进击的胖虎

本文详细解答了Poe的常见问题，并提供了订阅步骤，包括如何使用虚拟信用卡Wildcard进行注册，以及解决订阅过程中的年龄验证和地址错误问题，助您轻松享受Pro版服务。

HeyGen是一款AI视频生成工具，提供自定义AI头像、语音克隆、文本转视频等功能，支持多语言视频制作和AI写作辅助，适合个人和企业用户创作专业视频内容。文章详细介绍了HeyGen的功能、订阅步骤和使用攻略，帮助用户快速上手并高效利用该工具。

本文详细描述了一位用户在注册推特时遇到的登录问题，包括可疑登录行为提示和支付方式被拒绝的情况。用户尝试了多种解决方法，包括更换浏览器和代理服务器，但均未成功。最终，通过使用专为OpenAI设计的Wildcard浏览器，用户成功解决了登录问题，并分享了这一解决方案。

本文是关于如何在Patreon平台上订阅内容并使用虚拟信用卡支付的教程。从Patreon账户注册、内容浏览、订阅时长选择，到开通Wildcard虚拟卡和使用该卡完成Patreon订阅，步骤详尽，旨在帮助用户轻松享受Patreon上的独家内容。

本文是一篇关于如何订阅Midjourney服务的详细指南，包括使用Wildcard平台开通虚拟信用卡、Midjourney的介绍及其订阅计划费用，以及国内用户如何通过虚拟卡订阅Midjourney的步骤

【重要】推荐使用 Wildcard虚拟信用卡订阅GPT、Sora等服务，价格更便宜、卡片有效期更长、支持的服务更多，具体教程请查看：Wildcard教程

其他精选文章

刚刚，备受瞩目的LIama 3.1震撼问世，荣耀加冕为大模型领域的最新王者！

在横跨150余项基准测试的挑战中，LIama 3.1的405B版本以其卓越性能，不仅与当前顶尖的SOTA模型——GPT-4o及Claude 3.5 Sonnet并驾齐驱，更在多个维度上实现了超越，树立了新的性能标杆。

这一里程碑式的成就标志着，LIama 3.1作为最强开源模型的身份，已无可争议地成为了当前整体实力最强的模型之一，引领着大模型技术的新一轮飞跃。

确实，Llama 3.1的正式发布可谓是众望所归，此前的多番曝光与泄露早已激起了业界内外的广泛讨论与期待。如今，随着其正式亮相，所有关注者的目光都被这一卓越成果深深吸引。

自即日起，广大开发者与研究人员可通过官方渠道轻松下载Llama 3.1模型，并立即投入实践与应用之中。同时，Meta AI还贴心提供了在线试玩平台，让用户能够直观体验这一大模型所带来的创新与变革。

尤为值得一提的是，伴随Llama 3.1发布的近100页详细论文，无疑是研究社区的一份宝贵财富。该论文不仅全面阐述了Llama 3.1的诞生历程，更深入剖析了预训练数据的筛选与过滤、退火技术的运用、合成数据的生成、缩放定律的遵循、训练基础设施的构建与优化、并行计算的高效实现、训练配方的精细调整、训练后适应的策略、各类工具的应用技巧、基准测试的全面覆盖、推理策略的精心设计、模型量化的技术挑战以及视觉、语音、视频等多模态处理的创新探索。这一系列详尽的内容，为整个研究社区提供了宝贵的参考与启示。

对此，HuggingFace的首席科学家给予了高度评价，他建议所有从零开始探索大模型领域的研究者，都应将这篇论文视为必读之作。这不仅是因为其内容的全面性与深度，更是因为它所展现出的科研精神与创新思维，将为大模型技术的未来发展提供源源不断的动力与灵感。

小扎扎克伯格还在最新接受彭博社采访时专门嘲讽了一把OpenAI。

奥特曼的领导能力值得称赞，但有点讽刺的是公司名为OpenAI却成为构建封闭式人工智能模型的领导者。

小扎还专门为此撰写了一篇长文：开源AI是前进的道路。

以往，开源模型在性能、功能等方面大多落后于闭源模型，但现在：

就像开源的Linux在一众闭源系统中脱颖而出获得普及，并逐渐变得更先进、更安全，拥有比闭源系统更广泛的生态。
我相信Llama 3.1将成为行业的一个转折点。

迄今为止，所有Llama 版本的总下载量已超过 3 亿次，Meta也是放下豪言：

这仅仅是个开始。
各大云厂商也在第一时间上线了的Llama 3.1的支持，价格是这样的：

LIama 3.1震撼发布：模型能力再创新高

今日，我们迎来了人工智能领域的一个重要里程碑——LIama 3.1的官方正式发布。这款备受期待的模型在能力上实现了全面升级，为用户带来了前所未有的智能体验。

首先，让我们聚焦于LIama 3.1的核心能力升级。最引人注目的莫过于其对上下文长度的扩展，从之前的限制一举跃升至惊人的128K。这一变革不仅意味着模型能够处理更加复杂和深入的对话场景，还为用户提供了更加连贯、自然的交互体验。

