对话Red Hat首席执行官Matt Hicks，解析生成式AI和源代码举措。

在Google I/O（谷歌开发者大会）前夕，谷歌全球安卓团队的核心成员们，提前组织了一场全球媒体沟通会，剧透了安卓系统的未来新动向。科技行者TechWalker受邀参加了此次活动。

像亚马逊云科技这样的云服务商，正在致力于通过各种创新技术，让连接变得更加轻松、便捷，从而使计算无处不在！

ITMO大学与MWS AI联合开发的ROCKET技术实现了AI模型压缩的重大突破，能将大型语言模型压缩50%的同时保持90%以上性能。该技术采用差异化压缩策略和动态资源分配，无需重新训练，效率比传统方法提升100倍。研究已验证其在文本、视觉、语音等多模态应用中的有效性。

这大概是我从业以来见过最牛、最长的产品介绍PDF，因为全新技术实在太多。

在当前企业数字化业务比例日益增长的情况下，数字化的安全威胁也在日益显现。如果不能采取正确的措施来应对这些威胁，后果将难以预料。

今儿暂时不推荐机型，而是结合最近的一些热点应用和舆论风向，来和大家唠个嗑儿，希望能对大家有帮助。

戴尔易安信日前正式发布了首款专为边缘计算场景“量身定制”的Dell EMC VxRail D系列超融合设备，并将灵活性、可扩展性和简单性从数据中心扩展到空间受限、远程和恶劣的边缘环境之中。

这项由谷歌深度思维团队领导的研究首次在大规模数据集和语言模型上测试了强力成员推理攻击，通过训练超过4000个不同规模的GPT-2模型，发现了三个关键结论：强成员推理攻击确实能在大型语言模型上成功，但在实际条件下效果有限（AUC<0.7）；攻击成功与隐私风险的关系比预期更复杂，例如成员推理成功与数据提取成功之间几乎没有相关性。这项研究为理解大型语言模型的隐私风险建立了重要基准。

生成式AI对艺术风格的疯狂模仿，应当休矣。

香港科技大学研究团队发布了Audio-FLAN，这是全球首个大规模音频指令训练数据集。该数据集涵盖语音、音乐、声音三大领域的80个任务，包含超过1亿个训练样本，首次实现了音频领域的统一指令学习。通过类似ChatGPT的训练方法，Audio-FLAN能够训练出既能理解又能生成音频的通用AI模型，有望推动音频人工智能从专业化工具向通用助手的转变。

这项由北卡罗来纳大学与Snowflake合作的研究提出了Agent World Model（AWM）系统，首次实现了大规模可执行环境的自动生成。该系统能够自动创建1000个多样化的虚拟训练环境，每个环境平均包含35个工具，为AI智能体的工具使用训练提供了前所未有的规模和质量保障，实验证明在虚拟环境中训练的智能体能够很好地泛化到真实任务中。

谷歌推出Chrome浏览器AI智能体Auto Browse功能，面向AI Pro和Ultra订阅用户开放预览。测试显示该智能体在网页游戏、电子表格操作、Gmail邮件扫描等任务中表现不一，平均得分6.5分。虽然能完成基础网页操作，但在使用谷歌自家产品时频繁出错，无法长时间监控页面，且需要频繁人工干预。目前仍需用户监督，距离真正自主操作还有差距。

推荐场景大模型在国内的使用很早，早在 10 年前甚至更早，百度已经用上了自研的大规模分布式的 parameter server 系统结合上游自研的 worker 来实现 TB 级别的万亿参数的稀疏模型。

12月29日，openGauss Summit 2022在线上盛大召开。

在医疗健康行业升级的大背景下，基因测序需要融合更多的技术手段来达到更高的精准度和科学性，华为云基因测序解决方案释放云＋AI+5G的强大动能，帮助生信企业降本增效，实现行业的智能化升级。

想象一下，你正在教一个孩子解数学题。有两种方法：一种是让他完全靠自己摸索，犯错后给予反馈；另一种是在他遇到困难时，给他展示一些优秀学生的解题过程作为参考。哪种方法更有效？大多数人会认为结合两种方法可能效果最好——既让孩子有尝试和探索的机会，也在必要时给予优秀范例的指导。

这项由斯坦福大学、Meta公司和密歇根大学联合完成的研究，开发了能够实时观看视频并主动提供任务指导的AI助手系统。研究团队创建了包含30万对话的PROASSIST数据集，设计了创新的评估方法，并开发了能处理流媒体视频的端到端模型。实验显示，该系统能够在烹饪、组装等多种任务中提供及时准确的指导，为开发真正智能的人工助手奠定了基础。

这项由微软研究院主导的突破性研究，首次提出让AI学习如何为其他AI制定最佳训练数据配方的创新思路。通过训练一个专门的"数据混合代理"，成功解决了大模型持续学习中的"灾难性遗忘"难题，在数学推理任务上平均提升3.02%的同时保持了原有综合能力。该技术具有强大的通用性和适应能力，一次训练即可应用于多种模型和任务场景，有望显著降低AI开发成本并提升训练效率。

Mellanox网络以技术创新为驱动，赋能全球最快的前10台的超级计算机之6台， 包括美国最快、中国最快和日本最快超级计算机。Mellanox HDR InfiniBand网络已被广泛使用与世界各国的多台超级计算机中，包括微软Azure公有云的HPC云中。