来自Meta、艾伦AI研究院和华盛顿大学的研究团队开源一款语言模型代理哈士奇（HUSKY），可处理复杂的多步骤推理任务，透过2个阶段不断迭代。
重点新闻(0619～0625)
Husky-v1 语言模型 代理
Meta开源一款AI代理「哈士奇」
最近，来自Meta、艾伦AI研究院和华盛顿大学的研究团队开源一款语言模型代理哈士奇（HUSKY），可处理复杂的多步骤推理任务。进一步来说，AI代理（Agent）是指由AI模型驱动的智慧系统，可从环境中学习、适应并自动完成特定任务，比如Siri。而哈士奇这个代理在统一空间中执行运算，意味著单一个哈士奇就能处理多类型任务，像是数值、表格和知识推理，而非只专注特定任务，如程式码撰写代理。
团队发表的第一代哈士奇代理为Husky-v1，透过2个阶段不断迭代：首先是根据给定任务，来生成下一步的解决动作，再来是用专家模型执行这个动作，同时不断更新解决方案。其中，第一代哈士奇的专家模型包含程式码生成器、询问生成器和数学推理器等3款，它们皆用合成资料训练而成。团队也用14个不同任务来评测Husky-v1，发现它的表现优于其他代理，如CoT、ReAct、Lumos等，甚至在混合工具推理任务中，胜过GPT-4-Turbo。（详全文）
苹果 LLM MLX
开发者可用MLX函式库，联合多台苹果装置跑大模型了
最近，苹果才结束今年度发表大会WWDC，主打Apple Intelligence、聚焦个人化AI功能和隐私保护，但还留了一手。也就是，开发者可用苹果的开源机器学习函式库MLX，来联合苹果装置（如Mac笔电、iPhone手机和iPad等）算力、形成一个AI丛集，来执行大型AI模型。
日前就有位开发者Mohamed Baioumy分享经验，他使用了2台MacBook、2支iPhone 15 Pro和1台iPad，来执行80亿参数的Llama 3 instruct 4 bit模型，可以非常快的速度回答文字问题。另有位开发者Mohamed Baioumy表示，就算不是苹果装置也可以，也就是说，只要所有装置都使用同一个网路，开发者就可堆叠多个装置来跑大模型。这代表，开发者可透过多个装置来执行先进的AI模型了。（详全文）
金管会 AI指引 金融业
金管会发布金融业运用AI指引
最近，金管会终于发布「金融业运用AI指引」，与去年12月底提出的草案大方向一致，除提供AI系统和生成式AI定义，也说明4个AI系统生命周期阶段，并提供业者在各阶段中落实6大核心原则的处理机制。
进一步来说，这份AI指引就像是一份AI操作建议书，分别引导业者在导入AI或使用生成式AI时，如何在4个阶段中，包括系统规画及设计、资料搜集及输入、模型建立及验证、系统部署及监控等阶段，落实6大核心原则，也就是建立治理及问责机制、重视公平性及以人为本的价值观、保护隐私及客户权益、确保系统稳健性与安全性、落实透明性与可解释性，和促进永续发展。
比起草案，这份正式版多出了实务作法，也提及更多第三方业者的监督管理方式，对自建、委外和外购等不同部署方式增订相关内容，也修改风险评估因素的叙述方式、增加指引适用的弹性。综合规画处处长胡则华指出，目前采用生成式AI的金融机构有29家，银行业占最多，使用场景大多为内部作业，第二是智能客服，第三则是行销广告。（详全文）
语言模型 Meta 程式撰写
Meta揭露4款语言模型，涵盖程式撰写、音乐生成和音讯浮水印
日前，Meta AI研究院最近发表4款语言模型，包括Meta Chameleon，含70亿参数（7B）和340亿参数（34B）版本，支援多模态输入值，但只以文字输出。另一款模型是Meta Multi-Token Prediction，是一款预训练语言模型，专门用来处理程式码撰写任务。这是因为该模型采用多Token预测方法，可即时预测好几个字，而非只预测一个，也因此提高了作业效率和回应速度。
第三款模型是Meta JASCO，是一款生成式文字转音乐模型，预计晚些时候释出预训练模型。最后一个模型是Meta AudioSeal，是一款音讯浮水印模型，能在装置端侦测AI生成的语音，并配上浮水印；该模型开放商用授权。除了模型，Meta也发表负责任AI研究成果，包括了研究本身、资料和程式码，可用来衡量和改善AI系统中的地理表征、文化偏好和多元性。（详全文）
Luma AI 影片生成 Dream Machine
美AI新创开源高品质影片生成模型
