<img src="https://3o.hk/images/2024/04/16/pexels-photo-6019019.jpg" alt="pexels photo 6019019" border="0"><ol>
 <li>OpenAI 高管离职潮持续
 自从 Sam Altman 重新执掌 OpenAI 以来，该公司就陷入了持续不断的高管离职潮中。尽管近段时间有些外部新高管加入，但很显然这个离职潮仍未结束。

 <li>翁荔宣布离职
 OpenAI 安全系统团队负责人翁荔（Lilian Weng）在 X 上宣布将离开已经工作了近 7 年的 OpenAI。她表示，之后可能有更多时间频繁更新博客。

 <li>翁荔的技术博客
 翁荔的技术博客深入、细致，具有前瞻性，被很多 AI 研究者视为重要的参考资料。她的博客地址为：https://lilianweng.github.io/

 <li>翁荔的离职信
 翁荔在离职信中表达了对 OpenAI 的感激之情，并提到她为安全系统团队所取得的一切成就感到自豪。她还提到，现在她准备重新开始并探索一些新东西。

 <li>翁荔的背景介绍
 翁荔是 OpenAI 华人科学家，2018 年加入 OpenAI，参与了 GPT-4 项目的预训练、强化学习 & 对齐、模型安全等方面的工作。她本科毕业于北大，博士毕业于印第安纳大学伯明顿分校。在加入 OpenAI 之前，她还曾在 Facebook、Dropbox 从事软件工程和数据科学方面的工作。

 <li>翁荔的博客文章
 翁荔的博客深入、细致，具有前瞻性，包括《Sora 之后，OpenAI Lilian Weng 亲自撰文教你从头设计视频生成扩散模型》、《OpenAI 安全系统负责人长文梳理：大模型的对抗攻击与防御》等。
</ol>

AI新闻-OpenAI 高管离职潮持续

<img src="https://3o.hk/images/2024/04/16/pexels-photo-8438970.jpg" alt="pexels photo 8438970" border="0"><ol>
 <li>AI 气味数字化技术突破
 众所周知，图像、音乐可以用 AI 生成，但近期，初创公司 Osmo 宣布成功将气味数字化，实现了「新鲜的夏季李子」这一案例，复现出的味道「闻起来」很不错。
 </li>
 <li>AI 技术应用前景广阔
 Osmo 的 CEO 和联合创始人 Alex Wiltschko 表示，这项技术有望改善人类的健康和幸福，可用于医疗人员检测、治疗疾病，增加 VR 设备的沉浸感，甚至用于日常用品中的香料。
 </li>
 <li>研发历程及团队背景
 Wiltschko 在谷歌研究院领导团队，使用机器学习技术构建了 Osmo 气味映射图的基础。他的团队使用图神经网络根据分子结构预测其气味，并创造出以前从未闻过的新分子。
 </li>
 <li>AI 模型训练与数据收集
 Osmo 的团队在一个包含 5000 个芳香分子的数据集上训练他们的 AI 模型，这些芳香分子涵盖了各种气味类别。他们收集了数千种分子以及调香大师对其气味的描述，将这些数据输入图神经网络（GNN）。
 </li>
 <li>气味远程传输与新型香水
 Osmo 希望最终能够将一个地方的气味数字化，然后在另一个地方再造一个完全相同的副本，实现气味的远程传送。他们还发布了三种前所未有的香水气味分子，如 Glossine、Fractaline、Quasarine。
 </li>
 <li>多模态 AI 与未来应用
 Osmo 也在研究多模态 AI，研究基于图像生成对应的气味，图像又可以进一步基于文本而生成。未来，我们或许能观看带有气味的电影，实现视觉、听觉和嗅觉的全方位体验。
 </li>
</ol>

