本周AI动态，8月7日：生成式AI登陆Jupyter和Stack Overflow • ChatGPT更新
AI动态：生成式AI登陆Jupyter和Stack Overflow • ChatGPT更新
欢迎来到 VoAGI 的本周版的“本周人工智能”栏目。本精选的每周帖子旨在让您了解人工智能快速发展的最引人注目的进展。从颠覆性的头条新闻，塑造我们对人工智能在社会中的作用的理解，到发人深省的文章，富有洞察力的学习资源，以及突破我们知识边界的研究重点，本帖提供了人工智能当前景观的综合概述。这个每周更新旨在让您在这个不断发展的领域中保持最新和最全面的信息。
头条新闻
“头条新闻”部分讨论了过去一周人工智能领域的头条新闻和发展动态。信息内容包括政府人工智能政策、技术进展以及人工智能领域的企业创新。
💡 在Jupyter中的生成AI
开源项目Jupyter团队发布了Jupyter AI，这是一个新的扩展，将生成AI能力直接引入Jupyter笔记本和JupyterLab IDE。Jupyter AI允许用户通过聊天交互和魔术命令利用大型语言模型解释代码、生成新代码和内容、回答有关本地文件的问题等。它是以负责任的AI为目标构建的，允许对模型选择和AI生成的输出进行控制和跟踪。Jupyter AI支持Anthropic、AWS、Cohere和OpenAI等提供商。它旨在以道德的方式使AI易于使用，以增强Jupyter笔记本的体验。
💡 宣布OverflowAI
Stack Overflow宣布将AI能力整合到其公共问答平台Stack Overflow for Teams和新产品（如IDE扩展）中。功能包括语义搜索以找到更相关的结果，吸收企业知识以更快地启动内部问答，通过Slack聊天机器人访问Stack Overflow内容，以及通过VS Code扩展在开发人员的工作流中展示答案。他们的目标是利用社区的5800万+问题，同时通过对AI生成内容进行归属和透明度的保证来确保信任。目标是通过在上下文中连接开发人员与解决方案，负责任地利用AI来提高开发人员的效率。
💡 ChatGPT 更新
过去一周，ChatGPT进行了几个小的更新，以增强用户体验。这些更新包括引入提示示例，以帮助用户开始聊天，提供深度参与的建议回复，以及默认情况下使用GPT-4的首选项（Plus用户）。还引入了其他功能，如Code Interpreter beta版中的多文件上传（Plus用户）、新的保持登录功能以及一套键盘快捷键，以提高可用性。
文章
“文章”部分介绍了一系列关于人工智能的发人深省的文章。每篇文章深入探讨特定主题，为读者提供了对人工智能各个方面的洞察，包括新技术、革命性方法和开创性工具。
📰 我在3天内创建了一个AI应用
作者利用ChatGPT提示实验，仅用3天时间创建了一个名为Tally.Work的AI驱动的求职信生成网络应用，使用Bubble.io作为前端和OpenAI API生成文本。该应用接受用户的简历和职位描述作为输入，并输出一个定制的求职信。目标是构建一个具有潜在大用户群的应用。尽管AI生成的文本还不完美，但它可以帮助创建一个有用的初稿。作者相信AI将消除许多繁琐的任务，如求职信，并希望这个项目能帮助推动未来更有趣的AI应用。总的来说，它展示了一个人可以多快地使用无代码工具和AI API来构建和推出一个应用想法。
📰 在生产中部署生成模型的三个挑战
文章讨论了在生产中部署生成AI模型（如GPT-3和Stable Diffusion）时面临的三个主要挑战：庞大的模型大小导致高昂的计算成本，可能传播有害刻板印象的偏见，以及输出质量不一致，需要调整。解决方案包括模型压缩、在无偏数据上进行训练、后处理过滤器、提示工程和模型微调。总的来说，它概述了公司必须认真解决这些问题，以成功利用生成模型，同时避免潜在的不利影响。
工具
“工具”部分列出了社区创建的一些有用的应用程序和脚本，供那些想要从事实际人工智能应用的人使用。在这里，您将找到各种类型的工具，从大型综合代码库到小型专业脚本。请注意，这些工具是无任何背书的共享，不提供任何形式的保证。在安装和使用任何软件之前，请自行进行必要的调查！
🛠️ 机器人写作室
这个代码库展示了使用人工智能与人类协作进行头脑风暴和完善故事创意的方法。AI并不是要取代人类，而是作为创意伙伴，提供创意建议和进行研究。在每个步骤中，人类可以接受、拒绝或修改AI的建议。写作的一个主要挑战是构思创意。这个项目旨在通过提供一个创意伙伴来克服写作障碍。
🛠️ Gdańsk AI
Gdańsk AI是一个全栈AI语音聊天机器人（语音转文本，LLM，文本转语音），与Auth0、OpenAI、Google Cloud API和Stripe集成-Web应用程序、API和AI
研究亮点
“研究亮点”部分突出了人工智能领域的重要研究。这个部分包括突破性研究、探索新理论以及讨论人工智能领域的潜在影响和未来方向。
🔍 ToolLLM: 辅助大型语言模型掌握16000+现实世界API
本论文介绍了ToolLLM，一个增强开源大型语言模型工具使用能力的框架。它构建了一个名为ToolBench的数据集，其中包含49个类别的16000多个现实世界API相关的指令。ToolBench是使用ChatGPT自动生成的，并且人类参与很少。为了改进推理能力，作者提出了一种深度优先搜索决策树方法，允许模型评估多个推理路径。他们还开发了一个名为ToolEval的自动评估器，以高效评估工具使用能力。通过在ToolBench上微调LLaMA，他们得到了ToolLLaMA，在ToolEval上表现出很强的性能，包括推理到未见过的API。总体而言，ToolLLM为开源LLM解锁了复杂工具使用的方式。
🔍 MetaGPT: 多代理协作框架的元编程
本论文介绍了MetaGPT，一个改进大型语言模型在复杂任务上的多代理协作框架。它将现实世界的标准化操作规程纳入提示中，以指导多个代理的协作。像产品经理和架构师这样的角色生成符合行业惯例的结构化输出。共享环境和记忆使得知识共享成为可能。在软件任务上，MetaGPT生成的代码、文档和成功率都超过了AutoGPT和AgentVerse，显示了其将问题分解给专门代理的能力。标准化的工作流程和输出旨在减少对话中的不连贯。总体而言，MetaGPT展示了一种捕捉人类专业知识以应对复杂现实问题的方法。
