GPT-4等大模型自己制作工具，识别ChatGPT*

---

目录：

1. Multiscale Positive-Unlabeled Detection of AI-Generated Texts
2. Towards Revealing the Mystery behind Chain of Thought: a Theoretical Perspective
3. Large Language Models as Tool Makers
4. SpecInfer: Accelerating Generative LLM Serving with Speculative Inference and Token Tree Verification
5. Cheap and Quick: Efficient Vision-Language Instruction Tuning for Large Language Models
6. mPLUG-2: A Modularized Multi-modal Foundation Model Across Text, Image and Video
7. Where to Go Next for Recommender Systems? ID- vs. Modality-based Recommender Models Revisited

论文 1：Multiscale Positive-Unlabeled Detection of AI-Generated Texts

• 作者：Yuchuan Tian, Hanting Chen 等
• 论文地址：https://arxiv.org/abs/2305.18149

摘要：AI *的成功率很高，前几天「10 分钟骗 430 万」还上了热搜。在最热门的大语言模型上，北大、华为的研究者们最近探索了一种识别方法。如下列举了几个人和 AI 分别对同一问题做出回答的例子：

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜

推荐：识别「ChatGPT *」，效果超越 OpenAI：北大、华为的 AI 生成检测器来了

论文 2：Towards Revealing the Mystery behind Chain of Thought: a Theoretical Perspective

• 作者：Guhao Feng、Bohang Zhang 等
• 论文地址：https://arxiv.org/abs/2305.15408

摘要：思维链提示（CoT）是大模型涌现中最神秘的现象之一，尤其在解决数学推理和决策问题中取得了惊艳效果。CoT 到底有多重要呢？它背后成功的机制是什么？本文中，北大的几位研究者证明了 CoT 在实现大语言模型（LLM）推理中是不可或缺的，并从理论和实验角度揭示了 CoT 如何释放 LLM 的巨大潜力。

本文选取了两个非常基础但核心的数学任务：算术和方程（下图给出了这两个任务的输入输出示例）

推荐：思维链如何释放语言模型的隐藏能力？最新理论研究揭示其背后奥秘

论文 3：Large Language Models as Tool Makers

• 作者：Tianle Cai、 Xuezhi Wang 等
• 论文地址：https://arxiv.org/pdf/2305.17126.pdf

摘要：受到制造工具对人类重要性的启发，在本文中，Google Deepmind、普林斯顿和斯坦福大学的研究者将这种「进化」的概念应用于 LLM 领域，进行了初步探索。他们提出了一个闭环框架，在这个框架中 LLM 作为工具制作者（LLMs As Tool Makers ，LATM），使其能够生成自己的可重新使用的工具来处理新任务。

推荐：GPT-4 等大模型迎来进化转折点：不只是使用，还会自己制作工具了

论文 4：SpecInfer: Accelerating Generative LLM Serving with Speculative Inference and Token Tree Verification

• 作者：Xupeng Miao、Gabriele Oliaro 等
• 论文地址：https://arxiv.org/abs/2305.09781

摘要：近日，来自卡耐基梅隆大学（CMU）的 Catalyst Group 团队发布了一款「投机式推理」引擎 SpecInfer，可以借助轻量化的小模型来帮助大模型，在完全不影响生成内容准确度的情况下，实现两到三倍的推理加速。

推荐：LLM 推理提速 2.8 倍，CMU 清华姚班校友提出「投机式推理」引擎 SpecInfer，小模型撬动大模型高效推理

论文 5：Cheap and Quick: Efficient Vision-Language Instruction Tuning for Large Language Models

• 作者：Gen Luo、 Yiyi Zhou 等
• 论文地址：https://arxiv.org/pdf/2305.15023.pdf

摘要：本文提出了一种新颖且经济实惠的解决方案，用于有效地将 LLMs 适应到 VL（视觉语言）任务中，称为 MMA。MMA 不使用大型神经网络来连接图像编码器和 LLM，而是采用轻量级模块，即适配器，来弥合 LLMs 和 VL 任务之间的差距，同时也实现了图像模型和语言模型的联合优化。同时，MMA 还配备了一种路由算法，可以帮助 LLM 在不损害其自然语言理解能力的情况下，在单模态和多模态指令之间实现自动切换。

推荐：训练时间减少 71.4%，存储成本节省 99.9%，厦大指令调优新方案 MMA 让羊驼模型实现多模态

论文 6：mPLUG-2: A Modularized Multi-modal Foundation Model Across Text, Image and Video

• 作者：Haiyang Xu、 Qinghao Ye 等
• 论文地址：https://arxiv.org/pdf/2302.00402.pdf

摘要：对于多模态基础模型，我们希望其不仅可以处理特定的多模态相关任务，还希望其处理单模态任务时也具有优异的性能。阿⾥达摩院团队发现现有的模型往往不能很好的平衡模态协作和模态纠缠的问题，这限制了模型在各种单模态和跨模态下游任务的性能。

基于此，达摩院的研究者提出了 mPLUG-2，其通过模块化的⽹络结构设计来平衡多模态之间的协作和纠缠问题，mPLUG-2 在 30 + 多 / 单模态任务，取得同等数据量和模型规模 SOTA 或者 Comparable 效果，在 VideoQA 和 VideoCaption 上超越 Flamingo、VideoCoca、GITv2 等超⼤模型取得绝对 SOTA。此外，mPLUG-Owl 是阿⾥巴巴达摩院 mPLUG 系列的最新工作，延续了 mPLUG 系列的模块化训练思想，把 LLM 升级为⼀个多模态⼤模型。mPLUG-2 的研究论文已被 ICML 2025 接收。

