今⽇值得关注的⼈⼯智能新动态：现在，ChatGPT更懂你了。据OpenAI官⽅消息，ChatGPT已经引⼊⾃定义指令功能。该功能允许⽤户在ChatGPT中定制⼀些指令，从⽽赋予机器⼈更加个性化的特⾊，以满⾜⽤户的需求，且⽆需在每次对话中重复偏好和信息。⽬前，⾃定义指令功能已经向Plus⽤户开放测试，并计划在未来向所有⽤户推出。
Copilot Chat测试版向所有企业⽤户开放。⽇前，GitHub宣布推出全新的Copilot Chat功能，⽬前已向企业公司和组织提供有限的公开测试版本。Copilot Chat的主要功能包括针对特定编码项⽬的实时定制指导，解释代码建议和复杂编码概念的编码分析，以及识别潜在问题的“简单故障排除”。
⾕歌推出撰写新闻⽂章的AI⼯具。据媒体报道，⾕歌宣称正在测试撰写新闻⽂章的AI⼯具——Genesis，该⼯具可以帮助记者选择标题或不同的写作⻛格，⽬前已推荐给多家美国新闻媒体。然⽽，⼀些新闻机构对此并不买账。
⼀两句话，AI让你成为动画⽚主⻆。近⽇，⼀家美国公司表示他们已经破解使⽤AI制作《南⽅公园》的公式，可以让⽤户成为该剧的明星。该⼯具名为Showrunner AI，允许⽤户输⼊⼀两句提示，然后⽣成⼀集动画，并可以根据⽤户⾃⼰的外貌和声⾳创建⻆⾊。
⻢斯克：将斥资10亿美元建造AI超级计算机。近⽇，⻢斯克表示，特斯拉将斥资10亿美元建造AI超级计算机Dojo，但如果英伟达能够提供更多芯⽚，就没有必要了。特斯拉对AI芯⽚的需求旺盛，⼏乎超过了所有商业竞争对⼿，其⽬标是到明年年底达到100 exaFLOPS的内部计算能⼒。
MediaGPT：针对中⽂媒体的⼤型语⾔模型。近⽇，新华社推出了⼀个在各类媒体数据上进⾏训练的⼤型语⾔模型——MediaGPT，该模型专注于解决中国媒体实际需求。为进⼀步验证该模型的有效性，他们构建了专⻔适⽤于媒体领域的独特数据集，并开发了专⻔⽤于⽣成式任务的验证⽅法。
Meta-Transformer：多模态学习的统⼀框架。
近⽇，⾹港中⽂⼤学和上海⼈⼯智能实验室提出了名为Meta-Transformer的框架，该框架利⽤冻结编码器（frozen encoder）在没有配对的多模态训练数据的情况下进⾏多模态感知。Meta-Transformer将来⾃不同模态的原始输⼊数据映射到共享的标记空间，使得后续的编码器可以提取输⼊数据的⾼层语义特征，并保持编码器参数冻结。
结果表明，Meta-Transformer可以处理基本感知、实际应⽤和数据挖掘等任务。
SciBench：评估⼤学⽔平的⼤型语⾔模型解决科学问题的能⼒。为系统地检验解决复杂科学问题所需的推理能⼒，加州⼤学和华盛顿⼤学的研究⼈员推出了SciBench基准测试套件。
SciBench包含两个数据集：⼀个是开放集，包含⼀系列来⾃数学、化学和物理教科书的⼤学⽣⽔平的科学问题；另⼀个是封闭集，包含来⾃计算机科学和数学本科⽣⽔平考试的问题。在这两个数据集的基础上，研究⼈员对两个具有代表性的LLM进⾏了深⼊的基准研究，并采⽤了不同的提示策略。
结果显示，当前的LLMs在总体得分仅为35.8%，没有任何⼀种提示策略能显著优于其他策略，且某些解决问题技能的改进会导致其他技能的下降。
IvyGPT：医学领域交互式中⽂通路语⾔模型。来⾃澳⻔理⼯⼤学、上海交通⼤学和Opera的研究⼈员提出⼀种基于LLaMA的⼤型语⾔模型——IvyGPT，该模型通过⾼质量的医学问答和基于⼈类反馈的强化学习（RLHF）进⾏训练和微调。
经过监督微调后，IvyGPT在多轮对话⽅⾯表现良好，但在其他⽅⾯（如综合诊断）⽆法达到⼈类医⽣的⽔平。另外，通过RLHF，IvyGPT可以输出更丰富、更接近⼈类的诊断和治疗⽅案。实验结果表明，IvyGPT的性能要优于其他医学GPT模型。
科学受益于AI的10种⽅式。
CESAR创新中⼼发布的⽩⽪书探讨了AI对科学研究的变⾰性影响，特别强调了AI彻底改变科学家⼯作的⼗种⽅式：1. 提供强⼤的参考⼯具；2. 提⾼对研究问题的理解；3. 增强研究问题⽣成；4. 优化研究设计；5. ⽣成存根数据；6. 完成数据转换；7. 进⾏⾼级数据分析；8. ⽣成AI辅助报告；9. 获取反馈；10. 揭示未解决的新挑战。
尽管AI带来了许多好处，但我们必须认真考虑偏⻅、隐私问题以及⼈机协作的需求等挑战。⽂章强调，AI可以增强⼈类在科学领域的创造⼒，但不能取代⼈类。
SentimentGPT：GPT的⾼级情感分析。犹他州⽴⼤学的⼀项研究全⾯考察了情感分析中各种⽣成预训练Transformer（GPT）⽅法，重点关注SemEval 2017数据集任务4。
研究详细⽐较了这些策略和单个GPT模型，揭示了它们的独特优势和潜在局限性。此外，该研究还将基于GPT⽅法与其他⾼性能模型在相同数据集上进⾏⽐较。结果显示，GPT⽅法在预测性能⽅⾯具有显著优势。另外，该研究还解决了情感分析任务中的常⻅挑战，如理解上下⽂和讽刺检测。