九派财经：探秘中国经济的巨变与未来
这篇文章探讨了近期我国A股市场出现调整的原因及影响。首先，受国内外经济因素和政策的影响，市场出现了担忧情绪；其次，权重股绑架市场，中小市值股票表现疲弱；最后，建议投资者关注政策导向和行业前景，做好风险管理，适时配置。
用ChatGPT打造超能“蓝博士”，蓝凌持续引领智能办公
近期ChatGPT开放约70个第三方插件，覆盖购物、餐饮、旅行、天气、翻译、分析数据等多种功能，让用户能直接向ChatGPT提出更多需求，构建自己的AI助手…… 越来越多的中国厂商布局大模型的应用，数智化办公专家：蓝凌，行业率先接入ChatGPT能力，推出智能应用“蓝博士”，在MK体验大会全国巡展引发高度关注。 蓝凌MK体验大会，全新“蓝博士”展示5大智能场景 目前，全国各大城市如火如荼进行的2023蓝凌数智化工作平台体验大会，在展示蓝凌行业领先的门户、BPM流程、低代码等6大核心能力的同时，接入ChatGPT能力的智能应用“蓝博士”也成焦点。 据蓝凌专家介绍：“蓝博士”是世界领先的大模型技术与蓝凌22年中大型组织数智办公实践的融合，目前聚焦智能客服、知识百科、代码助手、文案助手、语料助手等5大场景，已在蓝凌内部使用。 程序员可让“蓝博士”写代码、生成HTML、检验代码，“聊聊天”就把工作完成了； 市场部可以让“蓝博士”秒变文案高手，方案软文、产品广告、活动简讯等，听指令快速生成，让其贡献创意点子，也不在话下；智能问答，让你的每一个问题，都被真正听懂，给出想要的答案； 语料库，方便企业上传管理自身各种知识，训练自己的专属大模型，让ChatGPT更懂企业，让“蓝博士”成为企业真正一员，为企业提供贴合专属场景的AI服务。 数智化办公专家，用MK打造智能办公新引擎 成立22年以来，蓝凌一直引领中国数字化化办公发展。源于客户共创的蓝凌MK数智化工作平台，经过数年迭代与应用，已具备最先进、最成熟、最开放的产品特质。行业率先实现云原生微服务架构，提升业务敏捷创新；安信、OPPO等大量头部企业验证了产品的可靠，满足信创适配与安全要求；能力开放，与众生态厂商资源连接共享，新场景应用源源不断。 蓝凌MK智能引擎，不仅支持接入ChatGPT，也支持接入通义千问、文心一言等大模模能力，甚至更多厂商的其它AI能力，目的就是为客户打造最具价值的智能应用。 借助于蓝凌的数智化产品，企业可以实现知识智能入库，智能大模型+合规管理，让风险报告一秒速成；知识图谱+智能问答，知识自动生产与精准应用；整合OCR智能识别、比对技术，实现合同文本校验，快速识别合同被篡改的风险…… ChatGPT等大模型，让AI从生产力赋能者直接成为一种创造生产力工具；蓝凌作为中国数字化办公与知识管理市场领导者，将推动AI生产力在企业更多场景创造价值。 让协同更智能，让组织更智慧，蓝凌数智化工作平台全国体验大会，继深、沪、京之后，南宁、杭州、合肥、重庆、广州、厦门等报名正在进行，诚邀您共探大模型时代数智新办公。 网页搜索“蓝凌官网”或关注微信公众号“蓝凌MK数智化工作平台”，或添加蓝凌顾问微信“landray888”，申请免费报名蓝凌MK体验大会！
国产ChatGPT「套壳」的秘密，现在被找到了
衡宇 发自 凹非寺量子位 | 公众号 QbitAI “科大讯飞套壳ChatGPT！”“百度文心一言套皮Stable Diffusion！”“商汤大模型实则抄袭！”…… 外界对国产大模型产生质疑已经不是一次两次了。 业内人士对这个现象的解释是，高质量的中文数据集实在紧缺，训模型时只能让采买的外文标注数据集“当外援”。训练所用的数据集撞车，就会生成相似结果，进而引发乌龙事件。 其余办法中，用现有大模型辅助生成训练数据容易数据清洗不到位，重复利用token会导致过拟合，仅训练稀疏大模型也不是长久之计。 