扩展的咨询专家网络将帮助客户最大化生成式人工智能投资，优化计算和实施成本
今天，IBM（NYSE: IBM）宣布它已扩展了咨询服务和解决方案，以帮助客户从甲骨文的云应用和技术中获得更大价值，并采用开放的、协调一致的方式扩展生成式人工智能。{ width=60% }

---

根据 IBM商业价值研究所的新研究，计算支出成本的平均增长预计在2023年至2025年间将增长89%。此外，42% 的高管报告称，专业知识的不足可能妨碍生成式人工智能的进展。

为帮助客户应对这些不断增长的挑战，IBM Consulting 正在启动一个扩展的顾问网络，以支持包括数千名全球顾问在内的 Oracle 客户，这些顾问在核心甲骨文技术（如OCI生成式人工智能、OCI AI服务和OCI数据科学）方面拥有认证，并且在IBM watsonx AI 和数据平台方面拥有深厚的技能。

这些顾问将致力于帮助客户扩展高价值的生成式人工智能用例，结合传统人工智能和自动化解决方案，旨在最大化他们的投资回报，并优化计算和实施成本。这包括帮助客户选择并部署适合其独特需求的AI模型，包括企业级模型，如IBM Granite、开源模型或其他第三方模型。凭借他们在IBM watsonx以及IBM的开放商业伙伴生态系统技术方面的深厚技能，IBM的顾问可以帮助指导客户围绕技术架构、生成式人工智能和软件许可、数据和分析架构、安全风险等关键决策，以增强其工作流程的自动化，并帮助建立更强大和更具成本效益的技术基础，用于开发和部署生成式人工智能应用。

此外，IBM刚刚宣布了其收购 Accelalpha 的意向，Accelalpha 是一家全球甲骨文服务提供商，具有深厚的专业知识，帮助客户数字化核心业务运营，加速采用甲骨文云应用，进一步扩展了IBM的甲骨文咨询专业知识。

“我们的客户渴望拓展生成式人工智能计划，但他们也担心计算成本上升、缺乏内部AI技能、AI助手的泛滥以及管理监督,”IBM Consulting 全球甲骨文实践负责人科林·柯珀尔（Corinne Koppel）说。“我们很自豪能为客户提供更多技能和解决方案，帮助他们优化与甲骨文全套生成式人工智能技术的投资，利用开放架构。”

帮助拓展 Oracle Fusion Applications
IBM Consulting 已经帮助甲骨文客户在人力资源、采购和采购、金融以及公共部门等领域的解决方案中应用生成式人工智能、传统人工智能和自动化，以补充Oracle Fusion Applications内置的人工智能功能。例如，IBM Consulting 已经帮助Oracle Fusion Applications客户扩展了在人力资源、采购和采购、金融以及公共部门等方面的使用案例。

通过IBM Consulting Advantage加速客户的时间到价值
支持Oracle客户的IBM顾问将带来基于人工智能的参与平台IBM Consulting Advantage，帮助加速客户的时间价值，提高一致性、可重复性、质量和交付速度。

例如，IBM Consulting 已经通过IBM Consulting Advantage中的生成式人工智能驱动资产扩展了其OCI迁移和现代化能力，以帮助客户快速将他们的应用程序和数据迁移到OCI。IBM 的顾问使用基于资产的迁移方法，支持客户从发现和设计到构建、迁移、测试和部署的全过程。

IBM和Oracle已有38年的合作伙伴关系，涵盖技术和服务，继续发现 Red Hat 和 Oracle 最近宣布 Red Hat OpenShift 混合云应用平台在OCI上的可用性等新合作机会。甲骨文也是AI联盟的一部分，该联盟由IBM于2023年创办。AI联盟汇集了跨行业、初创企业、学术界、研究机构和政府的领先组织，以支持人工智能领域的开放创新和开放科学。

凭借跨越战略、体验设计、技术和运营的深厚行业专业知识，IBM Consulting 是业务转型的催化剂，是全球最具创新性和价值的3000多家公司的信赖伙伴。我们的16万名顾问采纳开放工作方式，汇集了多样化的声音、经验和技术，如混合云和人工智能，加速商业转型。在IBM Garage的支持下，我们的经过验证的协作式参与模型，将速度和规模带给创新，为解决一些世界上最复杂的挑战提供技术领导者的持久解决方案。

