The Gradient
PulseAugur coverage of The Gradient — every cluster mentioning The Gradient across labs, papers, and developer communities, ranked by signal.
-
OpenAI收购AI咨询公司以指导企业采用
OpenAI已收购前身为The Gradient的AI咨询公司，以加强其企业级产品。此举旨在确保企业在集成OpenAI模型时获得称职的指导。此次收购旨在防止市场混乱，并为企业客户提供更一致、高质量的体验。
-
诚实伦理与人工智能 – 第一部分：道德的起源
这一系列多部分文章探讨了道德的起源及其与人工智能的关系。作者认为，当前的AI系统，特别是基于Transformer的LLM，由于其固有的道德判断缺失，不适合进行道德决策。该系列旨在就伦理与AI进行务实的讨论，区分伦理推理与道德，并为AI对齐和安全工作提出新的方向。
-
Andrej Karpathy：LLM赋能个人而非企业
与自上而下从机构扩散的传统技术不同，大型语言模型（LLM）正以独特的方式从个人向上扩散。虽然ChatGPT等消费者应用已迅速普及并极大地赋能了个人，但它们对企业和政府的影响目前更为有限。这归因于LLM的专业知识通用但浅显，组织面临的复杂性和限制，以及固有的企业惯性。
-
大型语言模型可能为自动驾驶汽车的挑战提供新颖的解决方案
大型语言模型（LLMs）正被探索作为解决开发全自动驾驶汽车长期挑战的潜在方案。传统的自动驾驶方法依赖于模块化系统，而近期的方法则侧重于端到端学习，两者都面临局限性。文章提出，LLMs凭借其处理复杂信息和预测输出的能力，可能为实现真正的车辆自主性提供一条新颖有效的途径。
-
ML模型因数据陷阱在实际应用中失败，影响科学信任
《The Gradient》上的一篇近期文章讨论了机器学习模型开发中的常见陷阱，特别是模型在训练期间看似有效但在实际应用中却失败的原因。这些失败通常源于误导性的训练数据，包括隐藏变量和虚假相关性，导致模型学习到无关的模式而不是真正的预测特征。作者举例说明了像COVID-19预测模型学习患者姿势而非疾病指标，以及一个水质系统给出虚假安全保证的例子。文章认为，这些问题导致依赖机器学习的科学研究出现可复现性危机。