本周报基于主流 AI 搜索平台推荐、经 AFL 团队摘要和评论而生成。

AI 要闻和视角

• 「谷歌官宣『Bard 应用市场能力』：Bard Extension」（原文：Bard can now connect to your Google apps and services；OSChina：Bard 更新：迄今为止最强大的模型、集成谷歌全家桶）：Google 的下一个大杀器 Bard Extension 于 2023 年 9 月 19 日上线，把整个 Google 生态链接了起来：1）可以实时从 Google 地图、航班、酒店和 YouTube 获取信息；2）可以将自己的 Gmail / Google Docs / Google Drive 作为信息输入源；3）可以通过谷歌搜索评估 Bard 的回答是否靠谱。
• 「企业级聊天 AI 平台 Druid 融资 3 千万美元」（原文：Druid, a conversational AI platform for enterprises that integrates with ChatGPT, raises $30M）：欧洲人工智能初创公司 Druid 今天宣布，它已在 B 轮融资中筹集到 3000 万美元，并希望在美国实现双倍增长。Druid 于 2018 年在罗马尼亚成立，其「对话式商业应用」既依赖于传统的对话式人工智能模型，也依赖于 ChatGPT 提供的新兴生成式人工智能。
• 「AI 网络芯片公司 Enfabrica 获得 1.25 亿美元投资」（原文：Enfabrica, which builds networking hardware to drive AI workloads, raises $125M）：联合创始人兼首席执行官 Rochan Sankar 表示，Enfabrica 公司今天宣布在 B 轮融资中筹集了 1.25 亿美元，其估值是 A 轮融资后估值的「五倍」。
• 「以色列基于 GPU 的大数据分析公司 SQream 获得 4500 万美元投资。」（原文：SQream calls in $45M to expand its GPU-based big data analytics platform）：该公司的重点是半导体、制造、电信、金融服务和医疗保健等垂直领域的企业细分市场，已披露的客户包括移动运营商 Orange、三星、LG、阿里巴巴和 PubMatic 等。该公司计划利用这笔资金继续加倍努力，尤其是在北美地区。这家初创公司的名字源于其最初的关注点： Gal 与 Razi Shoshani（首席技术官）和 Kostya Varakin（已不在公司）一起创办了这家公司，最初的想法是专注于 SQL 数据库分析，这在当时本身就是一个很大的市场；而借助 Nvidia 基于 GPU 的并行处理技术的想法，则源于他们三人都非常喜欢游戏，并看到了 GPU 在当时的潜力，可以为商业智能、机器学习和其他任何用途创建更快、更高效的数据查询。
• 「头像图片生成工具 Charater.ai 用户数量直追 ChatGPT」（原文：AI app Character.ai is catching up to ChatGPT in the US）
• 「Patronus AI：用 AI 评测 AI/LLM 并确保其安全准确」（原文：Patronus AI conjures up an LLM evaluation tool for regulated industries）：该公司以托管服务的形式建立了一个安全和分析框架，用于测试大型语言模型，以识别可能存在问题的领域，尤其是出现幻觉的可能性，在幻觉中，模型由于缺乏正确回答的数据而编造了一个答案。「在我们的产品中，我们真正寻求的是实现全流程和模型评估的自动化和规模化，以便在发现问题时提醒用户。」
• 「Adobe 公司开始向训练 AI 素材库的创作者支付酬金」（原文：Adobe starts paying bonuses to Stock contributors whose content is being used to train Firefly）：Adobe 的 Firefly 人工智能生成模型已普遍可用。一直以来，Firefly 在众多图像生成模型中脱颖而出的一个特点是，该公司只对公共领域的内容或通过其图片库服务 Adobe Stock 拥有版权的内容进行训练。

AI 实战和拆解

• 「亚马逊发布生成式 AI 工具帮助商家撰写产品介绍并上架销售」（原文：Amazon debuts generative AI tools that helps sellers write product descriptions）：亚马逊针对卖家推出了一套新的人工智能生成工具，该零售商称这将简化创建产品列表的过程。这家零售巨头称，这些新功能旨在帮助卖家生成「吸引人的产品描述、标题和列表细节」。卖家还可以使用人工智能添加现有的产品描述，而不必从头开始。
• 「AI 阅读教练 Ello 每个月送 5 本书给你孩子，还教他们阅读」（原文：AI reading coach startup Ello raises $15M to bolster child literacy）
• 「除了 ChatGPT、Dall-E 2 和 Stable Diffusion 2，还有哪些值得研究的平台和工具？」（原文：Beyond ChatGPT: 14 Mind-Blowing AI Tools Everyone Should Be Trying Out Now）：它们分别是：Lumen5、Soundraw、Looka、Podcastle、Gen-1、Lalal.ai、Deep Nostalgia、Murf、Legal Robot、Cleanup.Pictures、Fireflies、Krisp。

AI 学术和代码

• 「使用 Next.js 13、React、Tailwind、Prisma、Stripe 构建 SaaS 人工智能伴侣 | 完整教程 2023」（原文和示例代码：Build a SaaS AI Companion with Next.js 13, React, Tailwind, Prisma, Stripe | Full Tutorial 2023）
• 「9 项人工智能发展： 从 HeyGen 2.0 到 AjaxGPT、从 Open Interpreter 到 NExT-GPT 和 Roblox AI」（油管视频：9 AI Developments: HeyGen 2.0 to AjaxGPT, Open Interpreter to NExT-GPT and Roblox AI）
• 「QLoRA：量化 LLM 的高效微调」（原文：QLoRA: Efficient Finetuning of Quantized LLMs）：该代码 repo 支持「QLoRA：量化 LLM 的高效微调」（QLoRA: Efficient Finetuning of Quantized LLMs）这篇论文，该论文旨在实现 LLM 研究的普及化。QLoRA 使用 bitsandbytes 进行量化，并与 Hugging Face 的 PEFT 和 transformers 库集成。QLoRA 由华盛顿大学 UW NLP 小组成员开发。摘要：我们提出的 QLoRA 是一种高效的微调方法，它能减少内存使用量，足以在单个 48GB GPU 上对 65B 参数模型进行微调，同时保持完整的 16 位微调任务性能。QLoRA 通过将冻结的 4 位量化预训练语言模型的梯度反向传播到低秩适配器（LoRA）中。

「你只能用独有的知识换取回报，而不是你付出的努力。你付出努力是为了获得独有的知识。」– Naval
"You get rewarded for unique knowledge, not for effort.  Effort is required to create unique knowledge."  – Naval