Google Bard的Gemini Pro最新升级；Nomic Embed: 开源文本嵌入模型_开源

在这里插入图片描述

🦉 ai新闻

🚀 google bard的gemini pro最新升级

摘要：bard现在可以在超过40种语言和230多个国家和地区使用gemini pro，提供更强大的理解、推理、总结和编码能力。
bard的双重检查功能将扩展到40多种语言，用户可以点击“g”图标来验证bard的回复，并查看网络上支持或反驳信息。
用户现在可以在bard中免费生成图片，只需输入描述，如“创建一张狗骑着冲浪板的图片”，bard将生成视觉效果丰富的图片，同时使用synthid技术嵌入数字水印以确保图像的来源可追溯。

https://bard.google.com/

🚀 openai推出“对话中调用自定义聊天机器人”的新功能

摘要：openai最近在其gpt聊天机器人中推出了“对话中调用自定义聊天机器人”的新功能，使用户能够在对话中切换不同领域的机器人。这一功能解决了之前机器人无法在同一对话中协作的问题，提高了对话的效率和灵活性。用户只需输入“@”符号，就能召唤出所需的专业领域机器人，无需切换到单独的对话窗口。该功能对于用户获取全面信息和服务非常有用。尽管没有大张旗鼓地宣传这一更新，但这一功能的推出被认为可能与之前的泄露对话事件有关。

🚀 英特尔邀请openai ceo阿尔特曼参加ifs direct connect活动

摘要：英特尔ceo帕特·基辛格宣布，openaiceo阿尔特曼将出席首届ifs direct connect活动，并发布演讲。阿尔特曼一直布局ai芯片领域，减少对英伟达ai gpu的依赖，投资了npu研发公司rain ai，并传出openai正准备自研芯片。英国《金融时报》表示，阿尔特曼已与中东投资者和台积电等芯片制造商谈判成立ai芯片合资企业。如果openai下单英特尔，预计能带来示范效应。英特尔的ifs部门一直未获得足够规模的外部代工订单，这次邀请openaiceo参加活动或将有助于改变这一局面。

🚀 openai最新研究显示gpt-4对制造生化武器的辅助作用几乎没有

摘要：openai最新研究表明，gpt-4对制造生化武器的辅助作用非常有限。通过对100名参与者进行实验，openai评估了gpt-4在生物威胁制造过程中的准确性、完整性、创新性、所需时间和自我评估难度等指标。结果显示，虽然gpt-4在准确性和完整性方面有所提升（尤其是在放大和配方任务上），但并没有达到统计学上的显著差异。该研究为今后评估大模型在生物威胁领域的风险提供了参考，并呼吁进一步开展相关研究。

🗼 ai知识

🔥 nomic embed: 开源文本嵌入模型

nomic embed是第一个开源、开放数据、开放训练代码的文本嵌入模型，具有8192的上下文长度，不仅在短文本任务上表现优异，而且在长文本任务上也胜过openai ada-002和text-embedding-3-small。nomic embed采用apache-2许可证发布模型权重和训练代码，以及用于训练模型的筛选数据，并发布了详细的技术报告。此外，nomic embed通过nomic atlas embedding api可用于生产工作负载，并通过nomic atlas enterprise提供安全合规的企业级服务。 text embeddings是现代nlp应用程序的重要组成部分，用于支持检索增强生成（rag）和语义搜索。nomic embed通过对文本的语义信息进行编码，将句子或文档转化为低维向量，用于聚类数据可视化、分类和信息检索等下游应用。nomic embed的训练采用多阶段对比学习方法，首先使用transformer架构进行自监督mlm目标（bert）的预训练，然后进行对比无监督数据的训练，最后使用更小的筛选语料库进行对比微调。对nomic embed的对比训练使用了约235m个文本对的对比数据集，并在 massive text embedding benchmark (mteb) 上表现优异。nomic embed还在 loco benchmark 和 jina long context benchmark 上取得了竞争力。nomic embed提供了模型权重和完整训练数据，以实现完整的模型可审查性，并通过nomic embedding api和atlas enterprise进行生产应用。

🔥 ai2发布开放语言模型框架及olmo model

olmo是由ai2推出的开放语言模型框架，旨在通过开放研究来推动人工智能的发展，使学者和研究人员能够共同研究语言模型的科学。该框架包括了大规模语言模型的数据、训练代码、模型以及评估代码，以便ai社区能够探索更广泛的研究问题。此外，ai2还发布了多个不同规模的olmo模型，包括7b规模和1b规模的模型，以及相关的训练数据、模型权重、训练代码和评估代码。这些模型还附带了500多个检查点、微调代码和适应模型，所有的代码、权重和中间检查点都在apache 2.0许可下发布。

此外，olmo还包括了技术报告，并与其他开放和部分开放模型进行了对比，如eleutherai的pythia suite、mosaicml的mpt模型等。olmo还提供了评估数据，证明了7b模型在某些生成任务或阅读理解方面领先于其他模型，但在一些问题回答任务上略逊一筹。

olmo还在不断发展，计划推出各种不同规模、模态、数据集和安全措施的模型，并提供更多的评估。olmo模型可以通过huggingface获取，并且附带标准推理代码，以及github上的存储库。

更多ai工具，参考国内aibard123，github-aibard123