🌐 教授使用GPT-4和DELL-3进行多模态历史模拟，通过互动方式改变历史走向，丰富了历史教学。
2023年，我们看到了扩散模型推理速度方面的一些重大理论改进，例如Song等人的原始一致性模型论文，以及最近的LCM。（另外，对抗扩散蒸馏。）我们已经开始看到使用这些想法的项目，例如Dan Wood的Art Spew(每秒77512×512图像，在单个4090上)、Modal的Turbo.art(基于SDXL Turbo) 和fal.ai的30fps脸部交换。
斯坦福大学的Mostafa Mousavi和Gregory Beroza等科学家，在研究如何使用机器学习来用单个地震台的地震数据来预测地震的震级，这对地震的早期预警系统来说非常有用。
为了解决幻觉问题，研究人员采用了检索增强生成（RAG）的方法，并添加了几个重要步骤来进一步减轻幻觉，并改进对话性指标。通过这些优化，WikiChat在事实准确性方面比微调后的SOTA RAG模型Atlas高出8.5%。此外，研究人员还将基于GPT-4的WikiChat提炼成7B参数的LLaMA模型，这个模型在事实准确性方面能达到91.1%的高分，并且运行速度提高了6.5倍，能效更好，可以本地部署。
The Clueless联合创始人Diana Núñez表示:“我们对影响者收费价格的飙升感到惊讶，这让我们思考，如果我们创造自己的影响者会怎样?”