Google Gemini Pro：AI模型的新里程碑，开放API访问；Octo: 一个开源通用的机器人策略

AI新闻

Google Gemini Pro：AI模型的新里程碑，开放API访问

摘要：Google宣布推出了名为Gemini的AI模型，旨在使AI更加有用。Gemini分为Ultra、Pro和Nano三个版本，并已开始在产品中使用。Gemini Pro现已提供给开发者和企业使用，支持多种功能和语言，并提供SDK帮助开发应用程序。此外，Google还提供了Google AI Studio和Vertex AI等开发工具和平台。Gemini Pro目前免费使用，但将来可能会收费。

OpenAI重新开放ChatGPT Plus注册，周活用户数超过1亿

摘要：OpenAI首席执行官宣布重新开放ChatGPT Plus订阅，之前因使用量激增而暂停新用户注册。调查显示，ChatGPT被访问超过146亿次，占比超过60%。OpenAI还发布了GPTs和GPT-4 Turbo模型的预览，拥有更大的上下文窗口和更快的速度。ChatGPT已经成为流行的AI工具，被超过92%的财富500强企业使用。此举对于AI领域具有重要意义。

华中科技大学发布多模态大模型Monkey，实现对世界的“观察”

摘要：华中科技大学软件学院的VLRLab团队发布了名为“Monkey”的多模态大模型，能够对世界进行观察，对图片进行深入的问答交流和精确描述。Monkey模型在18个数据集上的实验中表现出色，特别是在图像描述和视觉问答任务方面超越了众多知名的模型。Monkey具有“看图说话”的能力，能够察觉其他多模态大模型所忽略的图像细节并进行准确的描述。此外，Monkey还能处理更大尺寸的图像，达到了其他模型所不能的分辨率。该模型代码已在GitHub开源。

南京农业大学发布“荀子”古籍大语言模型，支持古籍处理与研究

摘要：南京农业大学信息管理学院王东波教授研究团队发布了“荀子”古籍大语言模型，该模型包含了绝大多数传世古籍文献，拥有超过20亿字的大型语料库。该模型具备多项亮点，包括可以进行智能标引、信息抽取、诗歌生成、高质量翻译、阅读理解、词法分析和自动标点等功能。该模型可作为开源公益研究成果使用。本次发布受到了关注并具有重要性，对古籍研究和文化传承有着积极的影响。

谷歌发布AI神器Imagen 2 实现简单文本转图像

摘要：谷歌最新发布的AI模型Imagen 2，通过简单的自然语言描述，能够生成逼真的高清图像。Imagen 2拥有强大的机器学习算法和复杂的神经网络架构，能够理解并可视化复杂抽象的概念。与此前的模型相比，Imagen 2具有更高的准确性和细腻程度，能够以惊人的保真度生成各种场景的图像。这一技术的应用将深刻改变内容创作行业的规则，大大提高内容制作的效率和质量。Imagen 2的发布引起了广泛关注，被认为是文本到图像技术的巅峰之作。

AI知识

Octo: 一个开源通用的机器人策略

这篇文章介绍了名为Octo的开源通用机器人策略模型。Octo采用了Transformer-based的扩散策略，通过预训练和微调的方式，可以适应不同的机器人和任务。通过训练大量的数据集，Octo在多个真实机器人环境中进行了评估，表现优于其他已有模型，并且可以适应新的观测和动作空间。该模型的设计使其可以广泛应用于不同的机器人控制问题。

分析transformer模型的参数量、计算量、中间激活、KV cache

最近，OpenAI推出的ChatGPT展现出了卓越的性能，引发了大规模语言模型(Large Language Model, LLM)的研究热潮。大规模语言模型的“大”体现在两个方面：模型参数规模大，训练数据规模大。以GPT3为例，GPT3的参数量为1750亿，训练数据量达到了570GB。进而，训练大规模语言模型面临两个主要挑战：显存效率和计算效率。

更多AI工具，参考国内AiBard123，Github-AiBard123