关于IBM未来方向和意图的声明可能会更改或撤回，不经通知，仅代表目标和目标。

---

---

感谢阅读！如果您对AI的更多资讯感兴趣，可以查看更多AI文章：GPTNB。

Opus的创新引擎整合了人工智能驱动的智能、环境数据和自动决策，推动精确、高效的漏洞修复。{ width=60% }

---

Opus Security，统一的基于云的补救解决方案领导者，今天宣布推出其先进的多层次优先级引擎，旨在彻底改变组织管理、优先级别和修复安全漏洞的方式。利用人工智能驱动的智能、深度环境数据和自动决策能力，这一创新引擎帮助组织优先处理最关键的漏洞，增强安全姿态和运营效率。

漏洞修复中的突破性进展安全团队面临着需要快速处理来自多个攻击面的多个工具的警报的压力。这些可能包括重复的警报或微不足道的结果，团队必须决定先处理哪一项，但缺乏信息、上下文和能力。安全团队难以识别和解决最关键的问题，开发人员在没有足够时间和范围的情况下专注于安全修复—尤其当不清楚什么是重要的、什么是微不足道的时。由于优先级不佳而经常被重复或无关的警报困扰，开发人员经常会被警报淹没—导致时间浪费，增加摩擦和沮丧。
Opus Security的先进多层次优先级引擎是漏洞管理的一种革新性方法。通过整合多层次智能、环境分析和风险缓解，该引擎确保安全团队能够有效地优先处理最关键的漏洞，降低风险，增强运营效率，并支持整体业务目标。该引擎将传统漏洞严重程度评分与动态可利用性分析、详细环境上下文和自动决策过程相结合，提供了一种强大的漏洞排名方法。

这个引擎的一个关键组成部分是基于人工智能的漏洞智能层，它超越了传统的严重程度评分。该层利用了超过700个实时威胁情报源，建立了对每个漏洞风险的深入而细致的理解。通过整合来自暗网论坛、社交媒体、开源工具、利用数据库和活跃威胁活动等来源的智能，引擎可以以前所未有的准确性标记高风险问题。这种智能驱动的方法确保组织了解漏洞及其在野外被利用的可能性，从而允许进行积极和知情的修复工作。

使用一个五层框架，该引擎首先进行基础严重性评估，聚合来自领先安全工具和公共数据库的严重性评分，以确保没有忽略任何关键漏洞。接下来，基于人工智能的漏洞智能层利用实时威胁情报根据漏洞被利用的可能性标记高风险问题。环境上下文层然后根据漏洞对特定业务功能的相关性对漏洞进行优先级排序，首先保护关键系统，特别是处理敏感数据的系统。该引擎是首个支持真实SSVC决策的产品。这有助于团队根据受影响环境的严重性、可利用性和关键性将漏洞分类为特定的响应措施。最后，风险定制层允许组织根据其独特的风险承受能力和运营需求定制优先级排序。

此外，Opus Security推出了轻松数据查询功能，允许用户使用自然语言与平台进行互动。这一功能使用户能够根据特定关注点快速细化漏洞列表，并利用先进的人工智能驱动的见解做出精确的数据驱动决策。

创造价值和运营卓越性该引擎的多层次方法确保通过将实时智能与详细上下文分析相结合，融合出前所未有的风险管理精度。这种整合实现了SSVC决策，使安全团队能够专注于真正重要的漏洞，减少忽略关键漏洞的可能性。

Opus通过深入了解组织结构、关键服务和风险配置，将安全决策与业务优先事项保持一致，推动着以上下文为基础的决策，保护关键资产，并直接支持战略目标。

“Opus的新先进多层次优先级引擎在漏洞修复中是一个改变者，大大简化、优化了整个流程。该引擎优先处理最具风险的漏洞，降低整体安全成本，并帮助安全和开发团队避免不必要的低风险问题修复，”Opus Security的CEO Meny Har说。“减少开发和安全团队之间的摩擦，推动更顺畅的协作，确保安全措施不会阻碍开发流程，意味着所有团队可以专注于重要事项和修复重要问题。”。