此外，LIama 3.1还新增了对八种语言的支持，进一步拓宽了其应用场景和全球用户的覆盖范围。这一举措不仅展示了模型在跨语言处理方面的强大能力，也体现了其致力于服务全球用户的决心和愿景。

而说到LIama 3.1的旗舰版本——405B超大杯，其表现更是令人瞩目。在常识推理、可操纵性、数学计算、工具使用以及多语言翻译等多个关键领域，该版本均展现出了与现有顶尖模型相媲美甚至超越的实力。这些能力的全面升级，不仅让LIama 3.1在人工智能领域中脱颖而出，更为用户带来了更加智能、高效的解决方案。

除此之外，也推出了8B和70B模型的升级版本，能力与同等参数下的顶尖模型基本持平。

再来看模型架构。

官方介绍，要在超15万亿个token上训练 Llama 3.1 405B模型挑战很大。

为此他们大幅优化了整个训练栈，并把模型算力规模首次扩展到了超过16000个H100 GPU。

LIama 3.1在技术层面实现了多项重大突破，首先，它依旧采用经典的仅解码器Transformer架构，但在此基础上进行了细致的微调与优化，旨在进一步提升模型的性能与效率。在训练流程上，LIama 3.1引入了迭代的post-training策略，通过多轮次的监督微调（SFT）和直接偏好优化（DPO），针对模型的各项能力进行精准提升，确保其在常识、可操纵性、数学、工具使用及多语言翻译等领域达到或超越现有顶尖水平。

与Llama系列的前代产品相比，LIama 3.1在预训练和post-training阶段所使用的数据量与质量均实现了显著提升。这一改进不仅增强了模型的泛化能力，还使其能够更好地理解和应对多样化的输入场景。

面对405B这样大规模模型的推理挑战，Meta采取了创新的量化技术，将模型从16位（BF16）精度成功量化至8位（FP8）精度，从而在保持模型性能的同时，大幅降低了计算资源的需求。这一举措使得LIama 3.1能够在单个服务器节点内高效运行，为大规模生产推理提供了有力支持。

在指令微调方面，Meta对LIama 3.1进行了深度优化，显著提升了模型对用户指令的响应速度和准确性，同时增强了其遵循复杂指令的能力。此外，团队还特别注重模型的安全性，确保其在处理各类指令时能够遵循伦理规范与数据安全原则。

在post-training阶段，Meta采取了多轮次对齐的策略，每轮均包含SFT、拒绝采样（RS）和DPO等关键技术环节。其中，SFT过程大量依赖于合成数据生成技术，通过多次迭代和精细的数据处理流程，确保了训练示例的高质量与多样性。同时，团队还借鉴了Deepseek等先进方法，对代码和数学相关的数据处理流水线进行了优化与升级。

除了最基本的根据提示词响应，Meta官方表示，任何普通开发者可以用它做些高级的事情，比如：

• 实时和批量推理
• 监督微调
• 针对特定应用评估模型
• 持续预训练
• 检索增强生成 (RAG)
• 函数调用
• 合成数据生成
• 而这背后也是由它的强大生态伙伴支持。

小札撰写长文：小扎力推开源AI：迈向未来的必由之路

回望高性能计算的早期岁月，大型科技公司纷纷斥巨资打造各自的闭源Unix系统，那时，闭源似乎是通往先进软件的唯一途径。然而，历史的车轮滚滚向前，开源的Linux操作系统以其独特的魅力——代码自由修改、成本效益显著，逐渐赢得了全球开发者的青睐。随着时间的推移，Linux不仅技术日益精进，安全性显著提升，更构建了一个庞大而多元的生态系统，其功能之丰富远超任何闭源Unix系统。如今，Linux已成为云计算与移动设备的基石，深刻影响着我们的生活与工作，带来了前所未有的便捷与高效。

我坚信，人工智能领域也将沿着这一轨迹前行。当前，虽有几家科技公司引领着闭源AI模型的发展，但开源的力量正迅速崛起，不断缩小与前沿技术的差距。以Llama系列为例，从Llama 2的初露锋芒，到Llama 3与顶尖模型并驾齐驱，乃至未来Llama模型有望登顶行业之巅，其开放、可修改及成本效益高的特性已显露无遗。

今天，我们自豪地宣布，Meta正引领着“开源人工智能成为行业标准”的浪潮。我们推出了Llama 3.1 405B这一前沿级别的开源AI模型，以及70B和8B等优化版本。这些模型不仅在成本/性能比上远超闭源竞品，更以其开放的特性，成为微调与蒸馏小型模型的理想选择。