AI新闻-AI 气味数字化技术突破

<img src="https://3o.hk/images/2024/04/16/pexels-photo-18799044.jpg" alt="pexels photo 18799044" border="0"><ol>
 <li>MetaGPT开源AFLOW自动生成智能体工作流
 MetaGPT开源社区发布了AFLOW工具，它使用蒙特卡洛树搜索优化工作流，实现GPT-4o级能力，且成本仅为GPT-4o的4.55%。
 </li>
 <li>AFLOW优化工作流
 AFLOW通过蒙特卡洛树搜索，优化工作流生成和优化过程，自动构建与优化Agentic Workflow问题，无需手写代码或调试提示词。
 </li>
 <li>AFLOW工作流优化问题
 AFLOW解决现有Agentic Workflow自动生成工作难以生成有效工作流的难题，通过蒙特卡洛树搜索技术系统地探索和优化LLM的工作流。
 </li>
 <li>AFLOW如何自动优化工作流
 AFLOW利用蒙特卡洛树搜索（MCTS）自动生成和优化Agentic Workflow，通过MCTS的四个主要步骤：选择、扩展、评估和反向传播，实现工作流的自动化生成和优化。
 </li>
 <li>AFLOW的性能优势
 AFLOW在六个文本推理任务上，相比现有手动方法平均提升5.7%，较其他自动化方法提升了19.5%，展现出全面的领先优势。
 </li>
 <li>AFLOW降低成本
 AFLOW能够以极低的成本实现GPT-4o级能力，为AI应用的规模化部署提供了经济可行的解决方案。
 </li>
 <li>AFLOW自动化效率提升
 AFLOW彻底改变了传统的人工调试模式，自动发现最优的工作流组合，大幅缩短了开发周期。
 </li>
 <li>AFLOW的适用性
 AFLOW支持多种主流LLM模型，能适应不同类型的任务需求，展现出优秀的迁移能力。
 </li>
 <li>AFLOW开源与展望
 AFLOW已在GitHub上开源，用户可通过自定义Benchmark与数据集，快速为个性化任务搜索最佳性能或性能成本平衡的工作流方案。
 </li>
</ol>

AI新闻-MetaGPT开源AFLOW自动生成智能体工作流

<img src="https://3o.hk/images/2024/04/16/pexels-photo-8438974.jpg" alt="pexels photo 8438974" border="0"><ol>
 <li>AI小说创作现状
 AI在小说创作领域已经开始崭露头角，例如「番茄小说」平台上出现大量由AI创作的小说，但质量参差不齐，大多存在剧情单一、创意不足等问题。
 </li>
 <li>AI小说创作速度与质量
 虽然AI创作小说的速度非常快，如华东师范大学的团队用AI创作了一部百万字的玄幻小说《天命使徒》仅用了一个半月，但质量却难以保证。例如，该实验团队负责人王峰的提示词参考写法，来自华东师范大学网站，这也是国内首部AI写的百万字数小说，被打了61分。
 </li>
 <li>AI小说创作的获奖案例
 尽管AI在小说创作领域的质量有待提高，但已经有AI创作的作品获得了文学奖项。例如，日本作家九段理江与AI合作创作的《东京都同情塔》荣获2024年芥川龙之介奖。
 </li>
 <li>AI小说创作能力对比
 有研究团队测试了GPT-4 Turbo与一位出色的西班牙语作家比赛写故事，结果显示AI在文风和创意方面明显不如人类作家。
 </li>
 <li>AI小说创作的优势
 尽管AI在小说创作方面存在不足，但它也有一些优势，如帮助创意（虽然可能是憨憨创意）、充当研究助手、撰写大纲、修改语法等。
 </li>
 <li>AI在科研创意领域的表现
 最近的研究表明，AI在科研创意领域的表现比专家还新颖，这让人不得不重新思考AI的能力。
 </li>
 <li>人类作家与AI的合作
 人类作家暂时不用担心失业，但可以考虑与AI合作，或许能擦出新火花。
 </li>
</ol>

