今日值得关注的人工智能新动态：

超微 AI 芯片供应限制引发不安情绪

迪士尼要用AI降低电影制作成本

IBM计划将Llama 2接入Watsonx平台

美国民意调查显示：多数人对AI感到担忧

Shepherd：语言模型“批评家”上线

今年必读的AI论文有哪些？他们列出了这40篇

Sci-CoT：将大模型的推理能力转移到“较小”模型

LayoutLLM-T2I：高忠实度的文本-图像生成

01

超微 AI 芯片供应限制

引发不安情绪

周二晚间，超微公司（Supermicro）首席执行官 Charles Liang 表示，他们需要更多来自英伟达公司的 AI 芯片，但目前正面临着 GPU 供应限制。这表明，尽管企业对 AI 应用怀有极大兴趣，但它们可能难以立即获得所需的硬件支持。这一局面凸显了硬件供应在不断发展的 AI 领域中的重要性与挑战。

02

迪士尼要用AI

降低电影制作成本

据路透社报道，迪士尼公司设立了专项工作组，探索人工智能（AI）在娱乐领域的应用。

据三位知情人士向路透社透露，该工作组早在今年好莱坞编剧罢工前就已成立，致力于内部开发 AI 应用程序，并寻求与初创公司展开合作。迪士尼目前有 11 个职位空缺，正在积极物色具备 AI 或机器学习专业知识的候选人。

一位知情人士表示，像迪士尼这样的传统媒体公司要么深入探索 AI ，要么面临被时代淘汰的风险。另一位消息人士及一位前迪士尼幻想工程师表示，对于迪士尼的公园业务而言，AI 可为客户支持功能赋能，甚至创造出引人入胜的全新互动体验。

03

IBM计划将Llama 2

接入Watsonx平台

据 IBM 官方新闻介绍，公司计划在 watsonx.ai studio 中托管 Meta 的 Llama 2 模型，并为特定客户和合作伙伴提供早期访问权限。此举基于 IBM 与 Meta 在 AI 开放创新领域的合作，包括与 Meta 合作开发的开源项目（如 watsonx.data 中使用的 PyTorch 机器学习框架和 Presto 查询引擎）。

这进一步支持了 IBM 提供第三方和自身 AI 模型的战略。目前，watsonx.ai 允许 AI 构建者使用经过预训练的 IBM 和 Hugging Face 社区模型，支持问答、内容生成、摘要、文本分类和提取等多项自然语言处理任务。

04

美国民意调查显示：

多数人对AI感到担忧

一项涉及上千人的最新民意调查显示，大多数美国民众对迅速崛起的 AI 技术普遍感到担忧。调查发现，62% 的受访者对 AI 发展多多少少心存忧虑，只有 21% 感到兴奋，剩余 16% 则保持中立。超过三分之四的受访者认为，AI 可能对人类生存造成威胁，72% 的受访者倾向于减缓 AI 的发展。

05

Shepherd：

语言模型“批评家”上线

AI 技术的不断突破，使人们更加关注如何使用大型语言模型（LLMs）来改进文本输出。在该研究中，来自 Meta AI Research 的研究团队提出了一种专门用于评论回复并提出改进建议的语言模型——Shepherd。

虽然 Shepherd 模型规模相对较小（仅 7B 参数），但由于使用了高质量的反馈数据集（社区反馈和人工注释），其评论表现媲美甚至超过包括 ChatGPT 在内的其他模型。在使用 GPT-4 进行评估时，Shepherd 模型的成功率高达 53%-87%，优于其他模型。在人工评估中，Shepherd 模型也表现优异，平均水平与 ChatGPT 非常接近。

论文：

Shepherd: A Critic for Language Model Generation

06

2023必读AI论文有哪些？

他们列出了这40篇

该研究旨在帮助我们快速了解 2023 年上半年 AI 行业的重要进展。来自比勒费尔德大学的研究团队根据 2023 年上半年的论文的被引用次数，编制了一份最受欢迎 AI 论文清单，共包括 40 篇论文，侧重于 NLP 和 ML 领域。

值得关注的是，2023 年上半年，这些论文大多与大型语言模型（LLMs）和 ChatGPT 相关，

但后者的研究热度在近期有所下降。

论文：

NLLG Quarterly arXiv Report 06/23: What are the most influential current AI Papers?

07

Sci-CoT：将大模型的推理能力

转移到“较小”模型

凭借大参数规模和广泛预训练，大型语言模型（LLMs）在多项任务中表现出色。“思维链”（CoT）提示使 LLMs 在复杂推理中更强大，引导中间步骤指导答案。尽管高级推理需要至少 100 亿参数，但 Sci-CoT 技术解锁了大模型的潜力。通过分阶段生成，更充分地利用理由，提升了科学问题解答。Sci-CoT 的 8000 万参数模型甚至在 ARC-Easy 数据集部分场景中超越 BLOOM-176B，展现出了惊人表现。

论文：

Sci-CoT: Leveraging Large Language Models for Enhanced Knowledge Distillation in Small Models for Scientific QA

08

LayoutLLM-T2I：

高忠实度的文本-图像生成

在文本到图像生成领域，稳定扩散（Stable Diffusion）技术的技术突破，使得生成丰富的新颖逼真图像成为可能。然而，此前的模型在复杂自然场景中仍存在对位错误等问题，制约了文本到图像生成的质量。该研究通过从粗到细的方式，无需手动引导信息，成功合成了与文本提示语义一致的高保真图像。研究者通过大型语言模型进行上下文学习，生成粗粒度布局，并引入细粒度对象交互扩散方法，从而实现了高忠实度图像的生成。实验结果表明，该方法在布局和图像生成方面明显优于现有模型。

论文：

LayoutLLM-T2I: Eliciting Layout Guidance from LLM for Text-to-Image Generation

原标题：《AI日报｜2023必读AI论文有哪些？他们列出了这40篇；语言模型“批评家”上线；迪士尼要用AI降低电影制作成本》

阅读原文