据宣布，该公司正在开拓一款名为“Ajax”的内部LLM，将为iOS 18中的AI功能供应动力。
用户可以期待在Messages、Safari、Spotlight Search和Siri方面的改进，基本文本分析和相应天生可在离线状态下利用。
我们将在6月10日开始的环球开拓者大会（WWDC）上理解更多关于苹果AI操持的信息。

苹果对用户数据隐私的承诺值得讴歌，但肃清基于云的处理和互联网连接可能会妨碍更高等功能的履行。
只管如此，这为苹果供应了一个机会，通过为用户供应隐私为中央的设备上处理和更强大的基于云的功能之间的选择，使自己与竞争对手区分开来。

Many-shot-in-context学习是提高LLM性能的打破

最近的一篇研究论文先容了一项首创性技能，使LLM能够通过在高下文中供应的数百或数千个示例进行学习，从而显著提高性能。
这种方法被称为许多情境学习（ICL），在广泛的天生和判别任务中，与传统的少样本学习方法比较表现出更好的结果。

为理解决依赖人类天生的示例进行Many-shot-in-context学习的局限性，研究职员探索了两种新颖的设置：强化ICL，利用模型天生的思维链情由代替人类示例；无监督ICL，从提示中完备删除情由，仅向模型呈现特定领域的问题。

这两种方法在Many-shot-in-context中都被证明在繁芜推理任务中非常有效。
此外，研究显示，Many-shot-in-context学习可以覆盖预演习偏见，并学习具有数值输入的高维函数，与少样本学习不同，展示了其改造人工智能运用的潜力。

Many-shot-in-context学习许可快速适应新任务和领域，无需进行大量的微调或重新演习。
然而，Many-shot-in-context学习的成功在很大程度上取决于供应的示例的质量和干系性。
此外，正如Anthropic的越狱实验所示，一些用户可能会利用这种技能故意供应精心设计的示例，以利用漏洞或引入偏见，导存问外和危险后果。

Groq 利用 LLaMA 3 刷新 AI 推理速率记录，达到每秒 800 个标记。

AI 芯片初创公司 Groq 最近确认，其新型处理器架构正在以每秒 800 个标记的速率为 Meta 最新发布的 LLaMA 3 大型措辞模型供应做事。
这相称于每秒天生约 500 个笔墨 - 险些比主流 GPU 上大型模型的范例速率快一个数量级。
用户的早期测试彷佛证明了这一说法。

Groq 的张量流处理器是从头开始设计的，旨在加速 AI 推理事情负载，避开了通用 CPU 和 GPU 的缓存和繁芜掌握逻辑。
该公司声称，这种“白纸”方法极大地降落了运行大规模神经网络的延迟、功耗和本钱。

如果 LLaMA 3 的结果保持不变，它可能会动摇 AI 推理的竞争格局，寻衅英伟达在 GPU 领域的主导地位，并增加对用于更快速和更具本钱效益的推理解决方案的定制 AI 硬件的需求。
此外，Groq 的能力可能会彻底改变依赖实时 AI 的软件办理方案，如虚拟助手、谈天机器人和互动客户做事。

其他资讯

以色列初创公司推出 AI 人形机器人 Menteebot

以色列初创公司 Mentee Robotics 推出了 Menteebot，这是一个用于家庭和仓库的 AI 驱动人形机器人原型。
它采取基于变压器的大型措辞模型、基于 NeRF 的算法以及从仿照到现实的机器学习，以理解命令、创建 3D 舆图并实行任务。
终极版的 Menteebot 估量将于 2025 年第一季度推出。

Hugging Face 推出用于评估医疗领域通用 AI 的基准

该基准结合了现有的测试集，以评估各个领域的医学知识和推理能力。
这是评估以医疗为重点的 AI 模型的出发点，但专家们警告不要仅仅依赖于该基准，并强调须要进行彻底的现实天下测试。

谷歌宣告进行重大重组以加速 AI 发展

这些变革涉及将 AI 模型构建集中在 Google Research 和 DeepMind，将 Google Research 专注于根本性打破和负任务的 AI 实践，并引入一个新的“平台和设备”产品领域。

Nothing 推出新款耳机，集成了 ChatGPT

Nothing Ear 和 Nothing Ear (a) 许可用户通过捏住耳机的杆来提问，条件是 ChatGPT 运用已安装在连接的 Nothing 手机上。
这款耳机供应了比前任产品更好的音质、更好的降噪效果和更长的电池续航韶光。

日本研究职员开拓 AI 工具来预测员工流失落

该工具剖析员工数据，如考勤记录和个人信息，并为每家公司创建一个流失落模型。
通过预测哪些新员工可能会离职，AI 工具使管理职员能够为这些员工供应有针对性的支持，并潜在地降落流失落率。