---

---

感谢阅读！如果您对AI的更多资讯感兴趣，可以查看更多AI文章：GPTNB。

Hippocratic AI和Adtalem全球教育合作，设计教育课程旨在培训和认证临床人员如何在医疗保健中使用人工智能。{ width=60% }

---

Hippocratic AI是一家为医疗保健打造第一个以安全为重点的大型语言模型（LLM）的公司，今天宣布与Adtalem全球教育（纽约证券交易所：ATGE）合作，开发全面的教育资料套件，培训临床人员如何在医疗保健中使用人工智能。
此次合作独特地将护士的实际经验与人工智能的先进能力结合起来。这样做为医疗保健专业人员提供了必要的技能，使他们能够有效评估、导航和在患者护理中道德地使用人工智能工具，弥合技术和临床实践之间的鸿沟。
“这种伙伴关系在推动领先技术的应用方面至关重要，它有助于增强学术成果和患者护理结果的双重力量，” Chamberlain大学校长Karen Cox博士表示。“与Hippocratic合作设计和开发这一尖端课程，强化了Adtalem的获取使命，因为它为学生提供了所需的教育和技术技能，以确保他们毕业时成为能实践的临床医师。”
这一合作强调将临床知识与技术创新相结合的重要性，确保课程和共同开发的认证在技术方面健壮，并与当今医疗环境的需求高度相关。随着人工智能在医疗保健中发挥越来越关键的作用，这一认证将作为一个强有力的凭证，使专业人士通过有效地使用和监督医疗环境中的人工智能系统保持行业前沿。
“我们很荣幸与领先机构Adtalem的Chamberlain大学和Walden大学合作，创建首个专注于护士在理解、整合和监督人工智能方面的AI认证，” Hippocratic AI首席护理官Amy McCarthy博士表示。“这个项目将赋予下一代医疗保健专业人员利用人工智能潜力的能力，最终改善患者结果，推动医疗保健领域的发展。”
计划涵盖培训计划的主题包括但不限于人工智能和生成式人工智能、人工智能工具和技术、护理应用、将人工智能整合到临床工作流程中、伦理考虑和监管考虑，等等。该课程将设计具有基础模块，随着时间的推移逐步升级内容以应对人工智能技术的新发展和新需求。所创建的材料将无缝地整合到Chamberlain大学和Walden大学的现有课程中，预计将于2025年春季推出，并合格的学生将在完成后获得认证。
“Hippocratic AI以‘不做伤害’为名的承诺认为，护士在确保人工智能对患者参与跨范围的临床使用案例安全和有效中发挥着重要作用，” Hippocratic AI首席医疗官Meenesh Bhimani博士表示。“接受人工智能培训的护士将更能够培训、使用和评估我们及其他公司未来的AI产品。”。

注意：Title、Date、Body 三个部分的内容，放入到对应的位置。最后只需要输出为Makedown源文件格式内容。

感谢阅读！如果您对AI的更多资讯感兴趣，可以查看更多AI文章：GPTNB。

Datadog提供对Oracle Cloud Infrastructure、本地和其他云环境的可见性Datadog, Inc. (NASDAQ: DDOG)，云应用程序监控和安全平台，是Oracle PartnerNetwork的成员，今天宣布Datadog监控适用于Oracle Cloud Infrastructure（OCI）的一般可用性，这使Oracle客户能够使用跨其基础架构、应用程序和服务的上下文信息监控OCI上的企业云原生和传统工作负载。{ width=60% }

---

通过此次发布，Datadog帮助客户在自信地从本地环境迁移到云环境，执行多云策略并监控AI/ML推断工作负载。Datadog监控适用于Oracle Cloud Infrastructure帮助客户：获得对OCI和混合环境的可见性：团队可以通过使用Datadog针对20多个主要OCI服务和750多种其他技术的集成来收集和分析来自其OCI堆栈的指标。此外，客户可以使用可自定义、可拖放且直接可用的仪表板和监视器以及几乎实时地可视化OCI云服务、本地服务器、虚拟机、数据库、容器和应用程序的性能。监视AI/ML推断工作负载：团队可以监视并接收关于GPU的使用和性能的警报，调查根本原因，监视操作性能以及评估LLM应用程序的质量、隐私和安全性。获取应用程序的代码级可见性：实时服务地图、AI驱动的合成监视器以及关于延迟、异常、代码级错误、日志问题等的警报为团队提供对其应用程序健康和性能的更深入了解，包括使用Java的应用程序。Datadog的产品副总裁Yrieix Garnier表示：“通过今天的发布，Datadog使Oracle客户能够通过单个面板统一监控OCI、本地环境和其他云端，这有助于团队在执行自信地从本地环境迁移到云端，实施多云策略时，了解他们可以监控服务并排，可视化迁移的各个阶段的性能数据，并立即确定服务依赖关系。”

