手机断网就能跑
金磊 发自 商汤AIDC
量子位 | 公众号 QbitAI
够刺激，GPT-4竟然当众被“揍”了，甚至连还手的机会都没有：
是的，就是在一场《街头霸王》游戏现场PK中，发生了这样的名场面。
而且二者还是不在一个“重量级”的那种：
- 绿人：由GPT-4操纵
- 红人：由一个端侧小模型操纵
那么这位又小又彪悍的选手到底什么来头？
不卖关子，它正是由商汤科技最新发布的日日新端侧大模型——SenseChat Lite（商量轻量版）。
单是在《街头霸王》里的表现，这个小模型就颇有一种“天下武功，唯快不破”的气势：
GPT-4还在想着怎么决策，SenseChat Lite的拳头就已经打上去了。
不仅如此，商汤CEO徐立还在现场加大难度，直接在手机上断网开测！
例如离线模式下生成员工请假一周的申请，效果是这样的：
△现场原速（当然，徐立开玩笑表示“假太长了，不批噢~”）
也可以对长段文字做快速总结：
△现场原速而之所能够做到如此，是因为SenseChat Lite在同等尺度性能上已经达到了SOTA水平。
更是用“以小博大”的姿势在多项测试中击败了Llama2-7B，甚至是13B。
在速度方面，SenseChat Lite则是采用了端云“联动”的MoE框架，在部分场景中端侧推理占70%，会让推理成本变得更低。
具体而言，对比人眼20字/秒的阅读速度来说，SenseChat Lite在中等性能手机上，可以达到18.3字/秒推理速度。
若是在高端旗舰手机，那么推理速度可以直接飙到78.3字/秒！
但除了文本生成之外，徐立同样在现场还展示了商汤端侧模型的多模态能力。
例如同样是扩图，商汤的端侧大模型在慢半拍启动的情况下，扩了3种不同图片的速度比友商扩1张的速度还快：
演示的同学甚至直接现场拍照，把照片缩小了很多以后再来自由扩图：
嗯，不得不说，商汤是敢在现场动真格的。
然而，纵观整场活动，端侧大模型也还仅是此次发布会的一隅。
在“大基座”方面，商汤更是把自家的日日新大模型来了个大版本的升级——SenseNova 5.0。并且直接将其定位到了一个新高度：
全面对标GPT-4 Turbo！
那么日日新大模型5.0版本实力到底如何，我们这就来实测一波~
有请，“弱智吧”！
自打大模型火爆以来，“弱智吧”就一直成了检测大模型逻辑能力的标准之一，江湖戏称为“弱智吧Benchmark”。
（“弱智吧”源自百度贴吧，是一个充满荒谬、离奇、不合常理发言的中文社区。）
而且就在前不久，“弱智吧”还登上正经AI论文，成了最好的中文训练数据，引发了一波不小的热议。
那么当文本对话的商量大模型5.0遇到了“弱智吧”，二者又会擦出怎样的花火？
逻辑推理：“弱智吧”
请听第一题：
我爸妈结婚为什么没有叫我？
商量的回答不同于其它AI，它会比较拟人的用“我”来做回答，而且从答案结果来看并没有过多冗余的内容，而是精准地做了回答和解释，“他们结婚时您还未出生”。
请听第二题：
网吧能上网，为什么弱智吧不能上弱智？
同样的，商量直接精准点出“这是个玩笑性质的问题”，以及道出了“‘弱智吧’并非一个实际的地方”。
不难看出，对于“弱智吧”这种魔幻、不按套路出牌的逻辑，商量5.0是已经能够hold住了。
自然语言：高考《红楼梦》
除了逻辑推理能力之外，在自然语言生成方面，我们可以直接用2022年高考作文题目，来对比看下GPT-4和商量大模型5.0。
从结果上来看，GPT-4的文章还是一眼“AI模版”；而商量5.0这边，则是颇有诗意，不仅句子工整对仗，还能引经据典。
嗯，AI的思路是被打开、发散了。
数学能力：化繁为简
同样是让GPT-4和商量5.0同台竞技，我们这次来测试一下它们的数学能力：