AI新闻-AI小说创作现状

<img src="https://3o.hk/images/2024/04/16/pexels-photo-8728245.jpg" alt="pexels photo 8728245" border="0"><ol>
 <li>即梦AI发布Seaweed视频生成模型
 字节跳动旗下的AI内容平台即梦AI宣布，其自研的视频生成模型Seaweed正式向用户开放使用，用户可在平台“视频生成”功能下体验。
 </li>
 <li>Seaweed模型特点
 Seaweed模型具备专业级光影布局及色彩调和，画面视觉极具美感和真实感。基于DiT架构，实现大幅度运动画面流畅自然。
 </li>
 <li>Seaweed模型效率高
 测试显示，Seaweed模型仅需60秒就能生成时长5秒的高质量AI视频，效率领先于国内业界。
 </li>
 <li>即梦AI平台功能丰富
 即梦AI支持通过自然语言及图片输入生成图像及视频，提供智能画布、故事创作模式、以及首尾帧、对口型、运镜控制、速度控制等AI编辑能力。
 </li>
 <li>即梦AI助力创作者
 即梦AI旨在成为用户最亲密和有智慧的创作伙伴，通过开放豆包视频生成模型的使用和持续升级平台各项AI能力，为用户创作提效。
 </li>
</ol>

AI新闻-即梦AI发布Seaweed视频生成模型

<img src="https://3o.hk/images/2024/04/16/pexels-photo-8097825.jpg" alt="pexels photo 8097825" border="0"><ol>
 <li>商汤“日日新”获得金牌
 商汤日日新·商量大模型（SenseChat5.5）凭借出色的能力表现，在《中文大模型基准测评2024年10月报告》中总得分位列国内大模型第一梯队，荣获金牌。
 </li>
 <li>SuperCLUE评测覆盖23个国内模型
 本次评测基准SuperCLUE覆盖了23个国内模型，聚焦语言大模型的通用能力评估。
 </li>
 <li>三大维度评估模型能力
 评测分为三大维度：文科基础能力、理科基础能力以及考察模型更高阶能力的“Hard”附加任务。
 </li>
 <li>文科理科均表现优异
 商汤SenseChat5.5在文科中语言理解、安全等维度以及理科中逻辑推理、代码学科均表现突出。
 </li>
 <li>复杂推理智能出色
 在【Hard】的精准指令遵循和高阶推理两项任务中，商汤SenseChat5.5是国内唯一两项任务均位于第一梯队的大模型。
 </li>
 <li>与ChatGPT-4o-latest接近
 SuperCLUE报告显示，国内大模型的能力与ChatGPT-4o-latest表现接近，o1-preview则在复杂任务中更为突出。
 </li>
 <li>持续研发与投入
 商汤将继续坚持基础大模型的持续研发与投入，不断提升真正高阶推理及“慢思考”能力。
 </li>
</ol>

AI新闻-商汤“日日新”获得金牌

<img src="https://3o.hk/images/2024/04/16/pexels-photo-16587313.jpg" alt="pexels photo 16587313" border="0"><ol>
 <li>小鹏P7+上市发售
 全球首款AI汽车小鹏P7+正式上市发售，共发布三个版本：长续航Max、超长续航Max以及限定版Max，售价分别为18.68万元、19.88万元和21.88万元。</li>

 <li>专属设计及限量版
 限定版Max提供星阙哑光灰车身配色、扶摇绿限定内饰色、limited edition标识等专属设计，采用Alcantara定制座椅面料，首批限量发售500台。</li>

 <li>购车福利
 支付5000元定金的用户可享8大基础权益，全系车型还可享10000小鹏商城积分、至高5000元的置换补贴、充电卡复购权益、限时优惠金融方案及交付礼等。</li>

 <li>车辆订购方式
 用户可通过小鹏汽车官方APP、官网、微信小程序及全国销售网点进行车辆订购。</li>

 <li>AI高阶智驾
 小鹏P7+标配图灵AI高阶智驾，搭载自研的AI天玑5.4.0、端到端大模型及AI鹰眼智驾方案，实现月月OTA更新。</li>

 <li>智能座舱
 小鹏P7+接入自研的X-GPT大模型，标配高通8295P座舱芯片，实现三屏互联，并支持HUAWEI Hi-Car/Car Link跨设备的车控及车机手机互联。</li>