---

---

感谢阅读！如果您对AI的更多资讯感兴趣，可以查看更多AI文章：GPTNB。

Respondents also report up to 225% return on investment on their mainframe transformation initiatives in one year
Mainframes continue to play a critical role in hybrid IT environments
Kyndryl (NYSE: KD), the world’s largest IT infrastructure services provider, today released the results of its second annual State of Mainframe Modernization Survey, declaring that 2024 is the year of AI adoption on the mainframe. The survey also reaffirmed that while modernization projects are delivering significant financial benefits, many organizations continue to face skills shortages, preventing the transformation of complex, mission-critical systems.
As business leaders face economic, competitive, technological and regulatory challenges, they are increasingly seeking to transform and derive new value from their IT estate, including the mainframe. Kyndryl’s survey among 500 business and IT leaders reveals that 86% of respondents are quickly adopting AI and generative AI to accelerate their mainframe modernization initiatives. A third of respondents indicated that the platform has become a foundation for running AI-enabled workloads. Additionally, almost half aim to use generative AI to unlock and transform critical mainframe data into actionable insights.
“Mainframes continue to occupy a central role in the hybrid world and are evolving to serve new use cases, with AI and security increasingly influencing modernization plans. Kyndryl is at the forefront of this trend, providing mission-critical expertise to help customers achieve their goals,” said Petra Goude, Global Practice Leader for Core Enterprise & zCloud at Kyndryl. “By working with partners on their mainframe modernization and AI journey, businesses can unlock new opportunities, enhance resiliency, mitigate skills challenges and drive better outcomes. This way, mainframes can continue to thrive and provide strong business value in hybrid environments.”
According to the survey respondents, IT modernization projects and patterns are yielding substantial business results, including triple-digit one-year return on investment (ROI) of 114% to 225% and collective savings of $11.9 billion annually. Almost all organizations have opted for a hybrid IT strategy — a combination of modernizing on the mainframe, integrating with public/private cloud, and moving applications and data off the platform. Furthermore, 96% of respondents are migrating some workloads — on average 36% — to the cloud.
New this year, respondents identified enterprise-wide observability as critical to effectively leveraging all data across their hybrid IT environment. In fact, 92% of respondents indicated that a single dashboard is important for monitoring their operations, but 85% stated they find it difficult to do this properly. Kyndryl Bridge provides an AI-powered open integration platform that can solve this challenge, helping organizations gain enhanced observability, orchestration and efficiency into their entire technology environments.
The survey also confirmed that many respondents are still grappling with a skills shortage, especially in new areas such as generative AI that can facilitate mainframe transformation and help alleviate the skills gap. In addition, security skills are in high demand due to increasing regulatory compliance requirements, with almost all respondents flagging security as the key factor driving modernization decisions. With this increased pressure, the survey revealed that 77% of organizations are using external providers to deliver mainframe modernization projects.
This second annual global survey of senior business and IT leaders provides insights into the current and future role of the mainframe in hybrid IT, and how it continues to transform. To learn more about how respondents view mainframe transformation and application modernization, as well as the challenges, risks, and benefits related to their initiatives, read Kyndryl’s 2024 State of Mainframe Modernization Survey Report.。{ width=60% }

---

请先将这篇文章翻译为中文，Title部分内容需要翻译为中文。最后只需要输出为Makedown源文件格式内容。

---

---

感谢阅读！如果您对AI的更多资讯感兴趣，可以查看更多AI文章：GPTNB。

面对来势汹汹的AI，很多家长都受到了“被熊追”故事的启发，希望让孩子成为第一批用上AI、跑得更快的那一个。所以毫不意外是，大模型技术首先就在教育领域开始落地。

---

近两年，我们看到了大量“大模型+教育”的创新，AI改作文、识别错题、口语训练……各种教育场景都在积极跟大模型结合，让家长买单。可很多所谓的AI大模型能力及硬件，真的发挥出提高学习效果的实用价值了吗？恐怕要打一个问号。教育是一个非常严肃的场景，仅仅停留在浅层功能的结合是远远不够的，还需要深入学习流程和教育规律中去，让大模型真正帮助学习提质增效。国內最早提出“精准学”概念的AI教育公司，最近打造了中国首个语音端到端教育…

从这个案例中，我们可以看到，大模型AI与教育场景的深度结合是怎样的？为什么说大模型的科技赋能，有望实现教育普惠？“大模型+教育”这个新风口瞬间打开，引来了科技企业、教育机构、在线教育平台等各路厂商的重点关注。但仔细一看会发现，绝大多数“大模型+教育”的探索，仍然集中在自学场景。由学生主导的自学场景，大模型确实起到一些提高效率的作用，比如利用大语言模型来修改作文，利用视觉大模型来拍照搜题，在学习机上选择科目观看视频辅导…但人和人的学习能力是不一样的，对很多学生来说，不配个老师，很难在45分钟或一小时时间内集中注意力，也没人及时答疑解惑，无法高效吸收知识，自然很难保证学习效果。所以，由老师主导的一对一教学场景，才是真正的重头戏。但传统的一对一教学，只能由真人教师来进行。线下一对一教学太贵，一些地方也找不到优质师资；线上一对一教学点播，录…

