2月16日，OpenAI 博客发布最新文章"How should AI systems behave, and who should decide?"。文中OpenAI首次澄清了ChatGPT的行为是如何塑造的，以及进一步的改进计划。并且宣布未来会允许更多的用户定制，并在更多领域的决策中获得更多的公众投入。本文是对这篇博客的翻译，希望大家喜欢。

NLP 在金融技术领域的应用广泛且复杂，主要应用场景包括情感分析、命名实体识别到问答等。大语言模型 (LLM) 已被证明可以有效处理上述任务；但是，鲜少没有报道过有专门针对金融领域的文献。本作中，我们展示了 BloombergGPT 这个拥有 500 亿参数的语言模型，它采用大量金融数据训练而来。我们基于 Bloomberg 大量的数据源构建了一个 3630 亿个token数据集，这可能是迄今为止

Lamini 致力于解决 LLM 驱动开发中最困难的挑战之一。该框架提供了一个简单且一致的编程模型来抽象跨不同 LLM 的微调过程。我们很可能会在不久的将来看到 Lamini 被纳入不同的 LLM 框架。

本文以NLP模型发展为脉络，详细地解释了RNN、LSTM、GRU、seq2seq、注意力机制和Transformer。每一个技术都给出了清晰的图形化解释，便于大家理解。其中重点解释了Transformer的各个部分，因为Transformer 作为一个重要的里程碑，影响并创建了许多先进的 NLP 模型，如 GPT-3、BERT 等。

Microsoft 的工程师计划于 2024 年 11 月在 Azure 上部署 Orion (GPT-5)。虽然这一版本不会向公众开放，但其上线被视为人工智能领域的一个重要里程碑，并将产生深远的影响。

Python 至今都缺乏对多线程的原生支持。本文深入探讨 Python 无法引入多线程的背后机制，以及如何使用子解释器 API 编写真正并发的 Python 代码。

条件独立5条重要性质及其证明

装饰器是一个重要的抽象思想，可以在不改变原始代码的情况下扩展代码。本文整理了项目中经常用到的12个装饰器，值得每一个Python开发者掌握。

随着 Sora 惊艳世界，Transformer 正逐渐替代 U-Net，成为图像和视频生成领域的新宠。本文将带大家揭示 Sora 背后的秘密，一同探索 Diffusion Transformer 的原理。

最近，一篇名为 KAN: Kolmogorov–Arnold Network 的论文在机器学习领域引起了广泛关注。本文将带你快速理解 KAN 的核心概念。