想要迈向通用人工智能，必须要构建一个能够理解人类生活的真实世界，并掌握丰富技能的具身通用智能体。今年以来，以GPT-4(V)[1]、LLaVA[2]、PALM-E[3]等为代表的多模态大语言模型（Multi-modalLargeLanguageModel）在自然语言处理、视觉理解、机器人等任务上取得了显著的成功，但这类模型都是基于二维图片文本数据训练得到，在理解三维世界和与三维世界交互方面能力欠缺。为解决这一问题，北京通用人工智能研究院联合北京大学、卡耐基梅隆大学和清华大学的研究人员提出了首个三维世界中的具身多任务多模态的通才智能体LEO。论文链接：https://arxiv.org/abs/

作者|崔皓审校|重楼摘要在自然语言处理领域，为了让模型能够处理特定领域的问题，需要进行Fine-tuning，即在基础模型上训练模型以理解和回答特定领域的问题。在这个过程中，Embedding起到了关键作用，它将离散型的符号转换为连续型的数值向量，帮助模型理解文本信息。词嵌入是一种常用的Embedding方法，通过将每个单词转换为多维向量来捕获其语义信息。本文通过LangChain，ChromaDB以及OpenAI实现Fine-tuning的过程，通过更新Embedding层来让模型更好地理解特定领域的词汇。开篇在自然语言处理领域，最常见的用例之一是与文档相关的问题回答。虽然这方面ChatGP

在AI发展进程中有一个非常有趣却有违常识的现象——「一些对人类而言相对困难的任务，例如下棋，对AI来说却相对容易实现。而在开放世界中与环境交互、进行规划和决策等对人类来说较简单的事，AI却面临巨大挑战」而这，就是莫拉维克悖论。不过，现在GITM成功打破了这一悖论限制，在复杂且类似于现实世界的环境中取得突破，能够像人类一样生存，探索和创造了！在紧密模拟真实世界的畅销游戏《我的世界》（Minecraft）中，由商汤科技联合清华大学、上海人工智能实验室等机构研究者们共同提出的通才AI智能体GhostintheMinecraft（GITM），不但能够玩转《我的世界》，且比以往所有智能体都有更加优秀表现