为家长减负，让一对一教学不再是遥不可及、高不可攀的服务，这可能吗？AI大模型就带来了曙光。由AI化身老师，来主导授课场景，跟学生互动，把控教学流程，也可以提升一堂课时间的学习效果。听起来很美，但实现起来却难度颇高。我们可以把由AI老师主导的一对一教学服务场景拆分一下，每个关卡都存在挑战。关卡一：看不懂。跟学生进行对话时，理解能力不够，看不懂题目，因为“幻觉”导致错误，市面上的通用大模型，面对一道带有分数线、根号、化学符号等公式的题目，做对的概率都很低，需要垂直大模型。关卡二：讲不好。语音机械化，有延迟，对话不流畅。学生无法像跟真人老师一样交流，容易失去跟AI老师对话的兴趣。关卡三：不会教。模拟上课辅导流程，从开场、知识点讲解、来回互动、抽查、激励、收尾等整个环节都把控节奏，需要大模型掌握跟专业教师一样的知识教授技能，以及察言观色的能力。其中涉及大量的知识know-how。大模型即使能做对题目，也未必会教学。让AI一对一教学进入寻常百姓家，基础模型、专有数据、知识、精调等，缺一不可。所以，市面上一直缺少一个以AI虚拟老师来主动引导教学的“大模型+教育”案例，直到精准学的“心流知镜-s(V02)”出现。精准学携手通义千问铸就的国内最强垂直教育模型之一心流知镜，已经搭载在Bong Max 原生代AI辅学机上，提供专业化AI老师一对一学习服务。“心流知镜”大模型，就是AI老师一对一教学的“灵魂支柱”。在此基础上，精准学为AI虚拟老师赋予了关键能力：更懂教学的“大脑”，精准学搭建的先进数据工程管道，有超200亿令牌（Tokens）高质量辅学数据，结合了阿里巴巴通义千亿级别模型，由百炼训练平台的多机多卡GPU集群的协同训练出的“心流知镜”大模型，是垂直教育大模型之一，具有更强的理解能力，让模型能够听懂言外之意。比如让AI来听懂老师的意思、语气、言外之意，再对学生进行辅导，情绪价值到位，注意力也就被牢牢牵引了。更全面的“眼睛”，实现多模态解题和辅学。更亲切的“形象”，仅需10小时的视频数据训练，创建专属风格的高清AI老师，以每秒50帧的速度进行实时、低延迟的互动辅学。借助端到端的低时延，让语音互动跟真人一样自然亲切、更富有魅力。倒计时点名问答、鼓励式情感回应，全都不在话下，让学生跟AI老师上课时专注度更高。更专业的“技能”，AI老师具备超20种个…
…

Source: 原文链接

感谢阅读！如果您对AI的更多资讯感兴趣，可以查看更多AI文章：GPTNB。

每年总有几首流行歌曲传遍大街小巷，这些歌曲大多旋律上口，歌词动人。
然而最近的洗脑神曲的画风开始变味了。

---

比如看看这个歌词：
我是逆蝶 逆风飞翔的蝶
就算轰轰烈烈 也要到达终点
我是逆蝶 自由翱翔的蝶
不畏光的炙烈 终会顶峰相见
…
乍一看非常励志，但你细品，你细品。
咱就听个歌，怎么还占我便宜呢。
这首歌依靠“逆蝶”这个谐音火了，网友们争先恐后把歌曲分享给自己的朋友，生怕发晚了，辈分就低了。
不知道在音乐界，是不是谐音梗和伦理梗不扣钱，《我是逆蝶》之后，又出现不少类似的歌曲，像什么《我是逆马》《我是逆叶》《笋子》《我是泥巴》等等，主打一个歌是好歌，词就不一定了。
关键这些歌曲调基本一模一样，旋律还朗朗上口，主打一个听一遍就会唱，0帧起手猝不及防。
音乐平台中，还有人将这类歌纳入同一个歌单，被戏称为“族谱歌单”。
…

…

AI音乐的热度没有AI写作/问答，AI作图，AI做视频那么大，但不声不响间已经在互联网上占据了一席之地。
在B站以“AI音乐”为关键词搜索一下，不但有教程，连简史都出视频了。
…

而且AI音乐是与传统音乐平台融合得最好的一个AI领域。隔壁AI作图虽然进行的如火如荼，但大部分公司都秘密进行，也担心被用户看出来。
AI音乐在中国两个主流的音乐平台，QQ音乐、网易音乐平台连AI专区都出来了。
…

AI音乐主要的玩法有两种，第一种是用自己的声音训练AI，随后AI会模仿你的声音唱歌。
在QQ音乐“AI帮你唱”专栏中，给了3种克隆音色的方式，解锁后就可激情开麦，不光能自己唱还可以和明星合唱。
…