为了构建更加繁荣的开源AI生态，我们正携手亚马逊、Databricks、英伟达等业界巨头，共同推出一系列服务，助力开发者轻松实现模型的微调与蒸馏。同时，Groq等创新企业也为我们提供了低延迟、低成本的推理服务，确保新模型能够高效运行于各大云平台之上，包括AWS、Azure、Google Cloud及Oracle等。此外，Scale.AI、Dell、德勤等知名企业已蓄势待发，准备助力企业采用Llama模型，并基于自身数据训练定制化AI模型。

Meta深知，开源AI不仅是技术进步的加速器，更是推动社会进步的重要力量。因此，我们坚定不移地致力于开源AI的发展，旨在打造一个长期可持续的平台，让AI的福祉惠及每一个人。我相信，随着开源AI生态的日益壮大，我们将共同见证一个更加智能、更加包容的未来世界的到来。

开源人工智能为何成为开发者的优选

在与全球各地的开发者、企业领袖及政策制定者的交流中，我深刻感受到开源人工智能（AI）对开发者而言，具有
不可估量的价值。以下是几个核心原因：

1. 定制化的模型训练与微调能力
   每个组织都拥有其独特的数据集和业务需求，因此，最适合的AI模型必然是那些能够根据其特定数据进行训练或微调的模型。无论是针对设备上的简单任务，还是处理复杂问题的挑战，开源AI提供了灵活的解决方案。开发者可以利用最前沿的Llama模型作为基础，结合自身数据进一步训练，并通过蒸馏技术优化模型大小，以完美匹配实际需求。这一过程完全自主掌控，无需担心数据泄露给第三方。

2. 掌控命运，避免闭源束缚
   许多组织担忧闭源AI模型的潜在风险，包括无法自主运行和控制模型、模型更新带来的使用条款变更、甚至服务突然中断等。这些不确定性限制了组织的长期发展规划。相比之下，开源AI赋予了组织更大的自主权，确保他们不会被单一供应商所限制。同时，开源生态的广泛性使得工具链兼容性更强，便于在不同平台间轻松迁移，为组织带来更大的灵活性和稳定性。

3. 数据安全的有力保障
   对于处理敏感数据的组织而言，数据安全是首要考虑的问题。闭源AI模型往往需要通过云API传输数据，这增加了数据泄露的风险。而开源AI则允许组织在本地或受信任的环境中运行模型，从而有效保护数据安全。此外，开源软件的透明开发过程也普遍被认为能够提高软件的安全性，因为更多的眼睛能够发现潜在的安全漏洞。

4. 成本效益与运行效率
   在成本方面，开源AI同样展现出巨大优势。开发者可以在自己的基础设施上部署Llama 3.1 405B等开源模型，并以远低于闭源模型（如GPT-4）的成本进行推理任务。这种成本优势不仅体现在基础设施投入上，还包括了长期维护和升级的费用。同时，开源AI模型通常经过优化，能够在保证性能的同时降低资源消耗，提高运行效率。

5. 面向未来的长期投资
   最后，开源AI代表了未来的发展趋势。随着技术的不断进步和开源社区的日益壮大，开源AI的发展速度往往超过闭源模型。对于希望建立长期竞争优势的组织而言，投资于开源AI生态系统意味着站在了技术发展的前沿。这不仅有助于他们快速适应市场变化，还能在未来的竞争中占据有利地位。

为什么开源人工智能对Meta至关重要

Meta的核心使命在于为人们提供无与伦比的体验与服务。为实现这一目标，我们深知必须紧跟技术前沿，同时避免陷入竞争对手构建的闭源生态系统陷阱，以免束缚我们的创新步伐。

过往的经验，特别是与苹果等平台的互动，让我们深刻体会到闭源限制对服务发展的阻碍。无论是高额的开发者费用、突如其来的规则变更，还是对产品创新的阻碍，都让我们意识到，构建一个开放、自由的生态系统对于推动技术创新和服务优化至关重要。这一哲学理念，正是我们致力于在人工智能及AR/VR领域打造开放生态系统的根本动力。

关于开源Llama是否会削弱我们的技术优势，我的看法是，这实际上是对大局的误解。原因有四：

首先，Llama的未来发展离不开一个完善的工具生态系统，这包括效率提升、硬件优化及多领域集成。若我们独自闭门造车，不仅生态系统难以成形，我们的技术表现也将难以超越那些成熟的闭源系统。

其次，人工智能领域的竞争异常激烈，技术迭代迅速。开源某一模型并不会立即赋予我们长期不可撼动的优势，关键在于持续保持技术竞争力、提升效率和保持开放性，让Llama在竞争中不断进化，成为行业标准。