妈妈给圆圆冲了一杯咖啡，圆圆喝了半杯后，将它加满水，然后她又喝了半杯后，再加满水，最后全部喝完。问圆圆喝的咖啡多，还是水多？咖啡和水各喝了几杯？
这道题对于人类来说，其实是一个比较简单的问题，但是GPT-4却对此做出了看似一本正经的缜密推导，结果还是错误的。
究其原因，是大模型背后的思维链在逻辑上的构建并不完整，若是遇到小众的问题就极容易出错；反观商量5.0这边，思路和结果就是正确的了。
再如下面这道“老鹰抓小鸡”的问题，GPT-4或许不理解这种游戏的规则，因为所算出来的答案依旧是错误：
不仅从实际体验的效果中可以感知一二，更为直接的评测榜单数据，也反应出了商量5.0的能力——
常规客观评测已经达到或超越GPT-4。
那么日日新5.0又是如何做到的呢？一言蔽之，左手数据，右手算力。
首先，为了打破数据层面上的瓶颈，商汤采用了超过10T的tokens，使其具备了高质量数据的完备性，让大模型对客观知识和世界有了初级的认知。
此外，商汤还合成构造了高达数千亿tokens的思维链数据，这也是此次在数据层面上发力的关键点，能够激活大模型强推理的能力。
其次，是在算力层上，商汤是将算法设计和算力设施进行了联合的优化：算力设施的拓扑极限用来定义下一阶段的算法，而算法上的新进展又要重新知道算力设施的建设。
这便是商汤AI大装置对算法和算力联合迭代的核心能力所在了。
整体而言，日日新5.0的更新亮点可以总结为：
- 采用MoE架构
- 基于超过10TB tokens训练，拥有大量合成数据
- 推理上下文窗口达到200K
- 知识、推理、数学和代码等能力全面对标GPT-4
除此之外，在多模态领域，日日新5.0在多项核心指标中也取得了较为领先的成绩：
老规矩，我们继续来看多模态的生成效果。
更会看图了
例如“投喂”给商量5.0一张超级长的图片（646*130000），只需让它识别，便可以得到所有内容的概述：
再如随意丢给商量5.0一张有意思的猫咪图片，它就能根据派对帽、蛋糕和“生日快乐”等细节内容推断猫在庆生。
更实用一些的，例如上传一张复杂截图，商量5.0就能精准提取并总结出关键的信息，而这一点GPT-4在识别过程中却出现了失误：
秒画5.0：和三大顶流PK
在文生图方面，日日新的秒画5.0直接和Midjourney、Stable Diffuison和DALL·E 3进行了同台竞技。
例如在风格上，秒画生成的图片可能会更加接近prompt中提到的“国家地理”：
人物形象上，可以展示更加复杂的皮肤纹理：
甚至是文字也可以精准无误地嵌入到图像当中：
还有个拟人大模型
除此之外，商汤在此次发布中还推出了一个比较特殊的大模型——拟人大模型。
从体验来看，它已经可以模仿影视角色、现实名人、原神世界等各种破次元的人物，并且与你展开高情商对话。
从功能上来看，商量拟人大模型支持角色创建与定制、知识库构建、长对话记忆等，甚至是可以三人以上群聊的那种哦~
也正是基于如此多模态能力，商汤大模型家族的另一大成员——小浣熊也迎来了能力上的升级。
办公、编程变得更easy
商汤的小浣熊目前细分为办公小浣熊和编程小浣熊两大类，顾名思义，分别是作用于办公场景和编程场景。
有了办公小浣熊，现在处理表格、文档甚至代码文件，都成了“一丢+一问”的事情了。
以采购场景为例，我们可以先上传不同来源的供应商名单信息，然后跟办公小浣熊说：
单位、单价、备注。因为不同 sheet 中的表头信息并不一致，可将类似的表头内容进行合并。在对话框中展示表格结果，并生成本地下载链接，谢谢。
只需稍等片刻，我们就可以得到处理完后的结果了。