另一种玩法是纯AI音乐，而其中又以suno ai为代表。
在网易云音乐的suno ai专区，可以看到suno翻唱了很多歌曲，不光有儿歌、流行歌曲，中文、英文、日文歌曲都不在话下。
…

AI搞“创作”最大的问题在于版权纠纷，在这些版权大户眼中都不是问题，毕竟谁有他们买的多。
回到AI音乐的制作上，其实和AI作图一样，都是通过关键词描述你想要的音乐风格和感觉。
我们以国内比较火的豆包和天工AI为例。
豆包可以指定歌曲的情绪、风格和人声三个要素，歌词也可以指定一个主题让AI帮你完成，或者自己写。
…

天工AI音乐这边，创作自由度比较高，可以完全自由生成歌曲，只需要用户输入一句话。此外，天工还提供了一些模板，预设的关键词。
…

AI普及还得看段子手，反正让硅基君迫不及待想学学AI的，是下面这个视频：
…

感谢阅读！如果您对AI的更多资讯感兴趣，可以查看更多AI文章：GPTNB。

文章来源：数字生命卡兹克

现在的大模型榜单上，真的都是水分。
全是作弊的考生，真的。

---

上周，AI圈有个很炸裂的大模型发布，在全网引起了山呼海啸，一众从业者和媒体尊称它为开源新王。
就是 Reflection 70B。

在每项基准测试上都超过了 GPT-4o，还只用70B的参数，就击败了405B的Llama 3.1，模型中还有一个叫「Reflection-Tuning」的技术，能让模型能够在最终回复之前，先识别自己有没有错误，如果有，纠正以后再回答。

其实这个东西当时我就很存疑，因为在我的理解里，这玩意，就是个CoT，就是个纯Prompt，一个Prompt把70B模型直接带的螺旋升天？
你这玩意，真要是能做到，奥特曼就真的直接原地给你磕头了。。。

最关键的是，还有一个很离谱的点，这个模型就两个人做，而且，从一拍即合、到找数据集、到模型微调完成并正式发布，一共就花了3周。
这效率，这速度，直接卷的螺旋升天，国内大厂速度没卷到这个地步…

直到昨天，发现这模型底都快被人扒掉了。
模型结果造假，提供给开发者的API，还是造假。

先是跑分评测上面，这是他们老板Matt自己发出来的跑分结果，勇夺第一。

看这个结果，你就说屌不屌吧，拳打Claude3.5，脚踢GPT-4o，还把Gemini1.5 Pro和Llama3.1 405B给摁在地上摩擦。
你很难想象这只是一个两个人花三周训的70B的模型能干出来的事。

直到7号，Artificial Analysis用他们自己的标准评测集跑了一通，发现这事不对啊，你这么多项评测集都登顶了，你应该很牛逼才对啊，这得分什么情况？？？

他们是这么说的：

“哥们，我们测完了咋感觉你比Llama3.1 70B更拉了呢？老实说，你是不是在骗兄弟们。”

Matt看到了以后，开始说卧槽不对劲啊，我们内部是好的啊，怎么你们测试结果这么烂？

花了好半天，Matt终于说，哦是 Hugging Face 权重出现了问题，我也不知道咋回事，你们等一等。

说完还不忘凡尔赛一下，说：

翻译一下就是：我们是在太太太太火啦，你们再等等啊，乖。

直到今天凌晨，最骚的事情来了，Matt说，我们终于解决了问题，开放了新的API。

他们提供了一个私有接口，说这个才是Reflection 70B完全体。

大家一测，卧槽，果然牛逼，牛逼炸了。

真的好像比GPT4o还有那些大厂的模型强哎。

就差点直接给Reflection 70B开香槟了。

2个人，3周时间，创了AI行业的奇迹。

但是大家香槟刚开一半，就被生生的摁回去了。

大家发现，这个所谓的“Reflection 70B”的API，怎么跟Claude3.5回复的东西，一模一样。。。

于是有人，又做了一个验证测试，他把所有API的参数全部设为10个Token、0温度、top_k 1，然后让大模型，重复entsprechend这个词20次，因为大模型对token的计算都不太一样，所以其实10个token限制输出的内容也不太一样，你既然说你是基于Llama3.1微调的，那你肯定得跟Llama3.1输出内容一样对吧。

