开学一个多月后，儿童精神科爆满 | 原文

Eureka! NVIDIA Research Breakthrough Puts New Spin on Robot Learning | NVIDIA Blog
Eureka！NVIDIA研究突破性的机器人学习中加入了新的元素 | NVIDIA博客

摘要：NVIDIA研究开发的新型AI代理可以教会机器人学习复杂的技能，已经成功训练了机械手像人类一样快速进行旋转笔花式。这个惊人的创意展示了机器人通过自动编写奖励算法来训练的近30个技能之一。Eureka的研究还教会了机器人打开抽屉和橱柜、抛接球和操作剪刀等其他任务。

关联提问：
1. Eureka如何将机器人训练成能够执行复杂任务的技能？
2. Eureka生成的奖励程序如何影响机器人的学习表现？
3. Eureka使用的技术和平台有哪些，对于机器人控制和动画创作有何意义？

🤖️ Generated by chatGPT

用GPT-4训练机器人，英伟达最新Agent开源 ：任务越复杂越拿手

训练机器人，AI比人类更拿手！英伟达最新AI Agent Eureka ，用GPT-4生成奖励函数，结果教会机器人完成了三十多个复杂任务。

比如，快速转个笔，打开抽屉和柜子、抛球和接球，使用剪刀等等任务。

微博量子位 nvidia原文

投稿：@ZaiHuaBot
频道：@TestFlightCN

Protomaps – A free and open source map of the world https://protomaps.com/

MSW 2.0 – Mock Service Worker https://mswjs.io/blog/introducing-msw-2.0/

我关注的过去一周的 AI 热门项目：

XAgent 开源，比 AutoGPT 更加稳定和精确的复杂任务调度、设计、执行和落地的全自动 GPT Agent，与 Langchain 这样的单 Agent 或者多个单 Agent 智能体执行任务，以及 AutoGPT 执行任务的时候容易陷入自己的死循环和对错误进行错误处理和产生执念不同，XAgent 会将任务拆解和规划，逐步使用自己创建和调度的子 Agent 进行任务处理，甚至实现自己为了解决某个问题而单独训练一个小模型的情况，与 AutoGPT 会死循环不同，XAgent 添加了能找人类或者多个数据 ETL 模块进行求助的行为模式来允许自动任务发生中断

OpenBMB/XAgent: An Autonomous LLM Agent for Complex Task Solving
https://github.com/OpenBMB/XAgent

Prompt flow 开源，支持在 vscode 中流式可视化编辑和开发 GPT Agent，方便为 LLM 应用解决原型构建，基准测试，以及生产落地和监控。

microsoft/promptflow: Build high-quality LLM apps - from prototyping, testing to production deployment and monitoring.
https://github.com/microsoft/promptflow

AutoGen 开源，是 https://github.com/microsoft/FLAML（ 自动机器学习和全自动微调框架 ）的衍生品，相比 AutoGPT 而言，这个项目旨在提供更多的多 agent 协作的工具，可以理解为 langchain multi agent 的平替，也可以理解为可以用 AutoGen 可以配合 Prompt flow 拼出一个 XAgent

microsoft/autogen: Enable Next-Gen Large Language Model Applications. Join our Discord: https://discord.gg/pAbnFJrkgZ
https://github.com/microsoft/autogen

看 NVIDIA 发了研究 Blog 说自己用类似于 XAgent 外循环 + 内循环的方式去让小模型和数字孪生能够对「对用人手进行转笔这样的动作进行建模」这样的复杂任务进行微调和监督，实现更全面和智能的无监督学习。

https://blogs.nvidia.com/blog/2023/10/20/eureka-robotics-research/

This new data poisoning tool lets artists fight back against generative AI
这个新的数据污染工具让艺术家们有了对抗生成式 AI 的能力。名为 Nightshade 的工具允许艺术家在他们上传网络的作品中添加看不见的像素变化，以防止其被 AI 模型所采集并用于训练，从而导致模型以混乱和不可预测的方式崩溃。该工具旨在回击 AI 公司未经创作者许可使用艺术品来训练模型的行为。通过使用这个“污染”训练数据的方法，可以对像 DALL-E、Midjourney 和 Stable Diffusion 这样的生成图像 AI 模型造成损害，使其输出变得无用：狗变成了猫，汽车变成了牛等等 。美国麻省理工科技评论获得了这项正在等待同行评议的研究的独家预览。

