging Face 推出基于 Hugging Face Leaderboard 模板的 HHEM 欺幻觉榜,用于评估大型语言模型(LLM)生成文本的幻觉程度。该榜支持开源和商业模型,如 Llama 2、GPT-4 和 Claude,旨在推动 LLM 幻觉评估的民主化。HHEM 使用 Hugging Face Leaderboard 模板,支持动态更新,并鼓励社区提交新模型进行评估。
Hugging Face Inference Endpoints 提供了一种简单、安全的方式部署机器学习模型,支持快速部署、自动扩展、成本效益和高级安全功能。Text Embeddings Inference (TEI) 是专为部署和托管开源文本嵌入模型而构建的解决方案,支持所有 MTEB 排行榜前 10 的模型,并实现了多种性能优化功能。
Gradio-Lite是一个JavaScript库,允许用户在浏览器中直接运行Gradio应用程序,无需服务器端基础设施。它利用Pyodide在浏览器环境中执行Python代码。Gradio-Lite的主要优势包括无服务器部署、低延迟交互和增强的隐私与安全性。然而,目前其最大的局限性是应用程序在浏览器中的初始加载时间较长(通常为5-15秒)。
Hugging Face 积极参与 AI 伦理讨论,向欧盟、英国和美国立法者提供 AI 监管建议,CEO Clem 向美国国会作证,首席伦理科学家 Meg 向民主党核心小组发表评论。此外,Hugging Face 与媒体合作,就 AI 能源使用、偏见、性别问题等发表观点,并推出 AI 音频课程、开放访问临床语言模型资源等。
Hugging Face Hub 现已登陆 AWS Marketplace,用户可通过 AWS Marketplace 订阅 Hugging Face Hub,并使用 AWS 账户直接支付 Hugging Face 使用费用。
Hugging Face 推出 Inference Endpoints,简化开源 LLM 模型部署,支持 Falcon、LLaMA 等模型,提供自动扩缩、成本优化和高级安全功能。用户可通过简单操作部署模型,并使用 JavaScript 和 Python 进行流式响应测试。
Hugging Face Hub 现已提供 fastText 库的官方镜像,包括 157 种语言的词向量以及语言识别模型,方便用户下载和使用。fastText 库支持文本分类和特征提取小部件,并可通过 Hugging Face API 进行调用。
Q8-Chat模型通过SmoothQuant技术实现8位量化,在保持模型质量的同时,将模型大小缩小约2倍,显著降低推理延迟,在Xeon CPU平台上实现高效运行。
Snorkel AI 与 Hugging Face 合作,推出 Snorkel Flow 开发平台,帮助企业适应和优化基础模型。平台支持用户从 Hugging Face 的 150,000 个开源模型中选择,并通过程序化标注和微调提高模型质量。此合作使企业能够更灵活地利用开源模型,加速数据驱动的 AI 应用开发。
Intel Xeon Sapphire Rapids CPU 通过 Optimum Intel 和 OpenVINO 工具包,将 Stable Diffusion 模型推理速度提升至 4.7 秒,相比 Ice Lake Xeon 提升近 10 倍。此外,通过 jemalloc 和 libiomp 等系统级优化,进一步提升了内存操作和并行处理效率。
Hugging Face 发布了 Diffusers 库的伦理框架,旨在指导维护者关于社区贡献的技术决策,强调透明度、一致性、简洁性和可访问性,并提供一系列安全特性和机制,如社区标签、偏见探索和评估、安全 Stable Diffusion 等。
Fetch公司利用Hugging Face和AWS平台,开发了自己的AI工具,用于处理用户上传的收据,实现数据分析和存储。通过这种方式,Fetch将开发时间缩短了30%,并提高了数据处理速度,同时降低了成本。
Hugging Face 提供免费推理小部件和 API,支持模型快速测试和部署;Inference Endpoints 可在 AWS 或 Azure 上部署模型,支持自动扩展和多种安全级别;Spaces 可在简单 UI 框架上部署模型,支持硬件升级。
Solidity 0.4.25 版本修复了两个重要漏洞,包括指数运算中短类型导致的无效结果和多维数组解码中的内存损坏问题。此外,还解决了事件中结构体编码无效的问题。
Ethereum 基金会宣布 Ming Chan 离职,她在基金会任职近三年,对基金会的发展做出了重要贡献。Aya Miyaguchi 将于 2018 年 2 月 1 日接任执行董事,她拥有丰富的区块链行业经验,曾担任 Kraken Japan 的总经理。
zkSNARKs 通过将程序编译为多项式方程、随机采样、同态加密和零知识证明等四种技术,实现了无需执行计算即可验证其正确性,同时保护计算过程不被泄露。这种技术对于区块链和加密领域具有重要意义。