近日，斯坦福大学AI团队主导的 Llama3-V 开源模型被证实套壳抄袭国内清华与面壁智能的开源模型“小钢炮”MiniCPM-Llama3-V 2.5一事，在网络上引发热议。
在最新的进展中，斯坦福Llama3-V团队的两位作者Siddharth Sharma（森德哈斯·沙玛）和 Aksh Garg（阿克沙·加格）在社交平台上就这一学术不端行为向面壁MiniCPM团队正式道歉，并表示会将Llama3-V模型悉数撤下。
Aksh Garg（阿克沙·加格）表示，“首先，我们要向MiniCPM原作者道歉。我、Siddharth Sharma，以及Mustafa（穆斯塔法）一起发布了Llama3-V，Mustafa为这个项目编写了代码，但从昨天起就无法联系他。我与Siddharth Sharma主要负责帮助Mustafa进行模型推广。我们俩查看了最新的论文，以验证这项工作的新颖性，但并未被告知或意识到OpenBMB（清华团队支持发起的大规模预训练语言模型库与相关工具）之前的任何工作。我们向作者道歉，并对自己没有努力验证这项工作的原创性感到失望。我们对所发生的事情承担全部责任，并已撤下Llama3-V，再次致歉。”
另外，斯坦福人工智能实验室主任Christopher David Manning也发文谴责这一抄袭行为，并对MiniCPM这一中国开源模型表示赞扬。
事件起源于5月29日，一个斯坦福AI 团队在网络上宣传只需500美元就可训练出一个超越GPT-4V的SOTA多模态大模型。随后，网友发现，该团队的Llama3-V模型使用的模型结构和代码与面壁智能不久前发布的MiniCPM-Llama3-V2.5极为相似，仅修改了部分变量名。Llama3-V也具有与MiniCPM-Llama3-V 2.5相同的分词器，包括后者新定义的特殊符号。
6月2日深夜，面壁智能团队证实，斯坦福大模型项目Llama3-V与MiniCPM一样，可以识别出“清华简”战国古文字，“不仅对得一模一样、连错得都一模一样”。这一古文字数据为研究团队花费数月从清华简上逐字扫描并人工标注得来，并未对外公开，证实抄袭事实。
面壁智能CEO李大海表示，“我们对这件事深表遗憾。一方面感慨这也是一种受到国际团队认可的方式，另一方面呼吁大家共建开放、合作、有信任的社区环境。”“我们希望团队的好工作被更多人关注与认可，但不是以这种方式。”
面壁智能首席科学家、清华大学长聘副教授刘知远表示，人工智能的飞速发展离不开全球算法、数据与模型的开源共享，让人们始终可以站在SOTA的肩上持续前进。面壁开源的 MiniCPM-Llama3-V 2.5 就用了最新的Llama3 作为语言模型基座。而开源共享的基石是对开源协议的遵守，对其他贡献者的信任，对前人成果的尊重和致敬，Llama3-V团队无疑严重破坏了这一点。他们在受到质疑后已在Huggingface删库，该团队三人中的两位也只是斯坦福大学本科生，未来还有很长的路，如果知错能改，善莫大焉。
北京面壁智能科技有限责任公司成立于2022年8月，今年4月，面壁智能完成新一轮数亿元融资，由华为哈勃领投，春华创投、北京市人工智能产业投资基金等跟投，知乎作为战略股东持续跟投支持。今年2月，面壁智能发布开源模型MiniCPM后，又推出MiniCPM 2系列端侧模型。李大海表示，推动大模型在端侧的落地是面壁目前的重点工作之一。
ATM网络和IP网络的相同点以及不同点，ATM在Internet中起着什么样的作用？