旧金山一家AI新创Luma AI最近发表AI系统Dream Machine，可根据简单的文字描述，来生成高品质影片，且号称几分钟就能完成。有别于OpenAI的影片生成模型Sora和快手的Kling、只对特定群众开放，Luma AI开放各界免费在自家网站尝试这款系统。
Luma AI表示，Dream Machine目前虽只能生成5秒长的影片，但在品质上相对写实逼真，可应用的领域更广。（详全文）
Claude 3.5 Sonnet Anthropic 语言模型
Claude 3.5 Sonnet问世了，评测表现胜过GPT-4o
Anthropic日前发表了新款大型语言模型Claude 3.5 Sonnet，是Claude系列的中阶模型，但表现和效率都超越Claude 3.0的高阶模型Opus，在大多数的评测上也胜过OpenAI今年5月推出的GPT-4o。进一步来说，Claude 3.5 Sonnet的执行速度是Claude 3 Opus的两倍，Anthropic自己也以自然语言指令，要求不同模型修补开源程式码臭虫或新增功能，发现Claude 3.5 Sonnet解决了64%的问题，超越Claude 3 Opus的38%。
在提供指示与相关工具后，Claude 3.5 Sonnet得以独立撰写、编辑与执行程式码，可执行复杂的推论及故障排除能力，轻松处理程式码的转换，能更有效率更新老旧应用程式并迁移程式码库。Claude 3.5 Sonnet不仅在所有基准评测上胜过Claude 3 Opus，它在GPQA、HumanEval、MGSM、DROP、BIG-Bench-Hard或是与视觉有关的MathVista、AI2D、Relaxed accuracy及ANLS score等评测上也超越了GPT-4o，只有在MMLU、MATH及MMMU上略逊GPT-4o。（详全文）
EVI Hume AI 情绪辨识
Hume AI推出懂53种情绪的iOS App：EVI
最近，Hume AI上架一款号称读懂人类情绪的iOS应用程式EVI，由Anthropic最新的语言模型Claude 3.5 Sonnet驱动。特别的是，EVI背后的同理心大语言模型可解读语调、强调字眼和非口语的暗示，来优化互动体验。EVI可理解53种人类情绪，如开心、生气、困惑、欺骗等。至于EVI采用的声音模型Kora，则能以API方式提供给开发者，目前也支援Anthropic、OpenAI和开源语言模型，预计之后很快就会纳入Google模型。开发者可以建立他们的应用程式，并加入EVI的Discord来获得更新资讯。
EVI的情绪理解能力，是来自Hume AI对非话语的情绪性语音研究成果，这类语音是指透露情绪的语助词，或单纯是透露情绪的发声词。为训练EVI的情绪理解模型，Hume AI收集了来自1万6千多人共数千个语音片段档案，横跨美国、中国、印度、南非和委内瑞拉。Hume AI表示，未来，他们打算扩展EVI能力，增添全球通用的脸部表情辨识能力。（详全文）
Databricks AI治理 Unity Catalog
Databricks揭露一款资料与AI治理工具，采开放API和通用介面
Databricks最近宣布，将于今年第3季发表一款统一、可跨云和资料平台的资料与AI治理解决方案Unity Catalog OSS预览版。Databricks希望藉该工具，来建立AI治理可互通的开放标准。
这款Unity Catalog OSS提供通用介面，可支援多种资料各式和运算引擎，还能统一治理表格类资料、非结构化资料、机器学习模型等AI资产。在AI治理部分，这款工具可自动监控模型、诊断错误并维护资料和模型品质。该工具也会主动发出警报、自动侦测个人识别资讯（PII）资料、追踪模型是否漂移，并能解决资料和AI工作流程中的问题。透过开放API和Apache 2.0授权，使用者可免于被厂商绑死，不过，AWS、Google Cloud、微软、Salesforce、Confluent、dbt Labs、Immuta等多家业者都表示支援Unity Catalog OSS，认为此举为使用者带来更大的弹性，还与开源生态系原则相符。（详全文）
图片来源／Meta、Mohamed Baioumy、Luma AI、Anthropic、Hume AI、Databricks
AI近期新闻
2. 前OpenAI首席科学家Ilya Sutskever成立新公司，瞄准AI安全性
3. Pixel 8、Pixel 8a终于也有Gemini Nano了
资料来源：iThome整理，2024年6月