AIGC Weekly #80

⏰ 发表时间：2024-07-15

作者：歸藏

本文中的蓝色的字体都可以点击跳转

上周精选 ✦

Anthropic 最近在产品上的迭代功能非常快，先是给Artifacts加上的分享功能，现在你可以分享自己的 artifacts 了。也可以快速重写别人分享的artifacts 。​

开发者后台也更新了一堆功能，Anthropic 开发者后台现在可以生成提示词，创建测试变量，并排查看提示词的输出结果。​

1.
可以使用 Claude 生成输入变量，然后运行提示语，查看 Claude 的响应结果。​

2.
新的“评估”选项卡可以自动创建测试用例，用于评估你的提示语效果。​

3.
当你对提示语进行不同版本的迭代时，你的主题专家可以比较这些响应，并在5分制上对其进行评分。​

另外Claude 3 最小的模型Haiku，现在支持在Amazon Bedrock上微调，这里是介绍。

P2P 去中心化的模型训练可能是未来解决模型算力缺口的一个重要方向。Prime Intellect 发布了支持全球范围内的 AI 模型分布式训练框架 OpenDiLoCo。​

他们利用这个框架进行了一个实验，在三个国家之间训练了一个模型。计算资源利用率达到了90-95%，并将其扩展到原始工作规模的三倍，证明了其对十亿参数模型的有效性。这个框架基于 Google Deepmind 的分布式低通信 (DiLoCo) 方法。​

OpenDiLoCo 的特点包括：计算资源的动态调整、容错训练、点对点架构：没有主节点。​

由于 DiLoCo 减少了通信时间，全归约瓶颈仅占训练时间的 6.9%，对整体训练速度的影响微乎其微。​

Odysseyml 这个AI 视频生成产品有点意思。

他们认为目前 AI 输出的视频是不可编辑的，是一个成品，灯光、运动、场景等，只要有一个元素出问题就得重新开始。​

所以他们需要基于3D 技术，从头构建一个AI 视频生成工具来生成好莱坞级别的影视资源。​

他们的模型可以单独生成几何形状、材质、灯光和动作。

但这个视频看起来是虚幻引擎应该做的或者可以做的更好的事情。​

现在视频生成模型的问题当然是控制方式，但从图像模型的发展来看我们是可以基于现在的技术方案发展控制方式的，从头走一套新的方案是不是必须的事情？不好说。​

而且看起来他们现在啥也没有，希望他们可以真的走出一条新路来。​

AIGC Weekly #80 ​