推荐：ICML 2025 | 基于模块化思想，阿里达摩院提出多模态基础模型 mPLUG-2

论文 7：Where to Go Next for Recommender Systems? ID- vs. Modality-based Recommender Models Revisited

• 作者：Zheng Yuan、Fajie Yuan 等
• 论文地址：https://arxiv.org/abs/2303.13835

摘要：本文调查了一个富有潜力的问题，即多模态推荐系统 MoRec 是否有望终结 IDRec 在推荐系统领域长达 10 年的主导地位，基于此，论文进行了深入研究。相关成果已被 SIGIR 2025 接收。下图为网络架构。

推荐：SIGIR 2025 | 推荐系统何去何从，经典 ID 范式要被颠覆？

# chatgpt  # 达摩  # 多模  # 模态  # 提出了  # 华为  # 已被  # 北大  # 普林斯顿  # 斯坦福大学  # 进行了 

相关栏目： 【 Google疑问12 】 【 Facebook疑问10 】 【 网络优化91478 】 【 技术知识72672 】 【 云计算0 】 【 GEO优化84317 】 【 优选文章0 】 【 营销推广36048 】 【 网络运营41350 】 【 案例网站102563 】 【 AI智能45237 】

相关推荐： 百度ai助手工具栏怎么关 百度ai助手状态栏隐藏  亚马逊KDP电子书掘金：月入1万美元的秘密策略  途牛旅游AI怎样设置抢票提醒_途牛AI抢票提醒时间与频率设置【方法】  智行ai抢票怎么设置抢票截止时间_智行ai抢票截止时间设置与确认【步骤】  Semrush AI标题生成器：免费提升SEO和内容创作效率  tofai最新官网入口 tofai网页版直接进入  AI超级英雄大乱斗：蜘蛛侠、死侍的爆笑奇幻之旅  AI赋能建筑合同管理：ChatGPT实用案例深度解析  QuickBooks Desktop 到 Online 迁移指南：轻松转移您的公司数据  百度输入法ai模式怎么关 百度输入法恢复普通模式  3步教你用AI将文字转换成语音，实现配音自由  智行ai抢票如何绑定微信通知_智行ai抢票微信提醒绑定与推送设置【指南】  啦啦队女孩：青春活力与性感魅力的完美结合  AI Lead Generation: 解锁未来增长引擎，营销新纪元  怎么用AI制作数字人短视频？3步教你创建虚拟主播  斑马AI怎样设置专注模式_斑马AI专注时段与干扰屏蔽【指南】  5分钟教你用AI生成婚礼流程策划案，备婚新人必备  百度输入法全感官ai怎么关 百度输入法全感官皮肤关闭  利用 DeepSeek 进行大规模 C++ 代码库审计  旅游营销AI：ChatGPT邮件营销策略，提升旅游业务转化率  Midjourney怎样加元素词丰富画面_Midjourney元素词技巧【方法】  优化《现代战争2》色彩：提升游戏视觉体验终极指南  AI驱动KDP封面设计：NURIE CREATOR教程  GitHub Copilot与Azure AI Foundry模型：加速AI编程实践  Midjourney怎样加风格词调质感_Midjourney风格词技巧【指南】  研究学者如何利用现有资源提升学术影响力  GitHub Copilot CLI：终端中的 AI 编码助手  Decart Lucy 14B：颠覆AI视频生成领域的革命性模型  即梦ai怎么生成游戏角色原画_即梦ai游戏角色生成风格与装备细节【教程】  百度AI搜索怎样搜索百科知识_百度AI搜索百科频道与词条跳转【技巧】  钉钉ai划词工具怎么使用划词查词_钉钉ai划词工具查词入口与释义查看【指南】  利用Gen AI和AI Agent进行软件测试：Ollama本地LLM实践  AI写作工具深度评测：Novelcrafter, Sudowrite, Squibler  Character AI终极指南：构建你的人工智能伴侣，探索无限可能  播客数据深度分析：揭秘全球听众分布及增长策略  斑马AI如何设置奖励机制_斑马AI积分奖励与勋章获取【步骤】  Claude如何导出对话记录_Claude对话导出方法【方法】  如何用AI帮你把小说改编成电影剧本？3步掌握核心技巧  Depseek怎么设置总结汇报重点_Depseek重点突出与关键词标注方法【步骤】  豆包AI能否生成领导汇报版总结_豆包AI汇报版精简与结构调整【教程】  趣味 Phonics：轻松掌握 CVC 单词拼读技巧  EcoFlow Delta 3 Max Plus：打造你的智能电力生态系统  可灵ai怎么生成招聘JD文案_可灵aiJD生成要素与岗位描述优化【技巧】  3步教你用AI帮你把菜谱转换成详细的烹饪步骤视频脚本  3步教你用AI自动分类文件，整理电脑告别杂乱  AI照片编辑：为你的单人照添加逼真女友，告别孤单  构建卓越的AI驱动测试自动化框架：QA工程师指南  如何通过 DeepSeek 进行深度神经网络超参数搜索  Codova AI：终极动态QR码生成器教程与功能详解  解读诗歌中的女性视角：Shelley Puhak 的作品解析 

 2023-06-05