ChatGPT变身成为AI私人助理多模态AI助力癌症治疗｜懂点

发布时间：2025-03-04 13:27:04 发布作者: 乐鱼平台官网首页入口下载

掌握AIGC脉动，把握科技脉搏。动点科技每天收集汇总全球AIGC进展与热点，每天5分钟带您了解AIGC，希望与您共同玩转AIGC，解码行业发展新风向，开启智慧新时代！

变身 AI 私人助理，ChatGPT 推出 Tasks 功能支持设置每日学习 / 健身计划

OpenAI 在 X 发推宣布以测试版形式，为 ChatGPT 聊天机器人引入“Tasks”（任务）功能，支持用户设置提醒事项。该功能支持一次性提醒和周期性重复任务，用户都能够通过自然语言进行设置。目前，该功能仅对 Plus、Pro 和 Teams 订阅用户开放测试，未来将向所有 ChatGPT 用户开放。ChatGPT 能够最终靠 Tasks 功能，设置发送每周全球新闻简报、提供每日 15 分钟健身计划、设置语言学习等任务提醒、发送每日笑话、创建每日晚餐计划、提醒生日等重要事件。

1月15日，富士康与优必选宣布，双方将就人形机器人在智能制造领域的应用建立全方位长期战略合作伙伴关系，通过开展人形机器人在真实制造场景的测试验证及技术创新等工作，积极推动优必选人形机器人在富士康人机一体化智能系统场景的实际应用。

根据协议内容：第一，富士康与优必选将共同推进和验证人形机器人在智能制造领域应用的可行性，联合打造试点应用场景。第二，针对建立未来“关灯工厂”，富士康与优必选将共同成立人形机器人规模化应用联合攻关项目。双方致力于逐步提升人形机器人运动、感知和决策能力，一同推动人形机器人智能制造业解决方案落地。第三，富士康与优必选还将共同建立专注于智能制造业的人形机器人联合实验室。第四，双方高层将进行定期沟通，协调、解决与合作有关的事项，加速人形机器人产业链建设和商业化落地。

目前，优必选工业人形机器人Walker S1已在富士康位于深圳龙华的工厂开展了为期两个月的实训工作，成功验证了人形机器人在物流场景中的应用可行性。第二阶段，优必选工业人形机器人将进入富士康河南郑州车厂实训。

郭明錤：英伟达更新Blackwell架构产品线 CoWoS-S需求削减主要源于产品线更新而非需求下滑

知名分析师郭明錤今日发文指出，英伟达通过最新的Blackwell架构路线图重新定义了其产品阵容。其中，200系列采用双芯片设计（使用CoWoS-L制造）；300系列采用双芯片（CoWoS-L）和单芯片（CoWoS-S）设计。

其表示，也正是因为新路线图，有传言称英伟达正在削减CoWoS-S产能，显然至少在未来一年左右的时间里，英伟达对CoWoS-S需求将大幅度减少。从今年Q1起，英伟达将重点转向200系列，同时减少H系列（CoWoS-S）供应，这将逐步降低英伟达对CoWoS-S需求；但对CoWoS-L的需求比CoWoS-S更为迫切。产品路线图变化将对英伟达及其供应链合作伙伴的业绩产生不同程度影响。不过，从英伟达角度来看，CoWoS-S削减主要是由于产品路线图改变，而不是需求下滑。这一变化也很好地配合了台积电将其CoWoS-L技术作为主流解决方案的战略计划。

1月15日，上海人工智能实验室对书生大模型进行重要版本升级，书生·浦语3.0（InternLM3）通过精炼数据框架，大幅度的提高了数据效率，并实现思维密度的跃升。仅使用4T训练数据的InternLM3-8B-Instruct，其综合性能超过了同量级开源模型，节约训练成本75%以上；同时，书生·浦语3.0首次在通用模型中实现了常规对话与深度思考能力融合，可应对更多真实使用场景。

数据是大模型能力提升的重要“推进剂”。目前主流开源模型多以扩大预训练数据规模作为性能提升路径，预训练数据量普遍接近20T token，训练成本也随之线性增长，同时也引起业内关于数据瓶颈和Scaling Law可持续性的思考。上海AI实验室研究团队认为，数据质量的提升带来的增益会明显高于数据规模的提升，而数据的“思维密度”（IQPT，Intelligence Quality per Token）是数据质量的核心，即数据的思考过程中蕴含的逻辑性、复杂性、启发性等。为此，团队提出大规模数据精炼框架，大幅度提高了训练数据的质量。在具体实践中，书生·浦语3.0仅使用4T token的预训练数据，即实现主流开源模型18T数据的训练效果。通过构建数据“思维密度”杠杆，撬动模型性能提升，为突破Scaling Law带来了新的研究范式。

来自斯坦福医学院的科研团队研发了名为 MUSK 的 AI 模型，结合医学图像和文本数据，可以精准预测癌症患者的预后和治疗反应。MUSK 模型的亮点在于，突破性地整合了视觉数据（如病理图像）和文本数据（如病历和临床记录），可以更全面理解患者病情。MUSK 模型在庞大的非配对多模态数据集上进行预训练，极大地扩展了其学习范围，使其比传统 AI 模型更具适应性和定制化能力。该模型通过 5000 万张病理图像和超过 10 亿条医学文本训练，可以准确预测 16 种癌症类型的患者生存率和治疗反应。MUSK 模型能够分析包括患者人口统计学信息和病史在内数千个数据点，更准确地确定哪些疗法（例如免疫疗法）对个体患者最有效。该团队表示相比传统方法，其预测生存率的准确性提高了 11 个百分点，达到 75%；预测免疫治疗适用性的准确性从 61% 提升至 77%；预测五年内黑色素瘤复发风险的准确性则提高了 12 个百分点，达到 83%。

本文为动点科技整理，没有经过授权不得转载，如需转载或开白请在后台回复“转载”。

*想要获取行业资讯、和志同道合的科技爱好者们分享心得，那就赶快扫码添加“动点君”加入群聊吧！群里更有不定期福利发放！