Context.ai,一家专注于为 AI 模型构建评估和分析工具的初创公司,于周二宣布,其联合创始人将加入 OpenAI。
根据公司网站上的公告,Context.ai 计划在此次收购后逐步停用现有产品。当被询问相关情况时,OpenAI 拒绝透露此次交易的具体条款。
公告中写道: “评估是构建高性能 AI 应用的必备环节,但目前要做到这一点仍充满挑战。我们花了两年的时间在 Context.ai 构建评估和模型分析工具——期间也经历了几次战略转型。对于能够开启在 OpenAI 的新篇章,我们感到无比激动,同时也衷心感谢所有曾经参与其中的人。”
Context.ai 由前 Google 员工 Henry Scott-Green(首席执行官)和 Alex Gamble(首席技术官)于 2023 年创立。同年,该初创公司从 GV 与 Theory Ventures 获得了 350 万美元的种子融资。
Context.ai 的旗舰产品之一是一款仪表盘,允许用户深入挖掘模型生成的数据,从而判断模型是否能够真正有效地回答查询。Context.ai 用户能够通过 API 分享对话记录,随后 Context.ai 会对这些记录进行分析,并根据主题将其分组和打标签。
Scott-Green 在 2023 年接受 TechCrunch 采访时表示:“我经常听到‘我的模型是个黑盒子’这句话。我们与数百名开发者交流时发现,他们普遍面临两个问题:一是不了解用户如何使用他们的模型,二是无法全面掌握模型的表现情况。”
截至 2023 年 8 月,Context.ai 拥有六名员工。目前尚不清楚该团队的实际规模是否有所变化,以及是否所有员工都将获得 OpenAI 的岗位。
在 X 平台上的一篇帖子中,Scott-Green 表示,他与 Gamble 将在 OpenAI 致力于开发“帮助开发者成功所必需的工具”,重点放在模型评估上。根据 Scott-Green 在 LinkedIn 上的资料,他现已成为 OpenAI 的产品经理,负责“构建评估工具”。
好文章,需要你的鼓励
这项研究由浙江大学、复旦大学等机构联合完成,提出了ReVisual-R1模型,通过创新的三阶段训练方法显著提升了多模态大语言模型的推理能力。研究发现优化的纯文本冷启动训练、解决强化学习中的梯度停滞问题、以及分阶段训练策略是关键因素。ReVisual-R1在各类推理基准测试中超越了现有开源模型,甚至在某些任务上超过了商业模型,为多模态推理研究开辟了新途径。
这项研究提出了一种名为"批评式微调"的创新方法,证明仅使用一个问题的批评数据就能显著提升大语言模型的推理能力。研究团队对Qwen和Llama系列模型进行实验,发现这种方法在数学和逻辑推理任务上都取得了显著提升,平均提高15-16个百分点,而且只需要强化学习方法1/20的计算资源。这种简单高效的方法为释放预训练模型的潜在推理能力提供了新途径。
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。