 <li>能耗管理
 小鹏P7+围绕系统化能耗解决方案，实现每度电能跑10公里，每公里电费仅需4分钱的行业顶级水平。</li>

 <li>空间设计
 小鹏P7+将轿跑的姿态、SUV的空间、MPV的舒适巧妙融合，提供超大空间，后备厢容积达725L，可容纳33个20寸行李箱。</li>

 <li>豪华标配
 小鹏P7+全系标配2.1㎡全景天幕、Nappa打孔真皮座椅、20扬声器高保真音响、二排小桌板等，打造越级舒适体验。</li>

 <li>高级驾乘体验
 小鹏P7+采用前双叉臂+后五连杆悬架设计，动力性能出色，静音效果出众，全面超越传统豪华行政级车型。</li>

 <li>安全配置
 小鹏P7+符合中汽研C-NCAP五星安全标准，采用16000T一体化压铸机打造前后一体式铝压铸车身，提供全方位的主被动安全防护。</li>

 <li>科技豪华定义
 小鹏P7+拥有超过150项全系标配的科技、舒适性配置，重新定义了科技豪华，为用户实现智能平权、舒适平权。</li>
</ol>

AI新闻-小鹏P7+上市发售

<img src="https://3o.hk/images/2024/04/16/pexels-photo-8439069.jpg" alt="pexels photo 8439069" border="0"><ol>
 <li>MDAgents框架介绍
 麻省理工学院、谷歌研究院和首尔国立大学医院的研究人员开发了一种名为MDAgents的多智能体框架，旨在通过自动为LLM团队分配协作结构来帮助解决复杂医学任务中如何最好地利用LLM的问题。
 </li>
 <li>框架功能与优势
 MDAgents可以根据医疗任务的复杂性动态分配LLM之间的协作，模拟现实世界的医疗决策过程。它在10个基准测试中的7个中超越了之前的方法，准确率提高了4.2%。
 </li>
 <li>MDAgents的工作流程
 MDAgents框架围绕医疗决策的四个关键阶段构建：评估任务复杂性、招募合适的专家、分析阶段采用不同的方法、综合所有见解以形成结论性决策。
 </li>
 <li>MDAgents的实际应用
 MDAgents在需要理解医学知识和多模态推理的任务中表现出色，如医学诊断基准测试，与人类医生相比，MDAgents在十项基准测试中的七项中取得了最佳表现。
 </li>
 <li>MDAgents的研究成果
 该研究在arXiv预印平台更新，展示了MDAgents框架的稳健性和效率，以及在复杂医疗决策任务中的适应性。
 </li>
</ol>

AI新闻-MDAgents框架介绍

<img src="https://3o.hk/images/2024/04/16/pexels-photo-8097858.jpg" alt="pexels photo 8097858" border="0"><ol>
 <li>类Sora模型与物理规律理解
 视频生成模型虽然能生成看似符合常识的视频，但尚无法理解物理规律。自Sora模型问世，业界便围绕视频生成模型是否能理解物理规律展开争论。
 </li>
 <li>Yann LeCun的观点
 图灵奖得主Yann LeCun明确表示，基于文本提示生成的逼真视频不代表模型真正理解物理世界，并认为像Sora这样的模型注定要失败。
 </li>
 <li>腾讯SaaS级模型与物理模型准确性
 Keras之父François Chollet认为，Sora等视频生成模型确实嵌入了物理模型，但问题在于这个物理模型是否准确，能否泛化到新的情况。
 </li>
 <li>字节豆包大模型团队的研究
 字节豆包大模型团队通过大规模实验发现，即便依照Scaling Law扩大模型参数与训练数据量，模型依然无法抽象出一般物理规则。
 </li>
 <li>实验设计与结果
 团队通过专门开发的物理引擎合成了匀速直接运动、小球碰撞、抛物线运动等经典物理场景的运动视频，用于训练基于主流DiT架构的视频生成模型。
 </li>
 <li>模型泛化能力
 实验结果显示，模型在分布内泛化（ID）的测试中，随着模型规模增大或训练数据量的增加，模型在所有三种物理任务中的速度误差都降低。
 </li>
 <li>模型依赖记忆和案例模仿
 研究发现，视频生成模型似乎更多依赖于记忆和案例模仿，而非抽象出普遍的物理规则，实现分布外泛化（OOD）。
 </li>
 <li>视频表征的局限性
 团队发现，视觉模糊性会导致在细粒度物理建模方面出现显著的误差，单纯依赖视频表示不足以进行精确的物理建模。
 </li>
</ol>

