TODAY’S MENU
🗞️｜Toyota 與 Boston Dynamics 達成合作
🚀｜Nemotron 模型正式超越 GPT-4o
📊｜針對邊緣設備的最新 AI 模型！
🧭｜如何基於用戶的反饋來優化產品流程
🔬｜Meta 嘗試開發能思考的 LLM
🗳️｜約六成讀者看好 AI 高度發展的未來
🔍｜未來將不再有 AI 公司？！
🗞️
NEWS
閱讀時間：3 分鐘
近期，Boston Dynamics 與 Toyota 研究中心達成合作，旨在加速類人類機器人的研發，並計劃將 Toyota 研究中心的大型行為模型 （LBM） 搭載到 Atlas 電動機器人中。
隸屬 Toyota 的首席科學家 Gill Pratt 表示，該技術的未來前景十分可觀，Toyota 在生成式 AI 的研究成果，能與 Boston Dynamics 的核心技術相輔相乘。
根據外媒報導，兩家公司的合作將聚焦於基礎研究，並最終進行商業運用，但截至目前為止，具體的時程規劃與預算資訊都尚未揭露。
🤝 商業合作 PARTNERSHIP
與 15,000+ 位知識工作者分享你的產品與服務
《Brief AI 電子報》是繁體中文圈最具影響力且成長速度最快的「AI 電子報」。讀者多為企業家、經理人、投資人、高階主管、工程師、分析師、創作者…等專業知識工作者。協助企業品牌推廣產品、服務、活動、工作職缺...等等 👉 了解更多
🚀
LAUNCH
閱讀時間：4 分鐘
Nvidia 日前發表了 Llama-3.1-Nemotron-70B-Struct 模型，是一款基於 Llama 3.1 70B 進行微調的開源模型，在某些基準測試當中，甚至優於 GPT-4o 和 Claude 3.5 Sonnet。
該模型在幾個關鍵的測試，例如 Arena Hard、AlpacaEval 2 LC 和 GPT-4-Turbo MT-Bench 上，都拿到了當前的最高分！
Nvidia 本次的成果，主要透過 RLHF 等高級機器學習技術實現，除了在 Hugging Face 上開源以外，Nvidia 也提供網頁版的預覽測試，歡迎大家去體驗看看喔！
📊
CHART
閱讀時間：3 分鐘
來自法國的 AI 新創公司 Mistral AI，近期推出了兩款「邊緣運算 AI 模型」，旨在為手機、筆記型電腦等邊緣設備，提供強大的 AI 功能。
兩款模型皆來自新的 Les Ministraux 系列，分別為 Ministral 3B 與 Ministral 8B，儘管尺寸較小，卻仍在基準測試中勝過 Gemma 和 Llama 等知名模型。
目前，官方基於研究用途，已透過 Hugging Face 平台公開 Ministral-8B-Instruct-2410，能支援中文等 10 種常見語言，只需提供個人資訊，便能獲得存取權。
🧭
GUIDE
如何基於用戶的反饋來優化產品流程？
合作夥伴：Ben's Bites
蒐集用戶反饋並優化 Roadmap，總需要花費大量的時間。而該教學旨在協助品牌方，透過 AI 工具來閱讀、分析使用者反饋，甚至自動優化產品的 Roadmap。
步驟一：收集反饋的方法
首先，我們需要先建立一個表單，用來獲取使用者反饋，此處將使用常見的 Google 表單，但任何能與 Zapier 互相連接的表單都可以使用！
步驟二：設置 AI 系統以處理用戶反饋
接著，設置由表單提交而觸發的 Zapier workflow
記得串接 OpenAI 的 API 來分析用戶反饋、發想優化方向
獲得 AI 的分析結果與想法之後，將其轉化為結構化的數據
設定自動化流程，將 AI 的建議顯示在 Roadmap 工具當中（如 Notion）
後續也需持續優化 AI 的 Prompt，確保能順利完成公司的業務目的！
💡 除了使用不同的 AI 提示來微調外，也可以在提示中包含品牌價值或產品原則。
本次教學為簡單版本，詳細內容可以參考 Ben's Bites 的這個教學。
🔬
RESEARCH
論文頁數：28 頁
來自 Meta 的研究團隊，推出了名為 Thought Preference Optimization (TPO) 的新型訓練方法，旨在協助 LLM 在做出回應之前，先進行「思考」行為。
接受 TPO 訓練的模型，在行銷、創意寫作等非推理任務上，表現均優於標準模型，但在數學相關的任務中，能力卻有所下降。
根據文件的說明，該方法建立在 OpenAI 的 Strawberry 研究，以及 o1 模型的基礎上，卻也不僅僅只停留在「推理」的層次，而是想實現更加複雜的「思考」行為。
🗳️
VOTE
約六成讀者看好 AI 高度發展的未來
投票人數： 36 人
接著來分享上一期的投票結果，這次總共有 36 位讀者參與投票，其中有大約六成的讀者，期待並且支持 AI 高度發展的未來世界。
除此之外，也有讀者從「模型規模」切入，認為應避免單一的大型模型，應發展多個小型的 AI 模型，透過 AI 相關的各種工具，協助人類獲得更好的答案！
👀 讀者精選留言
現階段，我認為"一個"大型模型不是最好的選擇，而是由"多個"小模型組成的一個大模型，需具有多模態理解是必需的。由小組成大，根據需求調動其中一個小與其相關模型，現階段很好的看出，只要會使用AI相關工具，人或許沒有改變，但產出的答案卻有可能會更好，從根本上來說，以後會變成萬物皆AI局面，就因為人的記憶無法永久維持與塞下如此龐大的資訊，有著淘汰的趨勢。很可能以後人學習只是為了讓AI更好，變成輔助的角色直到退出世界的舞台。只要沒有物理限制，理論上來說科技只增不減，至於人，經濟與政治的崩潰、文化的合併、健康上的富裕、無壓力的生活，法律由AI代管，去中心的無暇體制，人真的會允許這種事發生嗎?道德倫理問題，最終還是會被抬上檯面，人不得不再一次站上陌生的世界舞台。
--- qwe
🔍
INSIGHT
閱讀時間：35 分鐘
擁有將近 30 年創投經驗的 Chip Hazard，近期接受訪問，針對過去的網路時代，到當今 AI 浪潮席捲全球的趨勢，發表一系列的洞見：
不再自稱 AI 公司：在未來，每一家企業都會將 AI 視為核心技術，就如同當今的網際網路，滲透進所有業務流程，因此無需再標榜自身是 AI 公司。
企業快速採用：AI 在 Fortune 500 的採用速度，遠超過往的 SaaS 產業。表示 AI 能協助企業家更容易接觸資本和客戶，但同時也讓競爭更加激烈。
AGI 的展望：對於討論的越來越高的 AGI，Hazard 則抱持樂觀態度，同時也是不可避免的，人類也會因 AGI 發展而變得更聰明、更具創造力！
成功團隊的特點：最後，Hazard 也提及成功創業團隊的特質，必須包含深厚的技術能力，以及對特定行業的深刻理解，兩者缺一不可。
如何看待未來「不再有 AI 公司」的說法？
*延伸思考：Chip Hazard 提出未來企業不再自稱為 AI 公司，因為 AI 會滲透到所有業務中，成為每個企業的核心技術。同意這種看法嗎？AI 是否會像當今的網路一樣無所不在？AI 的普及是否會讓競爭更加激烈，企業應如何應對這一變化？還是說，AI 公司將始終在技術發展中佔據領先地位？
