OpenAI附议Ilya预训练终结！“但Scaling Law还没死”
OpenAI成员Noam Brown讨论AI推理成本，提出Scaling Law新维度。他认为推理时间比数据规模更能提升AI性能，反驳预训练终结论，呼吁更多人关注推理计算能力。
量子位
直击CCAI大会：院士专家舌战激辩，20个AI案例C位出道，海淀无愧AI科技“梦工厂”
海淀区依托丰富的高校资源和顶尖人才，成功吸引了众多人工智能企业和独角兽企业。2024年中国人工智能大会在此召开，发布了多项白皮书和典型案例。大会旨在推动北京构建全球人工智能创新策源地和产业高地。
Scaling Law不总是适用！尤其在文本分类任务中，vivo AI Lab提出数据质量提升解决方法
vivo AI Lab提出数据质量提升(DQE)方法，通过更少的数据获得更高的文本分类任务准确率。实验表明，在多个数据集中DQE选择的数据比全量数据表现出显著的性能提升，并有效提升了大语言模型指令跟随能力。
Ilya宣判：预训练即将终结！NeurIPS现场沸腾
Ilya Sutskever在NeurIPS 2024中指出预训练时代即将终结，并预测未来将是超级智能的时代，强调Agent系统和合成数据将成为突破瓶颈的关键。他认为未来的AI将发展成能够自主推理和决策的’Agent’，甚至可能具备自我意识。
专治大模型“套壳”！上海AI实验室等给LLM做“指纹识别”，剪枝合并也无所遁形
上海AI Lab邵婧团队提出REEF方法，基于模型表征的指纹识别技术可精准检测大模型‘套壳’行为。该方法不改变模型性能，在多种操作后仍能有效识别衍生模型和无关模型。
微软出招！新模型数学超GPT-4o编程胜Llama3.3，训练新范式引热议：midtraining
微软推出小模型Phi-4，参数量仅14B，在数学和编程能力上超过了大模型。其数学成绩超过GPT-4o等，还能处理长达16K的长文本，被称作midtraining训练范式的新成果。
