总部位于帕洛阿尔托的新创公司 Inception,由斯坦福大学计算机科学教授 Stefano Ermon 创立,声称已开发出一种基于"扩散"技术的全新 AI 模型。Inception 将其称为基于扩散的大语言模型,简称"DLM"。
目前受到最多关注的生成式 AI 模型大致可分为两类:大语言模型 (LLM) 和扩散模型。基于 Transformer 架构的 LLM 主要用于文本生成。而扩散模型则为 Midjourney 和 OpenAI 的 Sora 等 AI 系统提供支持,主要用于创建图像、视频和音频。
据该公司介绍,Inception 的模型具备传统大语言模型的功能,包括代码生成和问答能力,但性能显著提升,且计算成本更低。
Ermon 告诉 TechCrunch,他在斯坦福实验室长期研究如何将扩散模型应用于文本。他的研究基于这样一个观察:与扩散技术相比,传统大语言模型相对较慢。
对于大语言模型,Ermon 表示:"在生成第一个词之前你无法生成第二个词,在生成前两个词之前你也无法生成第三个词。"
Ermon 一直在寻找将扩散方法应用于文本的方式,因为与按顺序工作的大语言模型不同,扩散模型首先对要生成的数据 (如图片) 进行粗略估计,然后一次性将数据聚焦成型。
Ermon 提出假设,使用扩散模型可以并行生成和修改大块文本。经过多年尝试,Ermon 和他的一名学生取得了重大突破,并在去年发表的研究论文中详细说明了这一成果。
认识到这项进展的潜力,Ermon 于去年夏天创立了 Inception,并邀请两位前学生——UCLA 教授 Aditya Grover 和康奈尔大学教授 Volodymyr Kuleshov 共同领导公司。
虽然 Ermon 婉拒讨论 Inception 的融资情况,但据 TechCrunch 了解,Mayfield Fund 已投资该公司。
Emron 表示,Inception 已经获得了包括未具名的财富 100 强企业在内的多个客户,这些客户都急需降低 AI 延迟并提高处理速度。
"我们发现我们的模型能够更高效地利用 GPU,"Ermon 提到这些在生产环境中常用的计算机芯片时说,"我认为这意味着重大突破。这将改变人们构建语言模型的方式。"
Inception 提供 API 接口、本地部署和边缘设备部署选项,支持模型微调,并提供一套适用于各种场景的开箱即用 DLM。该公司声称其 DLM 的运行速度可达传统大语言模型的 10 倍,成本则降低至十分之一。
"我们的'小型'编程模型与 [OpenAI 的] GPT-4 mini 性能相当,但速度快 10 倍以上,"该公司发言人告诉 TechCrunch。"我们的'迷你'模型性能超过 [Meta 的] Llama 3.1 8B 等小型开源模型,每秒可处理超过 1,000 个 token。"
"Token"是业内用语,指原始数据的基本单位。如果 Inception 的声明属实,每秒处理 1,000 个 token 确实是一个令人印象深刻的速度。
好文章,需要你的鼓励
Meta与特拉维夫大学联合研发的VideoJAM技术,通过让AI同时学习外观和运动信息,显著解决了当前视频生成模型中动作不连贯、违反物理定律的核心问题。该技术仅需添加两个线性层就能大幅提升运动质量,在多项测试中超越包括Sora在内的商业模型,为AI视频生成的实用化应用奠定了重要基础。
数据分析平台公司Databricks完成10亿美元K轮融资,公司估值超过1000亿美元,累计融资总额超过200亿美元。公司第二季度收入运营率达到40亿美元,同比增长50%,AI产品收入运营率超过10亿美元。超过650家客户年消费超过100万美元,净收入留存率超过140%。资金将用于扩展Agent Bricks和Lakebase业务及全球扩张。
上海AI实验室发布OmniAlign-V研究,首次系统性解决多模态大语言模型人性化对话问题。该研究创建了包含20万高质量样本的训练数据集和MM-AlignBench评测基准,通过创新的数据生成和质量管控方法,让AI在保持技术能力的同时显著提升人性化交互水平,为AI价值观对齐提供了可行技术路径。