-
《星空》全新Mod引入动态天气系统：天气更丰富真实
有Modder为《星空》制作了一个非常酷的Mod，该Mod引入动态天气系统。可以在玩家游玩的时候自动改变天气，甚至允许在不同的气候中出现新的天气变化...
游戏资讯 2023-10-19 03:28:47 -
德云色直播谈S赛评级，JDG不夺冠就失败，WBG评价太真实了！
2023英雄联盟全球总决赛即将打响，随着今日资格赛BDS轻松3-0横扫GG战队，最后一张全球总决赛的门票归属也就此出炉。而在近日，作为二路解说当中非常受欢迎的主播，德云色的笑笑西卡也在S赛入围赛开打之前对此次S赛比较热门的参赛队伍与选手进行了评级，其中对于LPL赛区四支队伍的评价可以说是非常犀利，引起了网友的热议...
游戏资讯 2023-10-19 03:27:30 -
传《GTA6》画质逼真引入AI元素让NPC更真实
近日法国媒体Rockstar Mag报道称，R星将升级RAGE游戏引擎，进一步提升《GTA6》视觉效果和纹理特征，并且还将引入AI元素，让NPC更真实。 Rockstar Mag采访了R星内部人士，后者证实RAGE游戏引擎性能将有显著提升...
游戏资讯 2023-10-19 03:11:53 -
《DON'TSCREAM》steam页面上线真实系恐怖探索
由Joure & Joe双人制作者合作开发，一款主打真实系风格恐怖探索新游《DON'T SCREAM》steam页面上线，本作暂不支持中文。 《DON'T SCREAM》：steam地址 《DON'T SCREAM》的故事发生在90年代的某个美国森林中，游戏采用了类似录像拍摄的真实系场景，更像是纪录片的手法增加了游戏的恐怖度，玩家需要在神秘森林里一边探索一边走出困境...
游戏资讯 2023-10-19 03:09:51 -
三国志11：如果评选女版五虎将的话，你会挑出这五个妹子配技能吗
但凡是稍微对三国这个IP感兴趣的朋友们，想必都是知道“五虎上将”的。在经典的三国志11游戏里，由于特技匹配的关系，他们也被称为“四神一洞”男团...
游戏资讯 2023-10-19 03:02:10 -
没进S赛也被羞辱？GAM发文纪念：去年今天我们送TES去机场！
2023英雄联盟全球总决赛已经拉开帷幕，经过为期六天紧张激烈的角逐，最终GAM和BDS是成功晋级到瑞士轮阶段。对于BDS这支LEC赛区的四号种子，观众了解可能没有那么多，但是另一支来自越南VCS赛区的GAM战队，相信只要是看过去年S12世界赛的LPL观众一定不会对他们感到陌生...
游戏资讯 2023-10-19 02:39:59 -
大话西游2：实不相瞒，这些炼偏的武器，简直是菜鸟的克星
hello大家好，我是老夏，一个热爱大话西游2经典版的玩家。这里会在每天下午的五点更新内容，给大家带来每日牛图系列版块，里面有好玩的图片，有鬼使神差的炼化、逗比的日常、啼笑皆非的世界喊话，还有任务中的各种几率，怎么样？觉得满意的话，给小编来个关注+点赞+评论三连击全网第一托？他得神兵的这一下，我是信服的虽然说不是破物理属性，但依然也是个贵重物品了老弟？你这合出3块八级宝石，是怎么做到的？留念？来看看会是件什么样的武器好家伙，忽视冰9强冰7，这炼化是一点不向风法靠边啊天梯令意外开出震天戟，谁有他运气好？看不见你？你也看不见我，PK场又见双乾坤遮天曾经小编做梦也想有个想通的场景，可惜至今没能如愿强水火帽子，炼化出如此完美的大力属性，太可惜了忽视混底子，炼化出忽视睡10，也偏了前面的兄弟，你们要说练偏，那我可就不困了啊，风法武器出忽视混10咳咳，这还有一把，也是炼歪了再次感谢 夙愿 外卖小哥 fish C gaaraf 原来都是错 风雨同舟 快到郭里来 万佚 大话西游2经典版玩家的投稿...
