07月24日AI快讯 | 小红书电商：个性化需求的规模化激发。几何朗兰兹猜想证明：数学与物理学的重大突破。

---

AI快讯目录

• [1] 小红书电商：个性化需求的规模化激发
• [2] 几何朗兰兹猜想证明：数学与物理学的重大突破
• [3] 陈春宇：AI时代解决问题比炫耀技术更重要
• [4] Meta新版语言模型Llama 3.1泄露，性能超越GPT-4o
• [5] 谷歌推出NeuralGCM模型，气候模拟效率提升10万倍
• [6] 大模型技术在中国市场的应用与挑战
• [7] AI Agent引领企业自动化新浪潮：专家深度探讨与实践经验
• [8] Redis引入多线程技术，提升查询引擎性能
• [9] Llama 3.1：Meta推出多语言优化生成模型，引领AI新变革
• [10] Llama 3.1多语言模型泄露引发关注

---

小红书电商：个性化需求的规模化激发

1. 小红书电商通过社区平台满足用户个性化需求，构建原生商业体系，释放更大价值。

2. 传统电商侧重“多、快、好、省”，小红书则通过社区找到同温层，满足个性化需求，长尾搜索词占比超60%。

3. 小红书电商重构“人、货、场”模型，以“人”为核心，推动个性化需求规模化，实现“生活方式电商”的新价值。

几何朗兰兹猜想证明：数学与物理学的重大突破

1. 几何朗兰兹猜想经过30余年的研究和9位数学家的共同努力，终于得到了证明。这一猜想是朗兰兹纲领的几何化版本，揭示了数论、代数几何和群表示论之间的深刻联系。

2. 这一成果为数学和物理学领域提供了新的解决思路和工具，得到了菲尔兹奖得主彼得·舒尔茨和亚历山大·贝林森的高度评价。研究团队由哈佛大学教授丹尼斯·盖茨戈里和耶鲁大学教授山姆·拉斯金领衔。

3. 证明过程历时多年，最终通过五篇论文完成，涵盖了从函子构造到Ambidexterity定理的证明。这一成果不仅是对朗兰兹纲领的重要补充，也展示了国际数学界的合作精神，对数学和物理学领域产生深远影响。

陈春宇：AI时代解决问题比炫耀技术更重要

1. 极群科技创始人陈春宇强调在AI时代，解决实际问题比炫耀技术更重要。他的成长经历和创业历程也体现了这一理念，从小在江西上饶长大，通过竞赛保送进入清华大学。

2. 陈春宇的创业经历丰富，曾在清华实验室工作并发表论文，制作疫情动态地图，参与创业比赛并开发沙盒游戏。尽管有失败经历，但他坚持直接行动以实现目标。

3. 2022年，陈春宇成立极群科技，开发Riffo产品。他认为理解环境和用户需求是做出好产品的关键，并计划融资300万美元以招聘更多人才，解决用户需求。

Meta新版语言模型Llama 3.1泄露，性能超越GPT-4o

1. 7月23日凌晨，Meta的新版大型语言模型Llama 3.1 405B在4chan上泄露，并在多数基准测试中击败了GPT-4o。尽管泄露的模型链接已失效，但网友保存的下载链接显示文件约763.84G。

2. Llama 3.1在3.0版本基础上功能迭代，70B模型在部分领域性能超过GPT-4o。尽管免费开放，但使用成本高，需强大硬件支持，主要面向企业和政务部门。

3. Llama 3.1是自回归语言模型，支持8种语言，预训练使用15万亿token数据，微调数据包括公开指令数据集和2500万合成示例。其免费开放将推动AI技术普及，但也带来潜在风险和挑战。

谷歌推出NeuralGCM模型，气候模拟效率提升10万倍

1. 谷歌公司推出NeuralGCM模型，结合传统物理建模和人工智能技术，模拟大气效率提升10万倍，计算成本降低10万倍，天气预报准确性超越现有最先进模型。

2. NeuralGCM由Google Research、DeepMind等团队开发，能够快速、高效、准确地模拟地球大气，对预测气候变化具有重要意义，解决了传统模型稳定性不足的问题。

3. NeuralGCM在计算速度和成本上远超传统模型，公开源代码和模型权重，便于研究人员改进和使用，未来将扩展至海洋和碳循环等地球气候系统的其他方面。

大模型技术在中国市场的应用与挑战

1. 大模型技术在中国科技界迅速发展，应用于多个领域，提升了企业运营效率和消费者体验，但面临技术成熟度、成本、数据安全等挑战，商业化问题依然存在。

2. 招投标市场显示出大模型技术的快速增长，2023年全年采购规模达5.95亿元，2024年上半年招标金额超过13.4亿元，主要集中在北京、广东、上海等地，民营企业表现活跃。

3. 智谱AI、百度、科大讯飞和华为等企业在招投标市场中表现突出，商汤、阿里云等也在重要领域中标。尽管面临挑战，大模型技术在To C、To B和To G市场中不断探索前行。

AI Agent引领企业自动化新浪潮：专家深度探讨与实践经验

1. 翟星吉和周春照在直播中探讨了AI Agent在企业自动化中的作用，强调了定制化AI应用和多智能体协同的重要性。

2. 翟星吉认为AI的核心价值在于对企业业务的深入理解，强调了场景选择和产品实际应用效果的重要性。

3. 周春照介绍了实在智能的自动化工具和垂直领域大模型，强调了AI与业务场景结合的必要性，分享了避开巨头延长线的经验。

Redis引入多线程技术，提升查询引擎性能

1. Redis最近对其查询引擎进行了重大改进，引入多线程技术以提高查询吞吐量并保持低延迟，特别适用于处理数亿文档的数据量。

2. 新的多线程架构解决了传统单线程在长时间运行查询时的局限性，允许多个查询在独立线程上并发执行，从而提高系统吞吐量和可扩展性。

3. Redis通过广泛的基准测试验证了其性能，声称新查询引擎在速度和可扩展性上优于纯向量数据库，并显著超过通用数据库和完全托管的内存Redis CSP。

Llama 3.1：Meta推出多语言优化生成模型，引领AI新变革

1. Llama 3.1由Meta开发，包含8B、70B和405B三种参数规模，支持多语言对话和开发者工具集成，优化了上下文处理和多语言输入输出。

2. 基准测试显示，Llama 3.1在通用任务、知识推理和阅读理解上表现优异，特别是在MMLU和SQuAD基准上创下新纪录，405B模型在数学基准上超越其他大模型。

3. Llama 3.1经过大规模预训练和微调，适用于多语言环境下的商业和研究用途。Meta强调其在训练过程中使用了可再生能源，并评估了模型在重大风险测试中的表现。

Llama 3.1多语言模型泄露引发关注

1. Llama 3.1是一个多语言大型语言模型集合，包含8B、70B和405B三种参数规模，性能超越OpenAI的GPT-4o，支持多种语言，使用超过15万亿个token的公开数据进行预训练。

2. 该模型采用优化的Transformer自回归架构，经过指令微调和强化学习微调，具有128k的上下文长度和分组查询注意力技术，适用于多语言商业应用和研究。

3. Llama 3.1使用Meta定制的GPU集群进行训练，实际排放量为0，确保数据时效性。模型在安全性方面进行了深入考量，开发了基于LLM的分类器以增强数据质量控制。

推荐阅读

💡添加关注，获取更多AI热点资讯～💡

感谢您的阅读，辛苦您 点赞、在看、分享！