一位研究人员因在未经导师同意的情况下收集课程材料来训练一个聊天机器人而受到批评,他声称这个机器人可以解决麻省理工学院计算机科学学位的作业和考试问题。
这篇备受争议的论文描述了在一个由这所精英大学设定的不同课程中获得的4500个问题数据集上对GPT-4进行训练和测试。
论文的摘要声称:“我们评估了大型语言模型在数学和电气工程与计算机科学等麻省理工学院设置的学科专业的毕业要求上的能力。我们的研究结果表明,GPT-3.5成功学习了麻省理工学院三分之一的课程并达到毕业要求,而GPT-4在排除由于图像导致的一些问题后,通过适当的提示工程完美地实现了所有课程达到毕业要求。”
这篇论文因备受争议的研究方法在随后受到批评,例如,在测试之前,GPT-4已经可以访问课程学习过程中所有问题的答案,并且对答案进行了评分。而在论文上列为共同作者的Armando Solar-Lezama教授,以及第一作者Iddo Drori可能并未事先获得收集这些数据集的许可。
一些在校老师向The Register表示,他们没有与Drori分享他们的课程资料。与此同时,Solar-Lezema告诉我们,他只写了这篇论文的引言,并不知道Drori正在使用这些数据集来训练GPT-4,甚至声称GPT-4已经可以从麻省理工学院获得计算机科学学位。
该论文已经从arXiv撤回,而Drori今天不在麻省理工学院。
美国联邦贸易委员会(FTC)表示,生成式人工智能引发了反垄断担忧。该委员会正在密切关注生成式人工智能的炒作,以确保在这项技术日益渗透社会的过程中,主导者不会扼杀竞争。
美国联邦贸易委员警告称,随着市场不断成熟,企业可能会试图找到控制开发模型所需资源(如数据、硬件和人才)的方法。 他们正在密切关注可能试图通过以更低的价格提供自己的人工智能服务或将客户锁定在自己平台上来打击竞争对手的云服务提供商。与此同时,大型科技公司可能通过收购初创企业来巩固自己的权力,以利用新技术和专业知识。
联邦贸易委员会指出,尽管开源运动可以通过使开发者更容易构建自己的系统来抵消一些这些担忧,但如果软件在没有安全保障措施的情况下普遍提供,该技术仍可能被滥用。
好文章,需要你的鼓励
浙江大学研究团队开发了ContextGen,这是首个能够同时精确控制多个对象位置和外观的AI图像生成系统。该系统通过情境布局锚定和身份一致性注意力两大创新机制,解决了传统AI在多对象场景中位置控制不准确和身份保持困难的问题,并创建了业界首个10万样本的专业训练数据集,在多项测试中超越现有技术。
谷歌推出升级版图像生成模型Nano Banana Pro,基于最新Gemini 3语言模型构建。新模型支持更高分辨率(2K/4K)、准确文本渲染、网络搜索功能,并提供专业级图像控制能力,包括摄像角度、场景光照、景深等。虽然质量更高但成本也相应增加,1080p图像费用为0.139美元。模型已集成到Gemini应用、NotebookLM等多个谷歌AI工具中,并通过API向开发者开放。
上海交通大学研究团队开发的SR-Scientist系统实现了人工智能在科学发现领域的重大突破。该系统能够像真正的科学家一样,从实验数据中自主发现数学公式,通过工具驱动的数据分析和长期优化机制,在四个科学领域的测试中比现有方法提高了6%-35%的精确度。这标志着AI从被动工具转变为主动科学发现者的重要里程碑。