bd半岛官网AI精选（131）-人工智能领域内的最新进展：巴黎2024奥运会中的人工智能应用Intel作为巴黎2024奥运会的官方AI平台合作伙伴，推出了一项技术，可以通过测量身体素质和反应速度来确定参与者最适合的运动项目。这项技术可以帮助识别未来的体育人才，尤其是在发展中国家。例如，在塞内加尔的试点项目中，有超过1000名年轻人参加了测试，48名高表现者被选入塞内加尔国家奥委会的项目。

　　对于远程观众，AI技术提供了亮点视频功能，简化了观看体验。AI自动亮点生成系统可以捕捉所有运动项目的关键时刻。NBC利用AI通过其Peacock应用程序每天生成10分钟的亮点播放列表，并使用AI重现资深体育播音员Al Michaels的声音。Omega公司将提供AI驱动的计时工具，以确保比赛结果的准确性，这些工具包括用于田径和跳水项目的智能跟踪运动员的设备。

　　Apple签署了拜登政府的自愿人工智能指南。该指南最初是在去年10月的一项行政命令中提出的。

　　Apple加入了包括亚马逊、Anthropic、谷歌、Inflection、Meta、微软和OpenAI在内的15家主要科技公司。这些公司承诺负责任地开发和推出AI技术。

　　通过签署负责任AI指南，Apple展示了其在AI开发和实施中的责任感，并与政府合作以确保AI技术的安全和公平发展。

　　基础和中等教育部常务秘书阿博拉吉·阿巴约米（Abolaji Abayomi）在教育资源中心颁奖典礼上表示，将利用AI平台提高教学质量，尤其是数学科目。

　　Darsel应用程序已被纳入拉各斯州公立中学，帮助学生解决数学问题。目前已有超过10,000名学生使用该应用。呼吁更多的合作伙伴加入，以改进数学学习过程。

　　Arena Learning 方法：通过模拟的聊天机器人竞技场，利用 AI 进行大型语言模型（LLMs）的后训练，有效提升了模型性能，并创建了一个高效的数据飞轮bandao.com。WizardArena 测试集：研究团队引入了 WizardArena，一个离线测试集，它能够准确预测不同 LLMs 之间的 Elo 排名，与 LMSYS Chatbot Arena 的排名高度一致。迭代训练与评估：Arena Learning 采用迭代的训练和评估流程，通过模拟竞技场的战斗和模型更新，实现了目标模型 WizardLM-β 的持续进步。

　　InternLM/xtuner 是一个针对大型语言模型（LLM）如 InternLM2、Llama3、Phi3、Qwen 和 Mistral 的高效微调工具包bandao.com。该工具包在 GitHub 上开源，拥有 Apache-2.0 许可证，并获得了超过 3.3k 颗星星和 266 个叉子，显示其在开源社区的流行度。提供中文在线文档，方便全球用户学习和使用，增强了工具包的可访问性。项目活跃，最新提交由 xu-song 于 2024 年 7 月 11 日完成，增加了 DPO 训练的特性支持。历史记录显示，该项目自上线 个提交，体现了其持续的开发和维护更新。xtuner[2]

　　WeLore 是一个研究 LLM 中低阶结构发展的项目，旨在通过矩阵分解减少资源消耗，特别是针对 LLaMa-2 7B 和 13B 模型。该项目发现不同层次的 LLM 矩阵在低阶表达能力上存在差异，提出了一种非均匀秩减少策略，以最小化压缩对性能的影响。WeLore 利用奇异值分布的“重尾”特性，通过简单但有效的后预训练启发式方法，确定合适的秩减少比例。实验结果表明，WeLore 能够在显著减少内存和计算资源需求的同时，实现与完全微调相当或更好的微调能力。项目提供了代码和模型检查点，支持 LLaMa-2 7B 和 13B 的下游任务微调，并指导如何安装和使用 WeLore 进行低阶压缩和微调。WeLore[3]

　　项目概述：UltraPixel 是一个开源项目，实现了高分辨率图像合成技术的最新进展，支持生成高达 4096x4096 分辨率的图像。

　　快速开始：安装依赖、下载预训练模型、获取 UltraPixel 新增参数，并通过示例命令进行文本引导的图像生成。

　　高效率图像生成：推荐使用详细的文本提示和高质量修饰词，如 8k、photo-realistic 等bandao.com，以生成更加美观的图像。提供了不同 GPU 的内存需求和运行时间表格。

　　个性化模型应用：提供了一种基于 ControlNet 的个性化图像生成方法，支持最高分辨率为 4K，并给出了命令行操作示例。

　　训练自定义模型：用户可以使用自己的图像和标注数据集进行 T2I 模型训练和个性化模型训练，同时提供了相关的训练命令和配置文件。UltraPixel[5]