苹果品牌电视相关消息历史

IT之家援引该媒体报道，苹果将推出智能电视的消息最早可以追溯到 2006 年，而一位前苹果高管于 2011 年声称苹果与一家电视制造商达成了协议，相关消息此后愈演愈烈。

乔布斯在谈及电视时曾透露：“我终于搞定了，我想创造一款完全易于使用的集成电视，可以和 iCloud 无缝集成，用户不用摆弄复杂的遥控器”。

相关消息已知持续到 2015 年，《华尔街日报》于 2015 年报道，苹果公司在“1 年前”就放弃了苹果品牌电视的计划。

未来展望

苹果公司在 2019 年 11 月推出了 Apple TV+ 服务，并在过去五年中不断增加新的电视节目和电影。Apple TV+ 现在拥有相当数量的内容，此外还有 Apple Music 等服务，可以构筑完善的电视生态。

在硬件方面，尽管电视市场仍然被三星、LG 和索尼主导，但苹果公司一直研究尖端显示技术，该媒体认为苹果现在推出电视产品，依然可以吸引大量消费者。

广告声明：文内含有的对外跳转链接（包括不限于超链接、二维码、口令等形式），用于传递更多信息，节省甄选时间，结果仅供参考，IT之家所有文章均包含本声明。

　　使用这种方法，推理成本没有明显提升，但是模型性能更好了。

　　这么好用的模型，为啥不发布？

　　不划算。

　　semianalysis分析，相较于直接发布，Anthropic更倾向于用最好的模型来做内部训练，发布Claude 3.5 Sonnet就够了。

　　这多少让人不敢相信。

　　但是文章作者之一Dylan Patel也曾是最早揭秘GPT-4架构的人。

　　除此之外，文章还分析了最新发布的o1 Pro、神秘Orion的架构以及这些先进模型中蕴藏的新规律。

　　比如它还指出，搜索是Scaling的另一维度，o1没有利用这个维度，但是o1 Pro用了。

　　网友：它暗示了o1和o1 Pro之间的区别，这也是之前没有被披露过的。

　　新旧范式交迭，大模型还在加速

　　总体来看，semianalysis的最新文章分析了当前大模型开发在算力、数据、算法上面临的挑战与现状。

　　核心观点简单粗暴总结，就是新范式还在不断涌现，AI进程没有减速。

　　文章开篇即点明，Scaling law依旧有效。

　　尽管有诸多声音认为，随着新模型在基准测试上的提升不够明显，现有训练数据几乎用尽以及摩尔定律放缓，大模型的Scaling Law要失效了。

　　但是顶尖AI实验室、计算公司还在加速建设数据中心，并向底层硬件砸更多钱。

　　比如AWS斥巨资自研了Trainium2芯片，花费65亿美元为Anthropic准备40万块芯片。

　　Meta也计划在2026年建成耗电功率200万千瓦的数据中心。

　　很明显，最能深刻影响AI进程的人们，依旧相信Scaling Law。

　　为什么呢？

　　因为新范式在不断形成，并且有效。这使得AI开发还在继续加速。

　　首先在底层计算硬件上，摩尔定律的确在放缓，但是英伟达正在引领新的计算定律。

　　8年时间，英伟达的AI芯片计算性能已经提升了1000倍。

　　同时，通过芯片内部和芯片之间的并行计算，以及构建更大规模的高带宽网络域可以使得芯片更好在网络集群内协同工作，特别是推理方面。

　　其次在数据方面也出现了新的范式。

　　已有公开数据消耗殆尽后，合成数据提供了新的解决途径。

　　比如用GPT-4合成数据训练其他模型是很多实验团队都在使用的技术方案。

　　而且模型越好，合成数据质量就越高。

　　也就是在这里，Claude 3.5 Opus不发布的内幕被曝光。

　　它承担了为Claude 3.5 Sonnet合成训练数据、替代人类反馈的工作。

　　事实证明，合成数据越多，模型就越好。更好的模型能提供更好的合成数据，也能提供更好的偏好反馈，这能推动人类开发出更好的模型。

　　具体来看，semianalysisi还举了更多使用综合数据的例子。

　　包括拒绝采样、模式判断、长上下文数据集几种情况。

　　比如Meta将Python代码翻译成PHP，并通过语法解析和执行来确保数据质量，将这些额外的数据输入SFT数据集，解释为何缺少公共PHP代码。

　　比如Meta还使用Llama 3作为拒绝采样器，判断伪代码，并给代码进行评级。一些时候，拒绝抽样和模式判断一起使用。这种方式成本更低，不过很难实现完全自动化。

　　在所有拒绝抽样方法中，“判官”模型越好，得到数据集的质量就越高。

　　这种模式，Meta今年刚刚开始用，而OpenAI、Anthropic已经用了一两年。

　　在长上下文方面，人类很难提供高质量的注释，AI处理成为一种更有效的方法。

　　然后在RLHF方面，专门收集大量的偏好数据难且贵。