但是，结果直接让人大跌眼镜。

好兄弟，你怎么，跟Claude的长度一样，你到底是Llama3.1生出的Reflection 70B，还是披着狗皮的Claude啊？？？

更狗的是，他们居然，还把Claude设成了屏蔽词，在用户的对话中，一旦你发Claude，就直接剔除。

骚啊，实在是太骚了。。。

这下，所有AI行业的人，都知道，Reflection 70B就是一场彻头彻尾的闹剧。

这个闹剧背后，我觉得反应出了现在整个AI领域，一个非常诡异的现象。

刷榜。
回到整个事情的起点，就是模型能力的强度，和榜单。
正是因为Reflection 70B在评测集上屠榜了，秒杀Claude3.5和GPT4o，才让大家如此兴奋。

但是结果大家发现，卧槽你怎么就做那些特定评测集的题目那么牛逼？换个别的题就直接变废物了？不是细狗你行不行啊？
直接对着答案抄，还不行，那不扯淡吗。

大模型目前的评测体系，从来就不复杂，就是考试，纯纯的考试。
评测数据集相当于试卷，模型就是正在考试的学生，最后交卷，看谁的分高。
听…

感谢阅读！如果您对AI的更多资讯感兴趣，可以查看更多AI文章：GPTNB。

文章来源：新硅NewGeek
作者：董道力

每年总有几首流行歌曲传遍大街小巷，这些歌曲大多旋律上口，歌词动人。

然而最近的洗脑神曲的画风开始变味了。

---

比如看看这个歌词：

我是逆蝶 逆风飞翔的蝶
就算轰轰烈烈 也要到达终点
我是逆蝶 自由翱翔的蝶
不畏光的炙烈 终会顶峰相见
…

乍一看非常励志，但你细品，你细品。

咱就听个歌，怎么还占我便宜呢。

这首歌依靠“逆蝶”这个谐音火了，网友们争先恐后把歌曲分享给自己的朋友，生怕发晚了，辈分就低了。

不知道在音乐界，是不是谐音梗和伦理梗不扣钱，《我是逆蝶》之后，又出现不少类似的歌曲，像什么《我是逆马》《我是逆叶》《笋子》《我是泥巴》等等，主打一个歌是好歌，词就不一定了。