第三，与某些闭源模型提供商不同，Meta的商业模式并不依赖于出售AI模型访问权。因此，公开发布Llama不仅不会削弱我们的盈利能力、可持续性或研发投入，反而有助于我们通过生态系统的繁荣实现共赢。

最后，Meta拥有悠久的开源历史和成功案例。从Open Compute项目到PyTorch、React等开源工具的发布，我们始终致力于通过开源促进技术创新和生态系统发展。这一长期策略不仅为我们节省了巨额成本，更让我们从全球开发者的创新中受益匪浅。我们坚信，坚持开源道路将是Meta持续成功的关键。

为什么开源人工智能对世界至关重要

我坚信，开源是塑造人工智能积极未来的关键所在。人工智能作为现代科技的巅峰之作，其潜力无可估量，不仅能够极大地提升人类的生产效率、激发无限创造力，还能显著改善我们的生活质量，加速经济繁荣，并推动医学与科学研究的飞跃性进步。开源模式的引入，将确保这一强大技术的红利惠及全球更广泛的人群，防止技术垄断于少数企业之手，促进技术资源的均衡分配与安全应用。

关于开源人工智能模型的安全性，我的观点是，相较于其他模式，开源将带来更高的安全标准。安全框架的构建需防范两类风险：无意伤害与故意伤害。无意伤害源自技术本身可能产生的非预期负面效应，如健康建议的误导或未来可能出现的系统失控等。而故意伤害则指恶意行为者利用AI模型实施破坏活动。在这两方面，开源因其透明度与广泛的审查机制，能够更有效地降低风险。历史经验证明，开源软件在安全性上往往表现更佳。因此，Llama等开源AI模型及其配套的安全系统（如Llama Guard）有望比闭源模型提供更加安全可靠的保障。

我们深知安全性的重要性，因此建立了严格的安全流程，包括全面的测试与红队演练，以评估模型可能带来的潜在危害，并在发布前将风险降至最低。由于模型的开放性，任何人均可参与测试，进一步增强了安全性的保障。同时，我们认识到这些模型是基于互联网上的公开信息训练的，其安全性评估应基于与现有信息获取渠道（如搜索引擎）的比较，以确保其不会带来额外的风险。

展望未来，开源人工智能不仅是技术创新的重要驱动力，更是全球经济机会与安全的重要基石。历史上，众多科技巨头与科研突破均植根于开源软件的肥沃土壤。我们有理由相信，通过全球共同投资与努力，下一代的企业与科研机构将更加依赖开源人工智能，推动人类社会迈向更加繁荣与安全的未来。

总之，开源人工智能不仅是技术进步的象征，更是实现全球共享技术红利、促进经济繁荣与安全的重要途径。它代表着人类利用智能科技为每个人创造最大福祉的最佳选择。

携手共创未来：共建Llama生态系统

回顾往昔，Meta在推出Llama模型时，虽已自行研发并成功发布，但在构建广泛生态系统方面尚有未尽之力。而今，我们采取了一种全新的策略，旨在开启一个全新的篇章。

我们正积极在内部组建一支强大的团队，致力于让Llama成为更多开发人员和合作伙伴手中的利器。同时，我们也主动出击，积极寻求并建立广泛的合作伙伴关系，力求将Llama的潜力最大化，让生态系统中的每一家公司都能基于Llama为他们的客户量身打造独特的功能与价值。

我坚信，Llama 3.1的发布将是行业发展的一个重要里程碑，它不仅标志着开源在人工智能领域的进一步深入，更预示着大多数开发人员将开始将开源作为他们的首选。这一趋势，正如初升的太阳，光芒万丈，预示着无限的可能与希望。

在此，我诚挚地邀请您加入我们的行列，成为这一伟大旅程中的一员。让我们携手并进，共同探索人工智能的无限可能，将这份科技的力量带给世界的每一个角落，让每个人都能享受到人工智能带来的便利与福祉。这不仅仅是一场技术的革命，更是一次人类智慧的共同飞跃。

参考文章：

1. 报告丨清华大学：从ChatGPT到AIGC发展（近200页PPT）
2. AIGC (AI-Generated Content) 技术深度探索：现状、挑战与未来愿景
3. 北大最新综述精读：RAG在AIGC中的前世今生，覆盖300篇论文！
4. 《万字长文带你解读AIGC》系列之技术篇
5. 36氪研究院｜2024年AIGC行业研究：多模态大模型与商业应用

你好，我是进击的胖虎

亲爱的读者你好！我是进击的胖虎。欢迎扫描二维码关注我们的公众号（最新文章都在公众号里），我将带你从零基础出发，逐步掌握各种AI工具的操作技巧，并为你解读最新的热点新闻！