而且在左侧栏中，办公小浣熊还给出了分析过程的Python代码，主打一个“有迹可循”。
我们还可以同时上传库存信息和采购需求等多个文件：
然后继续提要求，办公小浣熊依旧是能够快速完成任务。
并且即使是数据形式不规范，它也能自行发现并解决：
当然，数据计算也是不在话下，依旧是提要求的事情。
除此之外，办公小浣熊也可以基于数据文件做可视化的工作，直接展示下有难度的热力图：
总结来看，办公小浣熊可以多个、不同类型（如 Excel、csv、json 等）做处理，并且具备中文理解、数理计算和数据可视化的能力。
并且它通过代码解释器的形式，增强了大模型生成内容的准确性与可控性。
在编程场景中，代码小浣熊也是可以让程序员们的效率直接Pro Max了。
例如只需在VS Code中安装扩展的插件：
然后编程的各个环节就变成了输入一句自然语言的事情了。
例如把需求文档丢给代码小浣熊，然后就说句：
帮我写一个公有云上微信扫码支付的详细PRD文档。PRD格式和内容请遵循“产品需求文档PRD模板”的要求，生成的内容清晰、完整、详细。
然后代码小浣熊就“唰唰唰”地开始做需求分析的工作了：
代码小浣熊也可以为你做架构设计：
写代码也可以通过自然语言提需求，或者通过鼠标一键注释、测试生成代码，代码翻译、重构或修正等等：
最后的软件测试环节也可以交给代码小浣熊来执行哦~
总而言之，有了代码小浣熊，它就能帮你处理平日里一些重复性、繁琐性高的编程任务。
而且商汤此次还不只是发布这么个动作，更是将代码小浣熊“打包”推出了轻量版一体机。
一台一体机就能支持100人团队开发，且成本仅为每人每天4.5元。
以上便是商汤此次发布的主要内容了。
那么最后，我们还需要总结性地聊一聊一个话题。
商汤的大模型路数
纵观整场发布会，给人最为直观的感受首先就是够全面。
不论是端侧模型，亦或者“大底座”日日新5.0，是属于云、边、端全栈的发布或升级；能力上更是涵盖到了语言、知识、推理、数学、代码，以及多模态等AIGC近乎所有主流的“标签”。
其次就是够抗打。
以日日新5.0的综合实力为例，目前放眼整个国内大模型玩家，能够喊出全面对标GPT-4的可以说是为数不多；并且商汤是敢在现场直接拿多项能力做实测，也是敢第一时间开放体验，对自身实力的信心可见一斑。
最后就是够速度。
商汤的速度不只限于像端侧大模型的运行效果之快，更宏观地来看，是自身在迭代优化进程上的速度。若是我们把时间线拉长，这种speed就会格外得明显：
- 日日新1.0→2.0：3个月
- 日日新2.0→4.0：6个月
- 日日新4.0→5.0：3个月
如此平均下来，近乎是一个季度便有一次大版本的升级，其整体能力也会随之大幅提高。
那么接下来的一个问题便是，商汤为什么可以做到如此？
首先从大方向来看，便是商汤一直强调的“大模型+大装置”的打法。
大模型是指日日新大模型体系，可以提供自然语言处理、图片生成、自动化数据标注、自定义模型训练等多种大模型及能力。
大装置则是指商汤打造的高效率、低成本、规模化的新一代AI基础设施，以AI大模型开发、生成、应用为核心；总算力规模高达12000 petaFLOPS ，已有超4.5万块GPU。
二者的异曲同工之妙，便是早已布局，它们并非是AIGC大热潮之下的产物，而是可以追溯到数年前、具有前瞻性的两项工作。
其次更深入到大模型层面，商汤基于自身在实际的测试和实践过程中，对行业所共识的基本法则尺度定律（Scaling Law）有着新的理解和解读。
尺度定律通常是指随着数据量、参数量和训练时长的增加，大模型所表现出来的性能会更好，是一种大力出奇迹的感觉。
这个定律还包含两条隐藏的假设：
- 可预测性：可以跨越5-7个数量级尺度依然保持对性能的准确预测