关键这些歌曲调基本一模一样，旋律还朗朗上口，主打一个听一遍就会唱，0帧起手猝不及防。

音乐平台中，还有人将这类歌纳入同一个歌单，被戏称为“族谱歌单”。

励志、简单，这么好用的歌，相信不久后会出现在各种正式场合，当校长在主席台上聆听学生合唱《我是逆蝶》，画面太美不感想。

玩梗之余，也有不少网友开启自己的脑洞，编写了“谐音”创作。像什么《逆梅》《你打野》，补全的族谱，让歌曲辈分更加清晰。

也有用“笋子、逆蝶、逆马”写的小说，剧情颠沛流离，令人动容。

有网友发现这些歌曲的特点，并且总结成公式，把写歌词变成了填空题。

既然能有公式，能填空，AI就有话要说了：这活我熟。

其实《我是逆蝶》歌曲刚火就有人质疑是AI作词作曲，主创人员感觉AI做得还不错，就修改一下，直接发布。

虽然这颇有开天辟地意味的“首作”到底是不是AI创作，还得等主创自己来澄清，但已经有网友用AI做出了类似的歌曲

效果基本一样。

B站网友@异界画师用AI做了一首谐音梗歌《逆行逆上》，主打的还是看似励志，实则在嘲讽“你行你上”。

硅基君听后感觉还挺像那么回事的，感兴趣的读者可以听一下。

原本作一首歌需要作词、作曲、歌手等一群人花不少时间才能完成，哪怕是我们吐槽的口水歌，起码也要几周吧。

有了AI的帮助，一个人就是一个团队，歌曲制作周期也缩短成一天。

导致的后果就是，网友利用AI音乐整活的效率达到了新高度。

比如这首《父亲买的极氪》，极氪发布会是8月13号开的，up主的歌是8月13号发的。

虽然极氪车子更新快，再快也没AI快，以后极氪设计师换成AI，一年能磨365剑。

《黑神话》发售不久，就有不少网友用AI进行音乐创作，不光有用邓丽君声音翻唱，也有原创歌曲。

网友常用吐槽的方式，要么做表情包，要么做鬼畜视频，如今在AI加持下，把心声用歌曲写/唱出来，也在可选工具内。

AI音乐的热度没有AI写作/问答，AI作图，AI做视频那么大，但不声不响间已经在互联网上占据了一席之地。

在B站以“AI音乐”为关键词搜索一下，不但有教程，连简史都出视频了。

而且AI音乐是与传统音乐平台融合得最好的一个AI领域。隔壁AI作图虽然进行的如火如荼，但大部分公司都秘密进行，也担心被用户看出来。

AI音乐在中国两个主流的音乐平台，QQ音乐、网易音乐平台连AI专区都出来了。

AI音乐主要的玩法有两种，第一种是用自己的声音训练AI，随后AI会模仿你的声音唱歌。

在QQ音乐“AI帮你唱”专栏中，给了3种克隆音色的方式，解锁后就可激情开麦，不光能自己唱还可以和明星合唱。

另一种玩法是纯AI音乐，而其中又以suno ai为代表。

在网易云音乐的suno ai专区，可以看到suno翻唱了很多歌曲，不光有儿歌、流行歌曲，中文、英文、日文歌曲都不在话下。

AI搞“创作”最大的问题在于版权纠纷，在这些版权大户眼中都不是问题，毕竟谁有他们买的多。

回到AI音乐的制作上，其实和AI作图一样，都是通过关键词描述你想要的音乐风格和感觉。

我们以国内比较火的豆包和天工AI为例。

豆包可以指定歌曲的情绪、风格和人声三个要素，歌词也可以指定一个主题让AI帮你完成，或者自己写。

天工AI音乐这边，创作自由度比较高，可以完全自由生成歌曲，只需要用户输入一句话。此外，天工还提供了一些模板，预设的关键词。

AI普及还得看段子手，反正让硅基君迫不及待想学学AI的，是下面这个视频：

感谢阅读！如果您对AI的更多资讯感兴趣，可以查看更多AI文章：GPTNB。

本文来源：AI先锋官
作者：子川

一年一度的科技春晚来袭！
北京时间凌晨1点苹果召开2024苹果秋季发布会，推出了iPhone、AirPort、Apple Watch等一系列产品。
其中的重头戏无疑是Apple Intelligence。

---

AI 真的等于Apple Intelligence 么？

Apple Intelligence基石：芯片升级和云计算技术
想要在设备端运行Apple这类智能体，不仅需要超强的芯片，还需要有能容纳并快速运行大模型的内存和宽带。
为此，Apple此次芯片直接从iPhone15的A16仿生芯片跃升到A18，跨越两代。

此款芯片专门为iPhone16设计，系统内存宽带提高了17%.

这让 iPhone16比iPhone15 CPU快30%，比iPhone12快60%。

苹果还推出了专门的Private Cloud Compute云计算技术，以让生成式模型在特别打造的服务器上运行。

Apple Intelligence的 N 个场景
** 定制Genmoji表情包：** 通过文字描述，就能自由定制表情包

** 随时润色文字：** 只要在Apple上任何有输入法的地方，就能随时随地的润写文案.

** 很智能的图片搜索：** 面对图库中海量的图片，只需描述图片中的元素，就能找到对应的照片.

还能搜索视频中的画面.

** 还能在Image Playground中还生成有趣的原创图像**

** 生成回忆视频：** 只要把脑海里的场景写下来，Apple Intelligence就会搜索出相关的视频和图片，并生成对应的视频.

** 邮件自动摘要：** 自动总结邮件的消息生成摘要，并优先将时间更早的消息放到收件箱的顶部.

** 录音转文本：** 当会议录音时，Apple Intelligence会根据转化的文本，提炼出内容摘要.

** 更自然，更应景，更懂你的Siri：** 在Apple Intelligence的加持下，Siri也变得更智能。
即使说话不流利，Siri也能理解我们的意图.
还能识别屏幕中的内容，比如朋友发过来一张专辑，直接说播放就可以.

还能让语音对话Siri给你的联系人换一个新地址，在某个相簿中加一组照片等等.
还能控制Siri将周六拍的烧烤照片发Erice，Siri就会自动找到对应照片并发给Erice.

** 视觉智能：** 它能帮你了解周围的环境，并能快速解答你的问题.
拍某个餐厅，iPhone就自动弹出餐厅的信息.

在墙上的海报看到一个有意思的活动，拍一下，就能知道该活动的详细信息.
不仅如此，iPhone的相机控制功能还融入第三方工具，比如：在街上看到一款喜欢的自行车，拍个照就能上Google搜同款.
遇到学术难题，还能调用ChatGPT来回答.
不过此类调用第三方工具功能会在今年晚些才会到来.
大家觉得iPhone16搭载的Apple Intelligence如何？
值得注意的是，首批功能会随着Beta版在下个月推出，另外一些功能需要再过几个月才会相继推出.
会优先推送给美国，12月份将陆续扩展到加拿大、新西兰、英国等地。
而中文版的Apple Intelligence却要等到明年，或更往后.

感谢阅读！如果您对AI的更多资讯感兴趣，可以查看更多AI文章：GPTNB。