该团队还开发了一个名为 Glaze 的工具，允许艺术家“伪装”自己的个人风格，以防止其被 AI 公司采集。它的工作方式与 Nightshade 类似：通过微妙地改变图像中的像素，这些变化对人眼不可见，但会使机器学习模型将图像解释为与其实际显示的内容不同的东西。

这个团队计划将 Nightshade 集成到 Glaze 中，艺术家可以选择是否使用这个数据污染工具。该团队还打算将 Nightshade 开源，以允许其他人对其进行改进和开发自己的版本。更多的人使用和改进 Nightshade，这个工具的强大程度就会增加，Zhao 表示。大型 AI 模型的数据集可能包含数十亿张图像，因此，如果可以将更多的污染图像收集到模型中，这种技术就会造成更大的损害。

Nightshade 利用生成式 AI 模型的安全漏洞，这是因为这些模型被训练使用大量数据，例如从互联网上获取的图像。 Nightshade 扰乱了这些图像。艺术家如果希望在网上上传他们的作品，但又不希望它们被 AI 公司采集，可以将它们上传到 Glaze，并选择用与自己不同的艺术风格进行掩盖。然后，他们还可以选择使用 Nightshade。当 AI 开发人员从互联网上采集更多数据以调整现有的 AI 模型或构建新模型时，这些污染的样本就会进入模型的数据集，并导致模型发生故障。污染的数据样本可以操纵模型学习，例如，将帽子的图像学习为蛋糕的图像，将手提包的图像学习为烤面包机的图像等等。这些污染的数据非常难以删除，因为需要技术公司费力地找到并删除每个受损样本。

该研究对 Stable Diffusion 最新模型和他们自己从头开始训练的 AI 模型进行了测试。当他们向 Stable Diffusion 提供了仅有 50 张带有毒性的狗的图像，并要求其自行生成狗的图像时，输出开始变得奇怪，变成了四肢过多和卡通般的脸。使用 300 个带有毒性的样本，攻击者可以操纵 Stable Diffusion 生成的狗的图像看起来像猫。

关联提问：
1. 这个数据污染工具如何有助于艺术家保护他们的版权和知识产权？
2. 对于 AI 公司来说，使用这种数据污染技术会带来哪些威胁和挑战？
3. 除了艺术家保护版权外，Nightshade 这种技术还有哪些潜在的用途和风险？

🤖️ Generated by chatGPT

LIGO挤压光源 超越量子极限以测量时空涟漪


当像黑洞这样的超大质量天体发生碰撞时，释放出的能量足以在现实中激起涟漪。一个多世纪前，爱因斯坦首次预言了这些引力波，但直到 2015 年，科学家们才终于首次直接探测到它们。负责这次重大探测的设施是激光干涉仪引力波天文台（LIGO），其工作原理是将激光射入两条长隧道，在镜子上反弹，然后测量光线如何返回。通过控制其他影响并仔细观察，探测器可以感知激光束发生的微小扭曲--小于一个质子的宽度时表明引力波已经经过。此后的几年里，LIGO 和其他探测器已经捕捉到了数十个引力波信号。但这些设施的灵敏度是有极限的，这是由量子物理定律本身决定的。虽然真空（包括 LIGO 激光管中的真空）通常被认为是完全空的空间，但这是不可能实现的。量子波动意味着粒子会不断出现，存活几分之一秒，然后又消失。这种微弱的量子噪声干扰了 LIGO 的观测，给观测带来了硬限制。在 LIGO 上提供挤压光源的仪器，在进行维护时被暴露出来。现在，LIGO 的科学家们已经找到并展示了一种方法，利用一种叫做量子挤压的技术来实现突破。这种方法利用了不确定性原理，即你对物体的某个特征了解得越精确，对其他特征的了解就越不精确。最常见的例子是一个粒子在盒子里弹来弹去--如果你能准确测量出它在某一特定时间的位置，那么你对它的动量的了解就会减少，反之亦然。在这种情况下，科学家们操纵了不确定性原理，通过调整光的两个特性--相位和振幅，从 LIGO 的激光器中获得了更多信息。在 2019 年升级过程中添加到管道中的特殊晶体"挤压"了光的相位，从而使光子以更可预测的时间到达传感器。当然，这也会降低振幅的确定性，这意味着激光会导致反射镜振动，掩盖它可能探测到的任何低频引力波。为了解决这个问题，LIGO 上安装了一个新仪器，叫做频率相关挤压腔。顾名思义，它的工作原理是对不同频率的光进行不同性质的挤压，以达到两全其美的效果。为了进行最精确的引力波探测，科学家们需要对低频的振幅和高频的相位有更多的确定性，而该系统现在可以做到这一点。这项研究的作者拉纳-阿迪卡里（Rana Adhikari）说："以前，我们必须选择我们希望 LIGO 在哪些方面更加精确。现在，我们可以切蛋糕庆祝了。我们早就知道如何写下方程式来实现这一目标，但直到现在我们才清楚我们是否能真正实现这一目标。这就像科幻小说一样。"研究小组表示，通过突破这一量子极限，精度的提高将使 LIGO 能够探测到比以前多 60% 的引力波事件。LIGO 的伙伴天文台 Virgo 位于意大利，预计也将在明年年底前开始使用频率依赖性挤压技术。研究小组在下面的视频中介绍了这项工作。挤压光如何减少LIGO测量的不确定性 ...