业内渐渐形成共识： 通往AGI的道路，对数据数量和数据质量都将持续提出极高的要求。 时势所需，近2个月来，国内不少团队先后开源了中文数据集，除通用数据集外，针对编程、医疗等垂域也有专门的开源中文数据集发布。 高质量数据集虽有但少 大模型的新突破十分依赖高质量、丰富的数据集。 根据OpenAI 《Scaling Laws for Neural Language Models》提出大模型所遵循的伸缩法则（scaling law）可以看到，独立增加训练数据量，是可以让预训练模型效果变更好的。 这不是OpenAI的一家之言。 DeepMind也在Chinchilla模型论文中指出，之前的大模型多是训练不足的，还提出最优训练公式，已成为业界公认的标准。 △主流大模型，Chinchilla参数最少，但训练最充分 不过，用来训练的主流数据集以英文为主，如Common Crawl、BooksCorpus、WiKipedia、ROOT等，最流行的Common Crawl中文数据只占据4.8%。 中文数据集是什么情况？ 公开数据集不是没有——这一点量子位从澜舟科技创始人兼CEO、当今NLP领域成就最高华人之一周明口中得到证实——如命名实体数据集MSRA-NER、Weibo-NER等，以及GitHub上可找到的CMRC2018、CMRC2019、ExpMRC2022等存在，但整体数量和英文数据集相比可谓九牛一毛。 并且，其中部分已经老旧，可能都不知道最新的NLP研究概念（新概念相关研究只以英文形式出现在arXiv上）。 中文高质量数据集虽有但少，使用起来比较麻烦，这就是所有做大模型的团队不得不面对的惨烈现状。此前的清华大学电子系系友论坛上，清华计算机系教授唐杰分享过，千亿模型ChatGLM-130B训练前数据准备时，就曾面临过清洗中文数据后，可用量不到2TB的情况。 解决中文世界缺乏高质量数据集迫在眉睫。 行之有效的解决方法之一，是直接用英文数据集训大模型。 在人类玩家打分的大模型匿名竞技场Chatbot Arena榜单中，GPT-3.5在非英文排行榜位居第二（第一是GPT-4）。要知道，96%的GPT-3.5训练数据都是英文，再刨去其他语种，用来训练的中文数据量少到可以用“千分之n”来计算。 国内top3高校某大模型相关团队在读博士透露，如果采用这种方法，不嫌麻烦的话，甚至可以给模型接一个翻译软件，把所有语言都转换成英语，然后把模型的输出转换为中文，再返回给用户。 然而这样喂养出的大模型始终是英文思维，当遇到成语改写、俗语理解、文章改写这类含有中文语言特色的内容，往往处理不佳，出现翻译错误或潜在文化的偏差。 还有个解决办法就是采集、清洗和标注中文语料，做新的中文高质量数据集，供给给大模型们。 开源数据集众人拾柴 察觉现况后，国内不少大模型团队决定走第二条路，着手利用私有数据库做数据集。 百度有内容生态数据，腾讯有公众号数据，知乎有问答数据，阿里有电商和物流数据。 积累的私有数据不一，就可能在特定场景和领域建立核心优势壁垒，将这些数据严格搜集、整理、筛选、清洗和标注，能保证训出模型的有效性和准确性。 而那些私有数据优势不那么明显大模型团队，开始全网爬数据（可以预见，爬虫数据量会非常大）。...
AIGC产业峰会盛大召开，探讨AI新纪元下的机遇与挑战
本文介绍了首届中国AIGC产业峰会的相关信息。该峰会由量子位主办，旨在探讨大模型、生成式AI、ChatGPT等当下热门话题。会议发布了首份中国AIGC产业全景报告和中国AIGC 50，展望了中国AIGC产业的未来。与此同时，百度集团副总裁袁佛玉分享了文心一言的技术、商业和产业变革。另外，北京智源研究院和科大讯飞等公司也分享了他们在AIGC产业中的经验和见解。总之，本次峰会为业界提供了一个交流平台，以便更好地应对AIGC时代带来的机遇和挑战。