　　对于Llama 3，DPO（直接偏好优化）比PPO（最近策略优化）更有效且稳定，使用的计算也少。但是使用DPO就意味着偏好数据集是非常关键的。

　　如OpenAI等大型公司想到的一种办法是从用户侧收集，有时ChatGPT会给出2个回答并要求用户选出更喜欢的一个，因此免费收集了很多反馈。

　　还有一种新的范式是让AI替人类进行反馈——RLAIF。

　　它主要分为两个阶段。第一阶段模型先根据人类编写的标准对自己的输出进行修改，然后创建出一个修订-提示对的数据集，使用这些数据集通过SFT进行微调。

　　第二阶段类似于RLHF，但是这一步完全没有人类偏好数据。

　　这种方法最值得关注的一点是，它可以在许多不同领域扩展。

　　最后，值得重点关注的一个新范式是通过搜索来扩展推理计算。

　　文章中表明，搜索是扩展的另一个维度。OpenAI o1没有利用这个维度，但是o1 Pro用了。

　　o1在测试时阶段不评估多条推理路径，也不进行任何搜索。

　　Self-Consistency / Majority Vote就是一种搜索方法。

　　这种方法中，只需在模型中多次运行提示词，产生多个相应，根据给定的样本数量，从相应中选出出现频率最高的来作为正确答案。

　　除此之外，文章还进一步分析了为什么说OpenAI的Orion训练失败也是不准确的。

　　本文作者：量子位，来源：量子位，原文标题：《反转！Claude 3.5超大杯没有训练失败，最新爆料：内部自留，用于合成数据和RL训练》

　　风险提示及免责条款

　　市场有风险，投资需谨慎。本文不构成个人投资建议，也未考虑到个别用户特殊的投资目标、财务状况或需要。用户应考虑本文中的任何意见、观点或结论是否符合其特定状况。据此投资，责任自负。

　　韩国科斯达克指数自3月份高点累计回落30%，日内跌超3%，创下2020年5月以来新低。

　　韩元兑美元一度大跌近0.7%。

　　据证券时报，韩国经济副总理兼企划财政部长官崔相穆8日说，政府经济团队将在必要时“调动所有可用资源，迅速采取大胆措施”，防止政治乱局引发本国金融和外汇市场“过度波动”。崔相穆与韩国政府经济相关部门负责人举行联合记者会时表示，他将带领经济团队让经济尽可能保持稳定。政府与央行正采取预防性措施以应对市场波动。 

　　据央视新闻，总台记者当地时间9日获悉，韩国调查机关称，已对包括总统尹锡悦在内11名涉“紧急戒严”核心人员立案调查。已紧急禁止前行政安全部长官李祥敏、前国防部长官金龙显等“紧急戒严”核心人员离开韩国。

　　此外，韩国警方称，正在研究是否需要以涉嫌“内乱罪”禁止总统尹锡悦出国。

　　韩国检察厅紧急戒严特别调查本部当地时间9日表示，从当天上午开始，检方对位于京畿道果川的国防部防间谍司令部等地进行了扣押搜查。检方与展开联合调查的军事检察机关一起，共同派遣了检察官和调查官在现场对紧急戒严相关资料进行了扣押搜查。

　　韩国国防部称，韩国军队统帅权仍在总统尹锡悦手中。

　　8日，韩国最大在野党党首李在明举行记者会表示，国务总理与执政党党首破坏宪政秩序，总统权限不是私有物，不可转让，政府和执政党目前正在策划第二次内乱；一定要在12月14日以国民的名义成功弹劾尹锡悦。

　　韩国最大在野党共同民主党当地时间12月9日向国会提交了“尹锡悦内乱事态特别检察法”提案，以及关于总统夫人的“金建希特检法”的提案。

　　共同民主党提出，对于尹锡悦宣布紧急戒严一事，特别检察要调查有关此次戒严事件的所有疑点。在共同民主党的提案中，主导对此次紧急戒严事件调查的由法院行政处长、韩国律师协会会长以及韩国法学教授协会会长各推荐1人组成，各党派和国会都不得介入。共同民主党方面指出，这主要是为了不让特别检察官的推荐方式成为政治斗争的导火索，从而影响到解决紧急戒严事件的进程。

　　共同民主党同时还第四次提交了关于总统夫人的“金建希特检法”。此前，“金建希特检法”曾三次在国会全体会议上通过，但由于尹锡悦行使否决权，被退回到国会，在7日举行的国会全体会议上以2票之差没有获得通过而被废止。

　　共同民主党计划，分别在本月12日和14日将“金建希特检法”和“尹锡悦内乱事态特检法”提交到国会全体会议进行表决。 

　　编辑|孙志成 易启江

11月28日，中证新华社民族品牌工程指数（简称“民族品牌指数”）收报1683.40点，跌1.27%。100只成分股中，16只上涨、84只下跌。其中，中国软件上涨2.17%，上海家化上涨1.48%，恒生电子上涨1.38%。

　　中资券商股早盘集体上扬 ，申万宏源（06806）上涨4.45%，报2.56港元；中国银河（06881）上涨4.40%，报7.36港元；招商证券（06099）上涨3.04%，报13.58港元；中信证券（06030）上涨3.53%，报22港元；中信建投证券（06066）上涨3.49%，报9.78港元。