PC版：https://www.cnbeta.com.tw/articles/soft/1391947.htm
手机版：https://m.cnbeta.com.tw/view/1391947.htm

Anthropic 发现 AI 普遍"谄媚"人类

论文研究了5个最先进的语言模型 (ChatGPT 系列、Claude 系列、LLaMA 2)，确认这些基于人类反馈强化学习 (RLHF) 的 AI 普遍会对人类阿谀奉承。当人类有先入为主的观点时它会主动贴合，当被质疑时它会认错，甚至将正确答案修改为错误答案。

Anthropic 发现可能是 RLHF 教育出了这种“马屁精”，这种学习方式虽然在生产高质量 AI 方面具有明显效用，但通过贴合人类偏好激励的 AI 会牺牲自己的真实性来“谄媚”人类，人们需要改进训练方法。

—— arXiv

How to Build Your Own AI-Generated Image with ControlNet and Stable Diffusion
如何使用ControlNet和Stable Diffusion构建自己的AI生成图像

摘要：生成式人工智能（Generative AI）是一种人工智能技术，能够生成未经明确编程的新内容。通过使用机器学习算法分析和学习大型数据集，Generative AI可以创建图片、音乐、文字甚至视频等新内容。Generative AI模型通常基于神经网络，使用概率方法而不是完全相同的训练数据生成类似的内容。Generative AI有许多用途，包括内容创建、数据增强、模拟、个性化和预测分析等。

关联提问：
1. Generative AI如何创建新的内容？
2. Generative Adversarial Networks（GANs）是如何工作的？
3. Stable Diffusion如何解决GANs的一些问题并生成高质量的图像？

🤖️ Generated by chatGPT

日本最高裁判跨性别者于性别变更时的剥夺生殖能力手术之法律要求违宪：朝日新闻，2023.10.25（原文免费阅读至26日下午15:19）

在一项涉及改变户籍性别需要进行剥夺生殖能力手术的“性同一性障碍特例法”要求是否违宪的家事审判中，最高法院大审判庭（法院首席法官·戸倉三郎长官）与最高法院15名法官，于25日一致达成决定宣布该法规违宪。这是最高法院第12次宣布某法规违宪。

最高法院指出，这一要求“强制个体在接受严重身体侵害手术或者放弃根据性别认同获得法定待遇之间做出严峻的二选一选择”，并考虑到特例法颁布后社会的变化和医学知识的进展等因素，该要求“侵犯了违反宪法第13条的反对违背个体意愿的身体侵害自由，因此宣告无效”。

最高法院的决定有三个关键点：
① 要求进行切除睾丸或卵巢手术以进行性别变更的法律要求被视为违宪和无效。 ② 从现在开始，进行性别变更不再需要这种手术。 ③ 然而，为了满足性器外观的相似性要求，仍然需要其他手术，因此仍会有相当数量的当事人需要进行这些手术。

这一决定使得生育相关的要求成为无效，特例法将面临重新审查。在国际上，强制要求进行对身体的大手术在人权方面备受批评。现在，在保留出生时的生殖功能的情况下，可以在不进行手术的情况下进行一定程度的性别变更。

特例法规定了五个要求，其中“生殖腺无功能或永久缺失”（生育不能要求）和“具有与所要变更的性别性器相似的外观”（外观要求）被称为手术要求。通常情况下，前者需要卵巢和睾丸的切除，而后者需要进行包括阴茎切除在内的手术。

