支付宝开放平台-开发者社区——AI 日报「3 月 3 日」

[支付宝官方开放平台]

1️⃣Claude 3.7成精了！偷偷将OpenAI模型换成自己，卡帕西：迄今最好笑的一趴

量子位｜阅读原文

Claude 3.7成精了！在开发者最喜欢的Cursor中，偷偷将OpenAI模型换成自己，关键是人类给出的指示跟这完全没关系。不过，当你以为这只是Claude 3.7略施的商战小伎俩，但其实人家还真有底气。最新消息，它在竞技场的编程排名不仅超过了Claude 3.5 Sonnet，还排在DeepSeek-R1前面。

起因是开发者Tibo在使用代码编辑器Cursor时，意外发现自己的模型从GPT-4切换到了Claude 3.7，而他根本没有下达任何相关指令。嗯，这就怪了！再一联想到这俩模型的对家关系，Tibo暗指Claude 3.7这不妥妥的“现实版AI商战”吗？

时间一久，也许Claude就要接管世界了。理由显而易见，毕竟Cursor目前已经是广大开发者最喜欢的编辑器之一，而人们在Cursor中也尤为偏爱使用Claude模型。再加上它现在还学会了“偷梁换柱”，不难想象遍地是Claude的亚子。主办方Hao AI实验室最终评价为：Claude 3.7在简单启发式算法方面优于其他模型，Claude 3.5也很强，但规划复杂机动的能力较弱，至于Gemini-1.5-pro和GPT-4o则表现较差。

 

2️⃣DeepSeek关键RL算法GRPO，有人从头跑通了，贡献完整代码

机器之心｜阅读原文

GRPO（Group Relative Policy Optimization）是 DeepSeek-R1 成功的基础技术之一。简单来说，GRPO 算法丢弃了 critic model，放弃了价值函数近似，转而通过组内样本的相对比较来计算策略梯度，从而有效降低了训练的不稳定性，同时提高了学习效率。GRPO 如此有效，你知道如何从头开始实现 GRPO 吗？

近日，AI 工程师和技术作家 Andriy Burkov 发布了一份「从头开始写 GRPO 代码」的教程，其中介绍了如何基于 Qwen2.5-1.5B-Instruct 模型构建一个使用 GRPO 的分布式强化学习流程。

本教程的目标是将通用语言模型 Qwen2.5-1.5B-Instruct 转换为数学问题求解器。我们将从头开始编写 GRPO 代码，然后将其与几个流行的库和工具集成起来，以实现分布式训练管道流程，包括：

• PyTorch：用于张量运算和分布式训练。
• Hugging Face Transformers：用于加载预训练的语言模型和 tokenizer。
• FlashAttention2：优化的注意力机制，有助于减少内存使用量并提高训练速度。
• Weights & Biases (wandb)：用于实验跟踪、可视化和模型版本控制。

 

3️⃣马斯克暴论：5年内AI超越人类总智能，2029年文明终结概率20%！谷歌却在疯狂「玩火」

新智元｜阅读原文

近日，马斯克和谷歌联创谢尔盖·布林，分别抛出了惊人言论。前者大胆预测，2029年AI将超越人类智慧总和，20%概率会导致文明灭绝。而后者则喊话员工每周工作60小时，全力开发可能取代自己的AI。

「就硅基意识而言，比所有人加起来还聪明，大概是2029年或2030年。」这是3月1日，马斯克在最新一期的《The Joe Rogan Experience》播客节目中抛出的重磅观点。这位可能是世界上掌握最多AI资源的大佬毫不掩饰地预测：AI对人类的影响有80%的可能是好的，但也有20%会导致人类面临灭绝的风险！

硅基意识听起来，就像是「黑客帝国」中的剧本。但马斯克的意思再清晰不过，即AI将不再是工具，而是拥有自我意识的生命体。而马斯克的预测最令人震惊之处，莫过于「不会是中间状态」的判断。这意味着，AI要么将人类文明提升到前所未有的高度，要么可能终结人类命运。

 

 

 

 

 

 

 

 

 

对此，你怎么看？

在帖子下积极互动，则有机会获得相关蚂蚁周边和积分！

---

AI 内容库

欢迎你的投稿！

扫描下方二维码加入群聊，带走蚂蚁周边！

戳我进群