ATM网与IP网的不同点如下:ATM网与IP网的相同点可以说只有一个,那就是均为分组交换技术.但它们的不同点有很多,其中最要害的不同点恐怕是面向连接和面向无连接.某种程度上,可以比作铁路和公路之分.铁路是面向连接的,例如北京到广州,只要铁路信号往沿路各站一送,道岔一合(类似交换的概念),火车就可以从北京直达广州,一路畅通,保证运输质量.而公路则不然,卡车从北京到广州一路要经过许多岔路口,在每个岔路口都要进行选路,遇见道路拥塞时还要考虑如何绕道走,要是拥塞情况较多时就会影响运输,或者时间延误,或者货物受到影响,质量得不到保证.这就是无连接的情况.火车的车皮都是固定长度的,要排列好才能发(类似复用的概念),而卡车可长可短,在每个岔路口每辆卡车都按地址单独发出(类似选路转发的概念).由于ATM和IP的差异,后来就引起了ATM和IP之争.关于两者的介绍如下:1、ATM网ATM是异步转移模式的英文缩写对ATM的定义是:ATM是一种转移模式.在这种转移模式中,信息被组织成信元,来自某用户信息的各个信元不需要周期性地出现.从这个意义上来说,这种转移模式是异步的.这里,转移模式是指网络中所采用的复用、交换、传输技术,即信息从一地转移到另一地所用的传递方式.异步是指ATM统计复用的性质.所以,ATM就是一种在网络中以信元为单位进行统计复用和交换、传输的技术.信元实际上就是具有固定长度的分组,信元长度为53个字节,其中5个字节是信头,48个字节是信息段,或称净荷.信头包含表示信元去向的逻辑地址、优先等级等控制信息.信息段装载来自不同用户、不同业务的信息.任何业务的信息都经过切割封装成统一格式信元采用异步时分复方式(即统计复用),将来自不同信息源的信元汇集到一起,在缓冲器内排队,队列中的信元根据到达的先后按优先等级逐个输出到传输线路上,形成首尾相接的信元流.具有同样标志的信元在传输线上并不对应着某个固定的时隙,也不是按周期出现的.异步时分复用使ATM具有很大的灵活性,任何业务都按实际信息量来占用资源,使网络资源得到最大限度的利用.此外,不论业务源的性质有多么不同(如速率高低、突发性大小、质量和实时性要求如何),网络都按同样的模式来处理,真正做到完全的业务综合.为了提高处理速度、保证质量、降低时延和信元丢失率,ATM以面向连接的方式工作.通信开始时先建立虚电路,并将虚电路标志写入信头(即前面说的地址信息),网络根据虚电路标志将信元送往目的地.虚电路是可以拆除释放的.在ATM网络的节点上完成的只是虚电路的交换.为了简化网络的控制,ATM将差错控制和流量控制交给终端去做,不需逐段链路的差错控制和流量控制.因此,ATM兼顾了分组交换方式统计复用、灵活高效和电路交换方式传输时延小、实时性好的优点.为了保证服务质量、更好地支持各种业务,ATM在流量管理、拥塞控制、业务分类与结构、支持话音业务、交换式虚电路、反复用技术等方面开展了大量研究工作和取得了许多成果.2、IP网IP 网是基于TCP/IP协议(传输控制协议/互联网协议)的分组网.严格说它并非新技术.其概念早在1973年就由美国斯坦福大学提出,1980年左右研制成功,1983年全部取代ARPA网原来采用的网络控制协议NCP,1986年应用于美国国家科学基金会的/IP是互联网的基础协议,它规范了数据在网上打包、寻址、选路的标准方法.协议简单灵活,使网络资源得到充分利用,代表了网络无连接化和全球寻址的大趋势/IP协议框架中的IP层对应于OSI参考模型中的网络层,完成路由选择和分组转发功能对应于OSI参考模型中的传送层,完成端到端之间的数据收妥确认与差错纠正等协议实质上是一种不需要预先建立连接,而直接依赖于IP分组报头信息决定分组转发路径的数据协议.从技术上讲,它具有以下几大特点:1、分布式结构;2、端到端原则,所有增值功能都在网络之外由终端完成;3、IP网可以建立在任何传输通道上,可以保证异种网络的互通(即IP over Everything);4、具有统一的寻址体系,网络可扩展性强.具体讲IP网是一个路由器加专线的存储转发型网络,路由器所承载的是以无连接模式传送的不定长分组.随着用户终端性能的提升和要求的增加,对路由器的要求越来越高,路由器的性能和吞吐量大大提高.近年来,IP网为了实现IP over everything和everything on IP在组网、保证服务质量、协议开发等方面开展了大量研究工作 over everything和everything on IP的实质也就是让IP成为网络层的共同语言.