"外观要求"的判断留待上诉

最高法院在这一决定中裁定"生育不能要求"是违宪的。然而，关于"外观要求"的问题尚未在高等法院审议，因此最高法院将此问题交由高等法院再次审理。对此决定，有3名法官提出了反对意见，认为"外观要求"也是违宪的，应该批准申请人的性别变更，而不需要再次审理。

这一决定的结果是，不再需要进行生育不能要求的手术的当事人现在可以在不进行手术的情况下进行性别变更。然而，由于"外观要求"仍然存在，需要手术的人仍然会有相当数量。

在这一案例中，申请人出生时的性别是男性，但她是一位跨性别女性，希望进行性别变更。尽管她没有进行手术，但由于多年来接受荷尔蒙治疗导致生育能力下降，她声称符合要求，要求性别变更。

家庭法院和高等法院认为她未满足生育不能要求，并拒绝了她的申请，同时未对"外观要求"进行审理。申请人主张强制手术违反了宪法第13条规定的追求幸福的权利，因此她向最高法院提出了特别上诉。

最高法院基于下级法院的事实认定做出法律裁定。因此，虽然生育不能要求被视为违宪，但未被审理的"外观要求"需要在高等法院审理。最高法院并未就批准或拒绝申请人的性别变更做出结论。

如果高等法院裁定申请人不符合"外观要求"，申请人可以再次提出特别上诉，最高法院可能会就"外观要求"的违宪审查进行裁定。

如果高等法院裁定申请人符合"外观要求"，则性别变更将获得批准并终结审判。尽管高等法院可以认定"要件是违宪且无效"，但由于不是最高法院的宪法判决，"外观要求"本身不会被宣布无效。

关于特例法的生育不能要求，最高法院在2019年曾由四名法官审理的另一案件中判定为"合宪"。但同时指出"手术对不愿接受身体侵害的自由构成制约"，并表示"（要求的）宪法适用性需要不断审查"。

最高法院在这次裁决中，由15名法官全体审议，在考虑社会情势的变化等因素后对这一问题做出重新裁定。

（遠藤隆史；朝日新闻10.25日，GPT-3.5协助翻译）

未免过于重口……￣□￣｜｜

韩国8月新生儿不足两万 创33月最大降幅
2023-10-25 16:18:00

#韩国 #生育率 #人口 #出生率

想到之前看到医院里挂号的时候提示，带孩子看心理精神科，父母也需要做量表，感觉这还是有必要的（

是对 https://mp.weixin.qq.com/s/n5ZlnH0I6Q9-XiidS0Qf0g 的评论

抑郁症女儿去世了，我是帮凶之一
抑郁症女儿去世了，我是帮凶之一

摘要：这篇文章是一位母亲半夏的自述，她回顾了自己和女儿小酒的抑郁症之旅。半夏描述了她对女儿行为的误解和对抑郁症的无知，以及在不了解病情的情况下对女儿采取的粗暴教育方式。她描述了女儿的抑郁症诊断和治疗过程中的挣扎和痛苦，以及最终女儿结束了自己的生命。半夏分享她的内疚和悔恨，并希望通过自己的经历让更多的家长醒悟和重视抑郁症问题。她谈到了与女儿的关系、学校霸凌、医院治疗等问题，并承诺会以一个坚强的母亲继续生活下去。

关联提问：
1. 你周围是否有抑郁症患者？你是怎么看待抑郁症家庭的？
2. 在面对孩子的抑郁症问题时，我们应该如何更好地理解和支持他们？
3. 如何平衡对孩子的保护和监护以及给他们足够的空间和自主权？

🤖️ Generated by chatGPT

> 小酒已经离开了，我告诉自己，把眼泪流干，该干嘛干嘛，我得替小酒好好活着，照顾好她的猫咪，我会做一个坚强的母亲，这也是小酒希望的。

【李克强同志逝世】中国共产党第十七届、十八届、十九届中央政治局常委，国务院原总理李克强同志，近日在上海休息，2023年10月26日因突发心脏病，经全力抢救无效，于10月27日0时10分在上海逝世，享年68岁。讣告后发。

Via 𝕏ue 𝕏ue 苏雪宁

投稿：@ZaiHuaBot
频道：@TestFlightCN
每日京东淘宝红包领取

R.I.P.
鞠躬尽瘁，功过自在人心。一路走好。