游戏资讯 2023-10-19 02:39:44 -
不用等下半年，中美合拍的《悟空VS美国大兵》就在今天
比摘棉花的二师弟强雷音寺前的香炉香火不断，悟空跪在门口双手合十，拜了又拜。门口的僧人一只手转动着佛珠，另一只手在胸前画着十字...
游戏资讯 2023-10-19 02:34:02 -
玩家在《最终幻想14》还原宅男房间逼真宛如真实
在游戏中做各种事情，不一定非要杀怪升级，搞搞建筑学同样很有乐趣，近日一名《最终幻想14》晒出请专业建筑系玩家打造的宅男房间，逼真程度之高引发热议，宛如真实房间重现。·接受了另一名玩家的委托，酷爱搞建筑设计的Z'zzz玩家在《最终幻想14》种还原了宅男房间，各种细节惊人，解像度极高，色彩也很自然，完全看不出这是游戏中的房间，庭院、家具、电视甚至电脑游戏机等纷纷呈现，住在这样的家里想必玩游戏也格外带劲，一起来欣赏下...
游戏资讯 2023-10-19 02:31:55 -
学而思网校科学思维产品升级，暑假首个主题是海洋科考季
6月9日，日前好未来集团旗下学而思网校宣布，其“学而思科学思维”进行新的产品创新，在2023年暑假发布的第一个主题是“海洋科考季”。学而思网校表示，其在2010年便开始布局青少年科学教育，迄今已经累计服务超100万人次...
互联网 2023-06-13 11:00:41 -
乐创能源CEO潘多昭：新能储能虽然爆火，但资产的可融资性一直是大问题
6月5日消息，2023中国能源产业发展年会“新型储能投融资研讨会”会上，乐创能源董事长CEO潘多昭表示，希望行业各界重视起储能安全性问题：“新型储能行业火爆的背后，有着一个大家没有完全解决的问题，也就是储能的资产价值危险造成其难以转化成金融，或者说资产的可融资性一直是一个问题。”对很多投运的储能设施没有大规模使用的问题，他表示：“项目都闲置了，技术如何迭代？又如何让证券公司或者租赁公司来确定资产的收益率？”他谈到，在新型储能行业的发展初期，在行业面临的困难和挑战面前，大家首先要做的并不是行业竞争，而是如何提升抗波动能力：原材料价格、技术的迭代、核心人才的流失等都是我们所面临的风险...
业界动态 2023-06-05 19:39:33 -
数学论证GPT-4不是随机鹦鹉：真如此的话整个宇宙都会坍缩
克雷西 发自 凹非寺量子位 | 公众号 QbitAI对于ChatGPT的工作原理，一个常见的解释是根据统计学规律预测下一个词。但最近一位叫Jacob Bayless的工程师用数学方法得出惊人结论：若是如此，所需的信息量足以让整个宇宙都坍塌成黑洞。这一数据量是50000^8000，根据贝肯斯坦上限(Bekenstein bound)原理，如果把这些信息分配到空间当中，所需要的信息密度已经远超宇宙能承受的最大值。而这仅仅是把数据存储起来的消耗，更不必说还要进行运算了。而ChatGPT与单纯统计预测的区别，可以做这样的类比：如果天文学家通过历史观测记录推算出月食的周期，这可以算是统计学。但当他们总结出牛顿万有引力定律的时候，就已经超越了统计学。什么是“随机鹦鹉”一个流传很广的说法，所谓大语言模型实际上相当于一个“随机鹦鹉”——与我们观察其输出时的情况相反，语言模型只是将其在庞大的训练数据中观察到的语素胡乱拼接在一起，根据概率生成文本，但不清楚文字背后的任何含义，就像一个随机的鹦鹉。出自论文On The Dangers of Stochastic Parrots: Can Language Models Be Too Big这对过去的语言模型，或许确实成立。比如曾经流行的n-gram算法。比如当我们在搜索引擎中进行搜索时，出现的联想词就能用此方法实现。具体来说，下面的三行文本中，第一行纯粹是随机生成，第二行考虑了单词在英语中整体的出现概率，第三行则考虑了单词在前一个词后面出现的概率。