【重要】推荐使用 Wildcard虚拟信用卡订阅GPT、Sora等服务，价格更便宜、卡片有效期更长、支持的服务更多，具体教程请查看：Wildcard教程

其他精选文章

历经三十余载的潜心研究，九位杰出的数学家携手跨越了学术的崇山峻岭，通过五篇累计超过八百页的深邃论文，终于迎来了数学史上的一大盛事——几何朗兰兹猜想的壮丽证明！

这一里程碑式的成就，正是朗兰兹纲领几何化版本的璀璨绽放。朗兰兹纲领，作为现代数学研究的璀璨明珠，被誉为“数学的大统一理论”，它深刻地揭示了数论、代数几何与群表示论这三个看似独立却又紧密相连的数学分支之间的内在关联。

费马大定理的完全证明，便是朗兰兹纲领威力的一次绝佳展示。安德鲁·威尔斯（Andrew Wiles）教授通过对数论朗兰兹关系中一小部分函数的精妙证明，成功解锁了困扰数学界长达三个世纪的古老谜题。

而几何朗兰兹猜想，作为朗兰兹纲领在几何领域的璀璨延伸，自上世纪80年代被提出以来，便承载着数学家们将数论智慧融入几何世界的梦想。它如同一座桥梁，不仅让数论的方法与概念在几何的舞台上大放异彩，也为几何问题提供了新的求解路径。

该猜想的成功证明，无疑为数学与物理领域的众多未解之谜开辟了新的探索路径。无论是量子场论的深奥探索，还是弦理论的微妙构建，几何朗兰兹猜想都为其提供了宝贵的思路与工具。

菲尔兹奖得主彼得·舒尔茨（Peter Scholze）对此赞不绝口，将这一成就誉为“三十年努力的巅峰”。而几何朗兰兹纲领的奠基人之一，亚历山大·贝林森（Alexander Beilinson）更是激动地表示：“这个证明美得令人窒息，无疑是同类证明中的巅峰之作！”

在这一伟大征程中，丹尼斯·盖茨戈里（Dennis Gaitsgory）与山姆·拉斯金（Sam Raskin）作为领军人物，带领着包括中国学者陈麟在内的九人精英团队，共同攀登了这座数学的高峰。陈麟教授，作为清华大学丘成桐数学科学中心的杰出青年才俊，其辉煌的学术生涯早在15岁摘得IMO金牌时便已初露锋芒。

几何：朗兰兹纲领的完美闭环

时间回溯至1967年，年仅30岁的普林斯顿大学教授罗伯特·朗兰兹（Robert Langlands）以一封长达17页的手写信，向“数学的罗塞塔石碑”的缔造者安德烈·韦尔（André Weil）描绘了他的宏伟蓝图。这封信，不仅标志着朗兰兹纲领的诞生，更预示着数学界一场深刻变革的到来。

（注：“罗塞塔石碑”在此为喻，意在强调安德烈·韦尔提出的数学领域间类比的重要性，它如同古埃及的罗塞塔石碑一样，为解读不同数学分支间的联系提供了关键线索。）

朗兰兹在信中大胆预言，在数论与函数域的广阔天地中，存在着类似于傅里叶分析那样深刻的推广。傅里叶分析，这一将复杂波形转化为平滑振荡三角函数波的技术，不仅是现代电信、信号处理等领域的基石，更为朗兰兹构建数学统一框架提供了灵感。

朗兰兹纲领正是通过在这三个数学分支间建立类似“对应关系”的桥梁，实现了它们之间的无缝连接。在这一框架下，“波”与“频谱”的概念被赋予了新的数学意义：特殊函数构成了“波”的海洋，而代数对象则如同“频谱”一般，精准地标记着“波”的频率与特性。

正是这样的统一视角，让朗兰兹纲领成为了一把解锁数学难题的金钥匙。它不仅让许多传统数论问题得以转化为表示论或其他领域的问题，从而找到新的解决途径，更在费马大定理等经典难题的证明中发挥了关键作用。此外，朗兰兹纲领的思想与方法还深刻影响了物理学等其他学科的发展，为量子场论和弦理论等前沿领域的研究提供了宝贵的启示。

而几何朗兰兹猜想，作为朗兰兹纲领中最为璀璨的一环，其成功证明不仅为数学界带来了前所未有的震撼与喜悦，更为未来的数学研究开辟了无限可能。

在证明几何朗兰兹猜想的壮丽征途中，核心策略如同一座灯塔，指引着数学家们穿越未知的数学海洋。他们致力于构建一个等价桥梁，将代数曲线X上G-丛的D-模范畴与朗兰兹对偶群 ^的局部系统Ind-Coh范畴紧密相连。这一等价关系的建立，不仅是数学抽象概念的碰撞，更是对几何与代数深刻联系的洞察。

