清华

【新智元导读】提示工程可以自动化了?EvoPrompt的出现解决了大型语言模型性能依赖高质量提示的挑战，同时展示了LLM在传统算法中的潜在价值。将LLM的能力和传统算法结合起来，会碰撞出怎样的火花?最近清华大学、微软研究院和东北大学的一项新研究表明，利用传统进化算法来处理提示词工程中的问题，可以大大提升效率。

清华大学与中国气象局合作开发的大模型「NowcastNet」成功解决了极端降水天气临近预报的世界级难题。该模型能够在公里尺度下预报0-3小时的极端降水，包括短时强降水、暴风雨、暴雪、冰雹等。过去，由于极端降水天气的复杂性和混沌效应，临近预报时效往往只能在一小时以内。NowcastNet的研发过程历时三年，利用近六年的雷达观测资料进行模型训练。

当前，哪怕是ChatGPT等最先进的AIAgent都是传统的被动式Agent（下图1左侧所示），即需要用户通过明确的指令显式告诉Agent应该做什么，Agent才能继续执行接下来的任务。

对大模型进行量化、剪枝等压缩操作，是部署时最常见不过的一环了。不过，这个极限究竟有多大?清华大学和哈工大的一项联合研究给出的答案是:90%。他们提出了大模型1bit极限压缩框架OneBit，首次实现大模型权重压缩超越90%并保留大部分（83%）能力。可以说，玩儿的就是“既要也要”～一起来看看。大模型1bit量化方法来了

在大模型时代，清华、港中文、港科广、UIC、北邮联合发布了一篇文本水印综述，全面探讨了大模型与文本水印技术的交融。该综述首先回顾了文本水印的起源，随后聚焦于大模型时代的三个关键方向:将现有文本水印算法应用于大模型、大模型辅助文本水印算法设计、直接将水印植入大模型。特别强调了文本水印技术在解决大语言模型信息滥用问题上的作用。

要点:1、清华、浙大等中国顶尖学府提供了性能优异的GPT-4V开源替代方案。2、LLaVA、CogAgent和BakLLaVA是三种具有极大潜力的开源视觉语言模型。3、LLaVA在视觉聊天和推理问答方面表现出接近GPT-4水平的能力。

要点:1、首次用语言模型作为辅助驾驶，用描述的方式来控制行动轨迹2、Co-Pilot人机交互框架能完美把控乘客意图3、大语言模型在自动驾驶领域进一步深入应用的可能性