撰文：KyleWiggers
来源：TechCrunch
图片来源：由无界AI工具生成
从历史上看，甚至在今天，记忆力差一直是阻碍文本生成式人工智能发挥作用的一个因素。正如《大西洋》杂志最近发表的一篇文章?所说，即使是像ChatGPT这样复杂的生成式文本人工智能，其记忆力也像金鱼一样。每次模型生成响应时，它只考虑到非常有限的文本量，因此它也无法总结一本书或审查一个主要的编码项目。
加密货币交易所Roqqu宣布获得欧盟虚拟货币许可证:金色财经报道，尼日利亚加密货币交易所Roqqu宣布，它获得了获得欧盟虚拟货币许可证，可以在 28 个欧洲国家提供服务。该许可证允许Roqqu用户（包括非尼日利亚人）交易数字货币以及参与NFT市场。[2023/1/5 9:52:53]
但Anthropic正试图改变这种状况。
今天，这家人工智能研究初创公司宣布，它已将Claude的上下文窗口从9000个token扩展到了10万个token。上下文窗口指的是模型在生成额外文本之前考虑的文本，而token代表原始文本。
那么，这意味着什么呢？正如前面所提到的，具有小上下文窗口的模型往往会“忘记”即使是最近的对话内容--导致它们偏离主题。在几千字左右之后，小模型也会忘记最初的指示，只根据上下文窗口中的最后的信息来进行响应。
欧盟官员：MiCA法案将防止Terra式崩溃，并像监管加密货币一样监管NFT:金色财经报道，欧盟委员会（EC）技术创新和网络安全政策顾问Peter Kerstens于8月9日表示，在MiCA法案的规定下，Terra生态系统400亿美元的崩溃不会发生，该法案要求稳定币项目更加透明，并允许客户根据要求提款。同时，拟议的MiCA法案也没有忽视NFT，
Kerstens称，新法律将要求 NFT 的发行人发布一份白皮书，详细说明底层协议的所有细节，并禁止对其未来价值做出误导性和过度承诺的声明。[2022/8/11 12:19:23]
鉴于大上下文窗口的好处，找出扩展的方法已成为OpenAI等AI实验室的主要关注点，要知道，OpenAI将整个团队都投入到了这个问题上了。OpenAI的GPT-4在上下文窗口的大小方面保持着之前的领先地位，其规模最高可达32,000个token，而改进后的ClaudeAPI已然超越了这一数字。
欧盟委员会计划为Libra等全球加密货币制定强有力的监管规则:欧盟委员会宣布，计划在2020年晚些时候出台新规定，在欧盟发展一个“健全”的加密资产市场。据金融服务专员Valdis Dombrovskis称，这些计划包括稳定币，比如Facebook的Libra。加密资产通过提供更便宜和更快的支付，给消费者和企业带来好处。但媒体Euractiv提到，监管机构正试图赶上这些快速发展的数字货币市场。
欧盟委员会呼吁对包括Libra在内的数字货币采取“适度”和差异化的监管方式。在这一新制度下，规则将与风险水平成比例。风险较低的项目将面临更宽松的规则，而对于Libra等全球加密货币而言，鉴于它们可能在金融稳定和货币政策方面带来挑战，因此规则将更为严格。（The Paypers）[2020/6/25]
有了更强的“记忆力”，Claude应该能够相对连贯地交谈几个小时——甚至几天——而不是几分钟。也许更重要的是，它应该也不太可能偏离轨道。
在博文中，Anthropic对Claude增加上下文窗口的其他好处进行了介绍，包括该模型消化和分析数百页材料的能力。Anthropic称，除了阅读长文本，升级后的Claude可以帮助从多个文件甚至一整本书中检索信息，回答哪些需要跨文本的“综合知识”问题。
Anthropic列出了一些可能的用例：
对财务报表或研究报告等文件进行消化、总结和解释
根据公司的年度报告，分析其风险和机会
评估一项立法的优点和缺点
识别风险、主题和跨法律文件的不同论证形式。
阅读数百页的开发者文档，呈现技术问题的答案
通过将整个代码库放入上下文中并智能地构建或修改它来快速制作原型
“普通人可以在5个小时左右阅读10万个token的文本，然后可能需要大量的时间来消化、记忆和分析这些信息，”Anthropic继续说道。“Claude现在可以在不到一分钟的时间内做到这一点。例如，我们把《了不起的盖茨比》的全部内容输入进了Claude......并修改了其中一行，说Mr.Carraway是‘一个在Anthropic从事机器学习工具的软件工程师’。当我们要求Claude发现有什么不同时，它在22秒内就给出了正确答案。”
此外，Anthropic的合作伙伴AssemblyAI也进行了相关测试。在视频演示中，该团队用Claude-100k将一个长播客转录成58K单词，然后使用Claude进行总结和问答。该团队给出的评价是：insane！太疯狂了！
目前，更长的上下文窗口并不能解决围绕大型语言模型的其他与记忆有关的挑战。Claude，像其同类的大多数模型一样，无法将信息从一个会话保留到下一个会话。而且与人脑不同的是，它把每一条信息都视为同等重要，这使得它并不能成为一个特别可靠的叙述者。一些专家认为，解决这些问题将需要全新的模型架构。
不过，就目前而言，Anthropic似乎走在了前列。
郑重声明： 本文版权归原作者所有， 转载文章仅为传播更多信息之目的， 如作者信息标记有误， 请第一时间联系我们修改或删除， 多谢。