时间回溯至2013年，丹尼斯·盖茨戈里以其敏锐的直觉，勾勒出了几何朗兰兹猜想证明的初步蓝图。然而，这座宏伟建筑的基石——众多中间结果的证明，尚待时日。随后的数年间，丹尼斯与他的合作者们披荆斩棘，逐一攻克这些难题，为最终的胜利奠定了坚实的基础。

2020年，丹尼斯的思维火花再次闪耀，他开始深入探索每个特征层对“白噪声”的独特贡献。这一创新视角，灵感源自傅里叶变换中正弦波的角色，巧妙地将庞加莱层引入朗兰兹猜想的框架之中。

2022年的春天，山姆·拉斯金及其学生乔阿基姆·费尔格曼的突破性发现，如同春风化雨，为证明工作注入了新的活力。他们证明了每个特征层都以某种精妙的方式，为“白噪声”的构成添砖加瓦。这一关键进展，让丹尼斯信心倍增，预示着胜利的曙光即将来临。

自2023年起，丹尼斯、山姆及其七位杰出的合作者，携手向几何朗兰兹猜想的最终胜利发起了冲锋。经过无数个日夜的辛勤耕耘，他们终于完成了这项史诗般的任务。五篇累计超过八百页的论文，如同五座巍峨的丰碑，矗立在数学史的长河之中，见证了这一伟大时刻的到来。

首篇论文聚焦于函子（functor）的精心构造，在特征为零的优越环境下，成功地从自守领域跨越至谱的彼岸，构建了几何朗兰兹函子LG，并证明了其等价性。这一成就，如同在两座数学山峰之间架起了一座坚固的桥梁，让几何朗兰兹猜想的轮廓逐渐清晰。

第二篇论文则深入探索了Kac-Moody定位与全局的微妙互动，进一步巩固了LG函子作为等价性函子的地位。这一发现，不仅加深了数学家们对几何朗兰兹猜想的理解，更为后续的研究开辟了新的道路。

第三篇论文作为连接已知与未知的桥梁，不仅将等价性结果拓展至更广泛的领域，还通过Kac-Moody局部化技术，揭示了几何朗兰兹函子与常数项函子之间的和谐共舞。同时，对可约谱参数下几何朗兰兹猜想兼容性的证明，为攻克不可约谱参数下的难题奠定了坚实的基础。

第四篇论文则聚焦于Ambidexterity定理的辉煌证明。这一定理犹如一把钥匙，打开了通往LG函子等价性证明的大门。它表明LG-cusp的左伴随与右伴随在特定条件下是同构的，这一发现对于证明LG的等价性具有至关重要的意义。

最后，第五篇论文将上述所有成果汇聚一堂，以雷霆万钧之势将几何朗兰兹猜想推广至一般情况。这一里程碑式的成就，不仅标志着长达三十余年努力的圆满结束，更为数学界带来了前所未有的震撼与喜悦。

在这场跨越时代的数学盛宴中，哈佛大学教授丹尼斯·盖茨戈里与耶鲁大学教授山姆·拉斯金无疑是耀眼的双子星。然而，他们并非孤军奋战，研究团队中还包括了来自世界各地的杰出数学家。其中，中国学者陈麟的参与尤为引人注目。作为清华大学丘成桐数学科学中心的助理教授，陈麟不仅在数学领域展现出了非凡的才华，更在几何朗兰兹纲领的研究中留下了深刻的印记。

陈麟的成长历程，是天赋与努力的完美结合。从少年时期的数学奥林匹克金牌得主，到哈佛大学博士毕业并荣获优秀奖学金，他的每一步都走得坚定而扎实。在丹尼斯的引领下，他深入几何朗兰兹纲领的研究领域，为证明几何朗兰兹猜想贡献了自己的力量。未来，他将继续在数学的道路上探索前行，为攀登更高的数学高峰而不懈努力。

此外，中国数学界对朗兰兹纲领的关注和投入也令人瞩目。北大黄金一代的恽之玮、张伟、袁新意、朱歆文等学者，正以他们的智慧和汗水，为这一宏伟的数学蓝图添砖加瓦。可以预见，在未来的日子里，中国数学学者将在朗兰兹纲领的研究中取得更多令人瞩目的成就。

参考文章：

1. 几何朗兰兹猜想被解决！历时30年、证明论文达800余页，中国学者陈麟系主要作者
2. 几何朗兰兹猜想被解决！论文达800余页，中国学者陈麟系主要作者
3. 数学大统一理论里程碑进展：几何朗兰兹猜想获证明

你好，我是进击的胖虎

亲爱的读者你好！我是进击的胖虎。欢迎扫描二维码关注我们的公众号（最新文章都在公众号里），我将带你从零基础出发，逐步掌握各种AI工具的操作技巧，并为你解读最新的热点新闻！

