07月26日AI快讯 | AI自我训练风险：模型崩溃现象及其应对策略。

---

AI快讯目录

• [1] AI自我训练风险：模型崩溃现象及其应对策略
• [2] Mistral发布旗舰级开源模型Mistral Large 2
• [3] 微盟WAI探索企业级AI应用，助力企业提升生产力
• [4] AI生成数据训练模型或致崩溃，研究揭示潜在风险与解决方案
• [5] 字节跳动推出CLASI：接近人类水平的同声传译智能体
• [6] AI生成数据训练模型或致崩溃，研究强调原始数据重要性
• [7] AI技术在横店短剧制作与投放中的应用现状
• [8] 后摩尔时代半导体行业的良率管理挑战与应对策略
• [9] Mistral Large 2：开源AI领域的新星

---

AI自我训练风险：模型崩溃现象及其应对策略

1. 最新研究揭示，使用AI生成的数据训练AI模型可能导致模型崩溃，表现为性能严重退化和输出内容毫无意义。这种现象在大型语言模型、变分自编码器和高斯混合模型中均可能发生。

2. 研究指出，随着技术发展，高质量数据变得愈发重要。然而，许多AI模型依赖于互联网上抓取的数据，这些数据可能已被前代模型生成的内容污染，导致模型性能逐渐下降。

3. 为缓解模型崩溃，研究者建议严格过滤AI生成的数据，保留一定比例的原始数据，使用多样化的数据来源，或研究更鲁棒的训练算法。科技公司也在部署嵌入“水印”的技术以剔除AI生成内容。

Mistral发布旗舰级开源模型Mistral Large 2

1. 法国AI初创公司Mistral发布了拥有1230亿参数的开源模型Mistral Large 2，在代码生成、数学和推理方面表现出色，适合非商业研究用途，商业应用需付费许可。

2. Mistral Large 2支持多种新语言，适合需要强大推理能力或高度专业化任务的场景，并在减少模型幻觉问题上取得进展，响应更简洁。

3. 该模型在多语言基准测试中表现优异，适合长上下文类应用场景，并通过API和云平台开放访问，继续在成本效率、速度与性能方面突破。

微盟WAI探索企业级AI应用，助力企业提升生产力

1. 当前大模型市场中，to B端AI应用受到关注，微盟集团通过WAI产品为企业提供全局性生产力提升。企业级AI应用场景复杂，需要拆解细分场景实现提效。

2. 微盟WAI自2023年5月发布以来，已在SaaS场景下拓展超过50个商业应用场景，覆盖多个行业。WAI在营销方面提供多维度AI技术支持，智能创作能力覆盖全域营销场景。

3. 微盟WAI面临客户预算严格、预期与实际效果差距等挑战。通过开发辅助工具和模板，微盟努力弥合客户预期与实际效果之间的差距，推动AI在企业级市场的商业化进程。

AI生成数据训练模型或致崩溃，研究揭示潜在风险与解决方案

1. 牛津、剑桥等机构的研究指出，使用AI生成的数据训练AI模型可能导致模型崩溃，尤其在大型语言模型、变分自编码器和高斯混合模型中，低概率事件会消失。

2. 研究发现，模型在多代训练后会输出与原始素材无关的内容，甚至高度扭曲的图像。为缓解模型崩溃，AI需区分真实与虚假内容，科技公司已部署嵌入“水印”技术。

3. 论文讨论了早期和晚期模型崩溃的情况，指出三种误差源在多代模型中累积导致崩溃。研究者通过数学模型量化误差来源，强调使用真实、高质量数据的重要性。

字节跳动推出CLASI：接近人类水平的同声传译智能体

1. 字节跳动推出了名为CLASI的端到端同声传译智能体，解决了传统级联模型的错误传播问题，翻译效果接近专业人工水平。

2. CLASI基于大型语言模型智能体，采用了多模态检索增强生成过程，显著提高了翻译质量和实时性，实验结果显示其准确性超过78%。

3. CLASI通过模仿专业译员的数据驱动策略和新的人工评估标准，有效平衡了翻译质量和延迟，展示了人工智能在同声传译领域的巨大潜力。

AI生成数据训练模型或致崩溃，研究强调原始数据重要性

1. 最新研究表明，使用AI生成的数据训练大型模型可能导致模型崩溃，牛津大学等机构的研究指出，过度依赖自动生成的数据会使AI模型在几代内退化成胡言乱语。

2. 模型崩溃是指AI模型在生成的数据上过度训练，导致不可逆转的退化。崩溃分为早期和后期阶段，早期表现为少数数据上的性能下降，后期则完全崩溃。

3. 为避免模型崩溃，研究建议访问原始数据源并在递归训练的模型中仔细过滤数据。AI社区应协调合作，追踪输入到模型中的信息来源，以保持模型的准确性。

AI技术在横店短剧制作与投放中的应用现状

1. 横店短剧制作依然依赖传统方式，AI技术在制作端的应用兴趣不大。短剧制造者更倾向于通过实拍快速生产大量情节简单、制作周期短的短剧，以满足市场需求。

2. 短剧投放成本高昂，AI技术在投放端展现优势。AI剪辑投流公司如星空智能，通过AI技术一键完成剪辑和投放，提高了投放速度和效率，优化了投放过程。

3. AI技术在短剧制作中的应用面临挑战，但在投放领域展现潜力。AI剪辑投放通过多模态识别能力分析短剧内容，批量剪辑并调整投放方式，提高了投放速度和精准度，为短剧行业带来新机遇。

后摩尔时代半导体行业的良率管理挑战与应对策略

1. 半导体行业在后摩尔时代面临严峻的良率管理挑战，特别是随着芯片复杂度和晶体管密度的增加，良率问题成为影响成本和产能利用率的关键因素。

2. 在逻辑芯片领域，3纳米工艺是目前最先进的量产工艺，台积电和三星是主要竞争者。台积电由于良率领先优势，预计将获得大部分大厂的3nm订单，进一步拉大与三星的市占率差距。

3. 为应对良率挑战，半导体厂商正从减少污染物、工艺优化、引入AI和大数据分析技术、自动化升级等多方面进行优化和创新，以提升产品竞争力和推动行业高质量发展。

Mistral Large 2：开源AI领域的新星

1. Mistral Large 2模型以123B参数量实现高效运行，性能媲美SOTA模型，适合个人开发者和研究者使用，成本效率高。

2. 相比Llama 3.1，Mistral Large 2在本地部署更可行，尤其在代码生成、数学推理等方面表现出色，支持多种编程语言。

3. Mistral Large 2在多语言处理、指令执行和对话能力上表现优异，具备强大函数调用和检索能力，适用于复杂商业应用。

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！