n = 0: RECEIVE FALL SURPRISED FRIDAY INGREDIENT…n = 1: REPRESENTING AND SPEEDILY IS AN GOOD…n = 2: THE CHARACTER OF THIS POINT IS THEREFORE…不难看出，随着n值的升高，文本越来越接近人类语言。而n-gram模型根本不需要掌握其中的语义或理解其中的抽象概念，就能生成像模像样的句子。据此有人猜想，GPT-4会不会也只是一种高级的n-gram呢？Bayless提出，GPT必须学会抽象才能有如今的效果，至少GPT-4肯定如此。GPT-4不只是“随机鹦鹉”要证明这一点，可以先看下棋机器人的例子。如果有一种下棋机器人，存储了巨量棋谱数据，对于每个棋局都能推荐下一步。那它就能通过“背谱法”模仿其他任何棋手或程序的下法比如Stockfish是最先进的国际象棋程序，如果仅通过对战而不看源码，是无法确定Stockfish是否在背谱。但实际上，包含所有情形和步骤的棋谱数据量可能超过2^154。而Stockfish的程序只占用了不到50MB的空间，根本不可能存下需要的所有棋谱。所以Stockfish肯定是通过更高级的方法来实现下棋的。人类语言的复杂度远超过棋类游戏，因此GPT的数据量更是同理。仅在是上一代的GPT-3的token字典中就有超过5万token。如果对每个词都逐一建立统计信息，n-gram模型中n值将高达8000。届时，需要存储的情景数量将达到50000^8000。正如文章开头所提到，这简直是天文数字，足以让整个宇宙坍缩。因此，GPT是“随机鹦鹉”的猜测在理论上得到了一定程度的批驳。“随机鹦鹉”达不到的高度仅在理论上进行说明是不充分的，因此研究人员还进行了两个实验，意图证明大模型在学习过程中已经抽象出了算法。第一个实验关于一道经典的农夫过河问题。一个农夫有一条船，和狼、羊、菜，农夫要把这3样东西运到河到另一边，农夫每次最多只能通过这个船运一样东西，要防止狼吃羊、羊吃白菜（即不能在没有农夫在的情况下同时在同一岸边），该怎么过？研究人员将这个问题中的农夫、船、河分别替换成地球人、虫洞和银河系。狼、羊和菜则分别换成火星人、金星人和月球人。替换的目的是因为互联网上不太可能出现类似语料，可以判断大语言模型是不是真的掌握了通用方法。如果GPT不是“随机鹦鹉”，那么它至少不会犯下只有“随机鹦鹉”才会犯的错误。GPT-4针对替换后的问题给出了正确的回答，GPT-3.5则没有。但它们并没有犯研究人员预想的“鹦鹉”错误——即在回答中出现狼、船、河等已被替换掉的词语。回答中使用的句子，也无法在互联网中被检索到。这些现象都证明了现在的大语言模型的生成方式已经超越了“概率预测”。第二个实验则是数字排序。如果让GPT学习数字排序，它们究竟是只会记住给出过的数字顺序，还是真的研究出排序算法呢？其实只要从GPT的输出当中就可以看出来了。假如从1-100中随机选择10个数字，并将其顺序打乱，将一共有这么多种情形：如果再考虑数字的重复出现，又或者数字的数量发生变化，根本不可能存储如此之多的情形。因此，只要GPT能够针对未知的排序问题给出正确的回答，便可以说明它们是真的研究出了排序算法。研究人员训练了一款特斯拉前AI总监Andrej Kaparthy发明的语言模型nanoGPT，专门让它做数字排序。结果显示，随着训练步数的增加，模型给出的数字顺序越来越完美。虽然在训练步数达到16万左右时突然出现了大量错误，但也很快得到了纠正。这说明这款模型并不是仅仅根据学习的素材对未知的数字进行排序，而是已经掌握了背后的方法。这个测试只是在一台笔记本电脑、算力非常有限的GPU上进行的。更不必说GPT-4了。参考链接：https://jbconsulting...
智能设备 2023-05-27 16:02:19