【重要】推荐使用 Wildcard虚拟信用卡订阅GPT、Sora等服务，价格更便宜、卡片有效期更长、支持的服务更多，具体教程请查看：Wildcard教程

其他精选文章

在科技界掀起新一波浪潮的OpenAI，近日突发重磅新模型——GPT-4o mini，这款模型不仅能力直逼原版GPT-4，更在价格上实现了惊人的飞跃，每百万输入tokens仅需15美分（约合1.09元人民币），每百万输出tokens也仅60美分（约合4.36元人民币），相比以往模型，成本大幅降低了一个数量级。

随着GPT-4o mini的登场，昔日的明星模型GPT-3.5在ChatGPT应用中已正式退役，取而代之的是更为强大且经济的GPT-4o mini，免费用户现已能直接体验这一升级。同时，配套的API也已全面开放，支持高达128k的输入tokens（涵盖图像与文本），并突破性地支持16k输出tokens，远超近期竞争对手Claude 3.5 Sonnet的8k输出能力。

GPT-4o mini凭借其低成本、低延迟的特性，被官方强烈推荐用于多种高需求场景，包括链式或并行化模型调用、处理大规模上下文输入（如完整代码库或对话历史）以及实现快速、实时的文本交互（如客服系统）。更令人振奋的是，未来几天内，用户还将有机会参与GPT-4o mini的微调过程，进一步定制模型以满足个性化需求。

OpenAI CEO在回顾过去时提到，仅仅两年前，市场上最顶尖的模型还是GPT-3的text-davinci-003版本，不仅性能远不及今日，成本更是高达现在的100倍，这标志着大模型成本在短短两年内实现了99%的惊人降幅。

GPT-4o mini不仅在价格上占据优势，其性能同样不容小觑。在多项文本与多模态推理学术基准测试中，该模型均展现出超越其他小模型的实力，特别是在数学与代码能力上表现卓越，仅略逊于GPT-4o完整版。此外，GPT-4o mini还在函数调用方面展现出强大性能，为用户提供了更为全面的解决方案。

在价格方面，GPT-4o mini相较于竞争对手如Anthropic的Claude 3 Haiku和谷歌的Gemini Flash，更是拥有40%-60%的价格优势。这一优势使得GPT-4o mini在市场中更具竞争力，也进一步巩固了OpenAI在AI领域的领先地位。

值得一提的是，GPT-4o mini已在多个实际应用场景中展现出其强大实力。通过与Ramp和Superhuman等公司的合作，该模型在“从文件中提取结构化数据”和“对邮件通信记录生成高质量回复”等任务中均表现出色，明显优于GPT-3.5 Turbo。此外，GPT-4o mini还曾在化名GPT-mini的情况下登上大模型竞技场供网友测试检验，并获得了6000+用户投票的认可，其表现与GPT-4 Turbo不相上下。

在安全性方面，GPT-4o mini也进行了全面升级。作为首个应用OpenAI指令层次结构方法的模型，该模型在抵抗越狱、Prompt注入和系统Prompt提取等方面表现出色。尽管在简单测试中难以通过一句话套出系统提示词，但在面对复杂越狱手段时仍需进一步加强防护。

此外，OpenAI CEO还透露了一个令人期待的消息：GPT-4o的实时语音模式《Her》将于本月晚些时候进入Alpha测试阶段，并将在稍晚时间正式发布。这一消息无疑为AI语音交互领域带来了新的期待。

然而，也有部分网友对GPT-4o mini的发布表示略感失望，他们更期待的是GPT-5的到来。不过，从GPT-4o mini的表现来看，它无疑已经为OpenAI的下一代模型奠定了坚实的基础。

在同一天内，DeepSeek与Mistral也分别取得了新进展。DeepSeek开源了DeepSeek-V2-0628版本，成功摘得大模型榜单上开源大模型的头名；而Mistral则推出了与英伟达合作开发的12B小模型，同样支持高达128K的上下文长度。这些进展无疑为AI领域注入了新的活力与可能。

那我们该怎么使用GPT4o呢？教程在我的宝藏小站其他文章~

参考文章：

1. 报告丨清华大学：从ChatGPT到AIGC发展（近200页PPT）
2. AIGC (AI-Generated Content) 技术深度探索：现状、挑战与未来愿景
3. 北大最新综述精读：RAG在AIGC中的前世今生，覆盖300篇论文！
4. 《万字长文带你解读AIGC》系列之技术篇
5. 36氪研究院｜2024年AIGC行业研究：多模态大模型与商业应用

你好，我是进击的胖虎

亲爱的读者你好！我是进击的胖虎。欢迎扫描二维码关注我们的公众号（最新文章都在公众号里），我将带你从零基础出发，逐步掌握各种AI工具的操作技巧，并为你解读最新的热点新闻！