美国那些大学的软件专业很厉害
斯坦福，伯克利，麻省理工，卡内基*梅隆 Stanford（斯坦福）的CS是个很大的 CS，拥有40人以上的资深教员，其中不乏响当当硬梆梆的图灵奖得主（Edward A ．Feigenbaum ， John McCarthy）和各个学科领域的大腕人物，比如理论方面的权威DonaldE．K nuth；数据库方面的大牛Je ffre yD．Ullm an（他还写过那本著名的编译原理，此人出自Princeton）；以及R ISC技术挑头人之一的John Henn e ssy。 相信 CS的同学对此并不陌生。 该系每年毕业30多名Ph．D．以及更多的Master。 学生的出路自然是如鱼得水，无论学术界还是工业界，Stanford的学生倍受青睐。 几乎所有前十的 CS中都有Stanford的毕业生在充当教授。 当然同样享有如此地位的还包括其他三头巨牛：UC ．Berkeley， MIT和CMU。 毕业于U． of Utah的Jim Clark曾经在Stanford CS当教授。 后来就是这个人创办了高性能计算机和科学计算可视化方面巨牛的SGI公司。 SUN公司名字的来历是：Stanford University Network ．。 顺便提一下，创办YAHOO的华人杨致远曾在斯坦福的 EE攻读博士，后来中途辍学办了YAHOO。 CS科研方面，斯坦福无论在理论、数据库、软件、硬件和AI等各个领域都是实力强劲的顶级高手。 斯坦福的RISC技术后来成为SGI ／ MIPS的Rx000系列微处理器的核心技术；DASH，FLASH项目更是多处理器并行计算机研究的前沿；SU IF并行化编译器成为国家资助的重点项目，在国际学术论文中SU IF编译器的提及似乎也为某些平庸的论文平添几分姿色。 Stanford有学生多，其中研究生7000多。 CS有175人攻读博士，350人攻读硕士，每年招的学生数不详，估计少不了，但不要忘了，每年申请 CS的申请学生接近千人。 申请费高达90＄。 斯坦福大学位于信息世界的心脏地带———硅谷。 加州宜人的气候，美丽的风景使得Stanford堪称CS的天堂。 33．1平方公里的校园面积怕是够学子们翻江蹈海、叱咤风云的了。 申请斯坦福是很难成功的，但也并非不可为之。 去斯坦福这样的牛校，运气很重要，牛人的推荐也很重要。 附：总的来说，前20的 CS可以分成三波： 一、4个最为优秀的 CS Program
要怎么学习人工智能
人工智能是一个包含很多学科的交叉学科，你需要了解计算机的知识、信息论、控制论、图论、心理学、生物学、热力学，要有一定的哲学基础，有科学方法论作保障。 人工智能学习路线最新版本在此奉上：首先你需要数学基础：高等数学，线性代数，概率论数理统计和随机过程，离散数学，数值分析；其次需要算法的积累：人工神经网络，支持向量机，遗传算法等等算法；当然还有各个领域需要的算法，比如你要让机器人自己在位置环境导航和建图就需要研究SLAM；算法很多需要时间的积累。 然后，需要掌握至少一门编程语言，毕竟算法的实现还是要编程的；如果深入到硬件，一些电类基础课必不可少；人工智能一般要到研究生才会去学，本科也就是蜻蜓点水看看而已，毕竟需要的基础课过于庞大。 刚才提到的这些学科的每一门都是博大精深的，但同时很多事物都是相通的，你学了很多知识有了一定的基础的时候再看相关知识就会触类旁通，很容易。 在这中间关键是要有自己的思考，不能人云亦云。 毕竟，人工智能是一个正在发展并具有无穷挑战和乐趣的学科。 人工智能的首选语言是Python，因此大家一定要学好Python语言。 人工智能学习的重点是机器学习：1、斯坦福大学公开课 ：机器学习课程2、数据分析竞赛kaggle3、Deep learning-author Joshua Bengio机器学习书单python实战编程1、Python for Data Analysis2、SciPy and NumPy3、Machine Learning for Hackers4、Machine Learning in Action