AI新闻-类Sora模型与物理规律理解

<img src="https://3o.hk/images/2024/04/16/pexels-photo-8566534.jpg" alt="pexels photo 8566534" border="0"><ol>
 <li>AI智能体弹窗攻击现象
 弹窗攻击对控制计算机的智能体具有显著影响，甚至能使智能体表现大幅下降。
 </li>
 <li>Anthropic Claude的功能与表现
 Claude作为Anthropic开发的一款AI智能体，其Computer Use功能允许控制用户的计算机。尽管在OSWorld基准测试中，Claude的表现准确度较高，但弹窗攻击依然能对其造成影响。
 </li>
 <li>攻击设计与方法
 弹窗攻击通过误导智能体点击对抗性弹窗来实施。攻击设计包括注意力钩子、指令、信息横幅和ALT描述符等元素，旨在干扰智能体的视觉-语言处理能力。
 </li>
 <li>实验及结果
 实验使用了五个前沿VLM进行测试，结果显示所有模型在所有场景中都表现出较高的攻击成功率（ASR），表明模型缺乏与弹窗相关的安全意识。
 </li>
 <li>防御机制探讨
 作者尝试了在系统提示末尾添加提示来防御弹窗攻击，但效果有限。作者认为需要更详细和具体的防御策略来降低风险。
 </li>
 <li>攻击成功的原因分析
 攻击成功的原因包括智能体根据交互历史声明、用户查询搜寻信息、查询中指定了熟悉的工具等。
 </li>
</ol>

AI新闻-AI智能体弹窗攻击现象

<img src="https://3o.hk/images/2024/04/16/pexels-photo-16504592.md.jpg" alt="image" border="0">
<ol> <li>AIxiv专栏的多维度学术传播 AIxiv专栏，由机器之心打造，已成为学术交流的重要平台。多年来，该栏目已报道超过2000篇学术和技术内容，覆盖全球顶级实验室的研究动态，有效促进了全球学术界的交流与合作。优质内容投稿邮箱：liyazhou@jiqizhixin.com；zhaoyunfeng@jiqizhixin.com。</li> <li>具身智能操作的新突破 中国电信人工智能研究院（TeleAI）李学龙教授团队联合上海人工智能实验室、清华大学等单位，提出了一种基于多视角融合的通用具身操作算法SAM-E。该算法模拟人「感知—记忆—思维—想象」的认知过程，为机器人执行复杂操作提供了有效方案，并已被国际机器学习大会ICML 2024录用。</li> <li>视觉大模型在具身智能中的应用 SAM-E利用视觉分割模型Segment Anything（SAM）的泛化能力，通过多视角Transformer网络，实现了对具身场景的三维感知。该方法不仅提升了基座模型对具身场景的理解与适应能力，还通过动作序列网络，优化了动作预测的准确性和一致性。</li> <li>SAM-E的实验与应用 在RLBench机械臂任务集合上的实验表明，SAM-E在多视角观测下的3D操作任务中表现卓越，显著提高了任务成功率。此外，SAM-E在新任务上的表现也得到了显著提升，动作序列建模提高了执行效率，降低了模型推理次数。</li> <li>开启具身智能新篇章 SAM-E的提出，不仅为具身智能体的三维物理空间感知提供了新的解决方案，也为智能体的认知能力提升开辟了新路径。通过模拟人类的感知和决策方式，SAM-E实现了从数据到动作的端到端映射，有望在更广泛的领域发挥重要作用。</li> </ol>