【重要】推荐使用 Wildcard虚拟信用卡订阅GPT、Sora等服务，价格更便宜、卡片有效期更长、支持的服务更多，具体教程请查看：Wildcard教程

其他精选文章

OpenAI于2024年7月18日凌晨发布了最新的技术研究——Prover-Verifier-Games（简称“PVG”），旨在解决AI模型的“黑盒”问题，提升其推理和输出准确性。该技术通过引入一种新的训练框架，使用小模型来验证和监督大模型的输出，从而提高整体的输出准确率和可控性。

具体来说，PVG框架包含两个主要组成部分：证明者（Prover）和验证者（ Verifier）。其中，证明者通常是一个更强大的模型，如GPT-4；而验证者则是一个相对较小且能力较弱的模型，如GPT-3。在这一过程中，证明者需要生成易于验证的解决方案，而验证者则负责检查这些解决方案的正确性。

这种博弈论框架不仅提高了语言模型输出的可读性和可验证性，还使得这些输出更容易被人类理解和评估。此外，这种方法也增强了模型的安全性和准确性，特别是在法律、金融和营销等对安全性和准确性要求极高的领域中。

实际上，PVG（Proof-Verifier Game）技术理念在2021年8月的一篇学术论文中已初露端倪，激发了OpenAI的创新灵感。这一技术框架根植于博弈论，通过模拟证明者（Prover）与验证者（Verifier）之间的交互博弈，旨在提升机器学习模型生成内容的准确性和质量。

在此机制下，证明者的核心职责是创造性地生成内容，而验证者则扮演着批判性评估的角色，负责判断这些内容的真实性与合理性。PVG的核心策略在于通过多轮次的迭代训练，不断强化证明者与验证者的能力。每轮训练中，验证者首先运用监督学习技术，从历史证明者生成的内容样本中，学习如何准确识别正确信息，增强辨别能力。

随后，证明者则借助强化学习策略，不断优化其生成策略，力求生成的内容既准确无误，又能有效说服验证者接受。这一过程中，证明者与验证者形成了紧密相依的关系，证明者需不断提升生成内容的说服力，而验证者则需持续精进其判别能力。

为了进一步提升训练效率与效果，OpenAI在PVG框架内引入了两种强化类型的证明者角色：有益证明者（Helpful Prover）与狡猾证明者（Sneaky Prover）。前者致力于生成既正确又具说服力的内容，以正面促进学习过程；后者则试图通过生成错误但极具迷惑性的内容，挑战验证者的判断力，从而促使验证者发展出更高的鲁棒性和准确性。

以实际案例为例，当面对复杂问题时（如涉及多步骤逻辑推理的数学问题），GPT-4等先进模型能够给出准确答案（如肖娜父亲年龄的解答），而验证者模型（如GPT-3）则需经历多轮验证，从阿莉亚的年龄出发，逐步推导出肖娜及其父亲的年龄，确保每一步推理的正确性。

此外，OpenAI还引入了“可检查性训练”方法，通过交替训练验证器与证明者模型，不仅增强了验证器对过往证明者生成解决方案的监督预测能力，还促使证明者根据验证器的反馈和解决方案的正确性进行持续自我优化。随着训练轮次的增加，验证器对狡猾证明者生成的错误信息的抵抗力显著增强，同时有益证明者生成的内容也变得更加清晰易懂，更贴近人类理解模式。

然而，值得注意的是，高效训练验证者模型依赖于大量真实、准确的标签数据，以确保其辨别能力的精准性。若验证模型本身存在偏差，仍有可能导致验证结果的非预期输出。因此，在推进PVG技术发展的过程中，持续优化数据质量与验证机制同样重要。

参考文章：

1. 报告丨清华大学：从ChatGPT到AIGC发展（近200页PPT）
2. AIGC (AI-Generated Content) 技术深度探索：现状、挑战与未来愿景
3. 北大最新综述精读：RAG在AIGC中的前世今生，覆盖300篇论文！
4. 《万字长文带你解读AIGC》系列之技术篇
5. 36氪研究院｜2024年AIGC行业研究：多模态大模型与商业应用

你好，我是进击的胖虎

亲爱的读者你好！我是进击的胖虎。欢迎扫描二维码关注我们的公众号（最新文章都在公众号里），我将带你从零基础出发，逐步掌握各种AI工具的操作技巧，并为你解读最新的热点新闻！

Sora是OpenAI推出的革命性视频生成模型，能根据文本或图像生成长达60秒的视频。它结合了扩散模型和Transformer技术，提供高质量视频生成，应用广泛，影响深远。尽管存在技术局限和监管挑战，Sora仍展现出巨大的商业潜力和行业影响力，预示着视频制作领域的未来趋势。