早期性能结果显示，Aurora 超算系统在实际科学和工程负载上具有领先性能，性能表现比 AMD MI250 GPU 高出 2 倍，在 QMCPACK 量子力学应用程序上的性能比 H100 提高 20%，且能够在数百个节点上保持近线性的算力扩展。目前从事实来说，的确是模型越大数据越多，且质量越好，带来的性能是越高的。但是我个人认为，这个提升曲线可能会有一个瓶颈期，到了瓶颈或者平台期的时候，它的上升速

以GPT4求解算术运算题的实例为例，对于在1381和1453之间选两个随机数相乘的结果给出了错误答案，被指出错误后，无法定位是语料，还是训练等原因，更无从修正。在问题求解阶段，无法记住处理过的数据或场景，比如在无人驾驶中，人脑对路况有记忆，但自动驾驶每次都要重新计算，并为此消耗了大量能量。郑庆华认为，大模型已经成为当前人工智能的巅峰，大模型之所以强，是依托了大数据、大算力和强算法，但是也面临着若干

要论在整个AI界的影响力、号召力，在这一刻，无论是“钢铁侠”马斯克还是“奥特曼”Sam Altman，恐怕都比不过眼前这位“皮衣客”黄仁勋。以及布局下一轮计算变革的前沿领域，英伟达推出云量子计算机模拟微服务，让全球科学家都能充分利用量子计算的力量，将自己的想法变成现。4nm制程达到瓶颈，就把两个芯片合在一起，以10TB每秒的满血带宽互联，组成B200 GPU，总计包含2080亿晶体管。在标准的17

本月初，微软董事长兼 CEO 萨蒂亚·纳德拉 (Satya Nadella) 宣布，微软未来四年将向马来西亚投资22亿美元，建设云计算和 AI 算力基础设施（数据中心），并为20万人提供AI技能培训。昨天许多网友在脉脉发布动态称，微软公司发送邮件通知将中国区 Azure 人工智能团队的几个组集体打包去美国和澳大利亚。在此之前，微软的东南亚数据中心基本都建立在新加坡。钛媒体在报道中表示：“相对于微软

课程介绍本课程主要讲解深度强化学习相关的基础知识，基础模型；还设计迁移学习、多任务学习和元学习。bjhq：Sergey Levine-伯克利《深度强化学习2020》课程视频及ppt分享课程主页http://rail.eecs.berkeley.edu/deeprlcourse/课程大纲课程主讲人课程视频截图bkhq：Sergey Levine-伯克利《深度强化学习2020》课程视频及ppt分享..

现在这个项目终于有了新成果，Open-Sora-Plan v1.0.0 来了，新研究显著增强了视频生成的质量以及对文本的控制能力。OpenAI 在今年年初扔出一项重大研究，Sora 将视频生成带入一个新的高度，很多人表示，现在的 OpenAI 一出手就是王炸。然而，众多周知的是，OpenAI 一向并不 Open，关于 Sora 的更多细节我们无从得知。今年 3 月初，北大团队联合兔展启动了 Sor

作者：罗小黑，主要做NLP声明：本文只做分享，版权归原作者，侵权私信删除！原文：https://www.zhihu.com/question/498271491自从Bert网络模型产数量超过3亿规模，当时候只是觉得性能好，没想到GPT系列出来后，GPT-3直接用170B规模的参数量模型精度碾压竞品。

目前现存公开的中文电子病历标注数据十分稀缺，为了推动CNER系统在中文临床文本上的表现，中国知识图谱与语义计算大会(China Conference on Knowledge Graph and Semantic Computing, CCKS)在近几年都组织了面向中文电子病历的命名实体识别评测任务，下面我们主要关注CCKS CNER数据集上的结果。2.中文电子病历的命名实体识别研究进展. 杨飞洪

联合学习(FL)是一种新的机器学习框架，它使多个设备能够协作训练共享模型，而不会损害数据隐私和安全性。本资源整理了联合学习相关的资源，包括研究论文、会议、博客等等。资源整理自网络，源地址：https://github.com/innovation-cat/Awesome-Federated-Machine-Learning。

本书介绍本书广泛介绍了不确定条件下最优决策的算法。涵盖了与决策相关的各种主题，介绍了基本的数学问题公式和解决它们的算法。提供图形、例子和练习来介绍各种方法背后的几本原理。本书是为高级本科生和研究生以及专业人士准备的。这本书需要一些数学知识，并假设之前接触过多变量微积分、线性代数和概率概念。附录中提供了一些审查材料。文zxhuoqu:https://mp.weixin.qq.com/s?__biz=