- 保序性：在小尺度上验证了性能优势，在更大尺度上依然保持
因此，尺度定律是可以指导在有限的研发资源中，找到最优的模型架构和数据配方，让大模型能够高效地去学习。
而也正是基于商汤如此的观察和实践，诞生了“小且能打”的端侧模型。
除此之外，商汤对于大模型的能力还有独到的三层架构（KRE）的理解。
徐立对此做了深入地解读。
首先是在知识，是指世界知识的全面灌注。
目前大模型等新质生产力工具近乎都是基于此来解决问题，也就是根据前人已经解决过的问题的方案，来回答你的问题。
这可以认为是大模型能力的基本功，但更为高阶的知识，应当是基于这样能力下推理得到的新知识，这也就是这个架构的第二层——推理，即理性思维的质变提升。
这一层的能力是可以决定大模型是否够聪明、是否可以举一反三的关键和核心。
再在此之上，便是执行，是指世界内容的交互变革，也就是如何跟真实世界产生互动（就目前而言，具身智能在这一层是潜力股般的存在）。
三者虽相互独立，但层与层之间也是紧密关联，徐立打了一个较为形象的比喻：
知识到推理是像大脑，推理到执行则像小脑。
在商汤看来，这三层的架构是大模型应当具备的能力，而这也正是启发商汤构建高质量数据的关键；不仅如此，也是基于KRE这套逻辑，才有了此次发布中的众多产品。
那么最后一个问题是，基于KRE、基于“大模型+大装置”这样的路线，最新的日日新在产业中“上岗”到了什么程度？
正所谓“实践是检验真理的唯一标准”，来自客户的使用反馈或许才是最真实的答案。
而在此，商汤也交出了一份较为高分的作业——在现场，华为、WPS、小米、阅文、海通证券，从办公到文娱，从金融到终端，纷纷分享了使用商汤日日新大模型体系后，给自身业务带来的降本增效。
总而言之，有技术、有算力、有方法论、有场景，商汤日日新在AIGC时代接下来的发展，是值得期待了。
人体免疫系统中的小过滤器淋巴结有了新妙用。近日，浙江大学药学院、金华研究院教授顾臻团队联合多位科研人员，在国际上首次提出利用冷冻干燥的淋巴结组织提升抗肿瘤药物疗效的方法。相关论文发 据阿根廷布宜诺斯艾利斯经济新闻网报道，一项国际研究发现，阿尔茨海默病的早期症状可能表现在视力上。研究显示，即便眼科检查结果正常，但阅读、估计距离和触及物体的困难都是可能揭示阿尔茨海默病 美国布朗大学研究团队在最新一期《自然·电子学》上描述了一种无线通信网络。它可有效地传输、接收和解码来自数千个微电子芯片的数据。研究团队试图模仿大脑神秘且高效的工作方式。对 AI芯片巨头低调赚钱 骆轶琪 在过去一年半导体行业下行周期中，除了英伟达以GPU霸主身份实现业绩快速成长之外，另一些主营虽非GPU，但是立足于AI定制芯片市场的半导体巨头也低调实现了稳健的成长性。 据Gartne 3月24日，记者从中国农业科学院获悉，该院蔬菜花卉研究所甘蓝类蔬菜遗传育种创新团队，开发了快速创制细胞质雄性不育系的新方法——“一步法”。相关研究日前发表在国际期刊《自然&midd 科学杂志《成瘾》3月21日发表的一项新研究显示，刚开始吸烟和终生吸烟都可能增加腹部脂肪，特别是内脏脂肪。内脏脂肪与心脏病、糖尿病、中风和痴呆症的高风险有关。吸烟者相较于不吸烟者，通常体 。本文链接：GPT-4现场被端侧小模型“暴打”，商汤日日新5.0：全面对标GPT-4 Turbohttp://www.sushuapos.com/show-2-5450-0.html
声明：本网站为非营利性网站，本网页内容由互联网博主自发贡献，不代表本站观点，本站不承担任何法律责任。天上不会到馅饼，请大家谨防诈骗！若有侵权等问题请及时与本网联系，我们将在第一时间删除处理。