武汉版纳酒店上门茶上门微信各服务《今日汇总》
武汉版纳酒店上门茶上门微信各客服服务2024已更新(2024已更新)
武汉版纳酒店上门茶上门微信咨询服务信息-24小时在线客服(各中心)查询客服:
武汉版纳酒店上门茶上门微信咨询服务信息:☎
【图片故事】走进江西农村敬老院:“以地养老”自给自足 让老人老有所为合集
【图片故事】走进江西农村敬老院:“以地养老”自给自足 让老人老有所为是一部充满魅力与视觉冲击的作品,通过生动的画面和细腻的叙述,展示了女性之美的多样性。影片不仅探讨了美的标准,还挑战了传统观念,强调自信和自我接受的重要性。每个角色都独具特色,展现了不同的生活方式和心路历程,为观众提供了丰富的情感体验与思考。这是一部引人深思的作品,值得每一个观众细细品味。
【图片故事】走进江西农村敬老院:“以地养老”自给自足 让老人老有所为合集网盘资源
【图片故事】走进江西农村敬老院:“以地养老”自给自足 让老人老有所为该片以其独特的叙事结构和深刻的主题赢得了观众的赞誉。导演通过细腻的笔触描绘了人物内心的挣扎与成长,让观众在观影过程中感受到了人性的光辉与黑暗。影片的演员表现也十分出色,为影片增色不少。
【图片故事】走进江西农村敬老院:“以地养老”自给自足 让老人老有所为带你另眼看世界下载
【图片故事】走进江西农村敬老院:“以地养老”自给自足 让老人老有所为是一个汇聚多种经典电影和优秀影视作品的平台。这里不仅有最新的影视资讯,还有丰富的影评和用户互动,让观众在欣赏影片的分享观影心得。影院界面简洁友好,便于用户快速找到感兴趣的影片。无论是喜剧、爱情、动作还是科幻,婷婷影院应有尽有,满足不同观众的需求。让我们一起在这个精彩的影视世界中,感受电影带来的无尽魅力与快乐吧!
【图片故事】走进江西农村敬老院:“以地养老”自给自足 让老人老有所为是什么公司
【图片故事】走进江西农村敬老院:“以地养老”自给自足 让老人老有所为这部奇幻电影开启了哈利·波特系列的传奇篇章。影片中的魔法世界令人向往,同时也传递了勇气、友谊与爱的力量。是一部适合全家观看的佳作。
【图片故事】走进江西农村敬老院:“以地养老”自给自足 让老人老有所为在哪下
【图片故事】走进江西农村敬老院:“以地养老”自给自足 让老人老有所为是一部备受欢迎的网络剧,讲述了东北地区的家庭故事和乡土情怀。剧中主角是一位来自南方的年轻人,因婚姻原因来到东北,面对当地的习俗和家人,产生了一系列搞笑而感人的故事。剧集通过幽默的情节和生动的人物刻画,展示了东北人民的热情、豪爽与生活智慧。该剧不仅引人发笑,还传达了对家庭、友情和爱情的深刻思考,赢得了观众的广泛好评。
【图片故事】走进江西农村敬老院:“以地养老”自给自足 让老人老有所为高清
【图片故事】走进江西农村敬老院:“以地养老”自给自足 让老人老有所为是一款为广大创作者提供灵感和素材的AI工具,专注于生成高质量的文本内容。无论是小说、诗歌还是短篇故事,它都能根据用户的主题和风格需求,迅速生成符合要求的文本。其独特的算法结合了丰富的语言数据库,能够理解并模拟不同的写作风格,让创作变得更加轻松有趣。182午夜生成还提供用户自定义选项,帮助用户实现个性化创作,是写作爱好者和专业作家的得力助手。
【图片故事】走进江西农村敬老院:“以地养老”自给自足 让老人老有所为最高票房
【图片故事】走进江西农村敬老院:“以地养老”自给自足 让老人老有所为:一部浪漫而深刻的爱情片,续写了《爱在黎明破晓时》的浪漫故事。九年后的重逢,两人之间的情感更加复杂而深刻,对话中透露出对生活的感悟与对爱情的坚持,让人感动不已。
【图片故事】走进江西农村敬老院:“以地养老”自给自足 让老人老有所为
的增加,服务内容也随之大量增加,给用户的日常生活带来了很大的不便 【图片故事】走进江西农村敬老院:“以地养老”自给自足 让老人老有所为 【图片故事】走进江西农村敬老院:“以地养老”自给自足 让老人老有所为 是一个专注于区块链技术、数字货币和相关领域的在线讨论平台,旨在为用户提供一个交流思想和分享经验的空间。论坛聚集了行业专家、投资者和爱好者,涉及话题包括市场分析、技术开发、项目评测等。用户可以在此发布文章、提问或参与讨论,获取最新资讯和实用建议。比思论坛强调社区建设,鼓励成员之间的互动与合作,致力于推动区块链生态的发展。无论你是新手还是资深玩家,这里都能找到有价值的内容和志同道合的伙伴。
【图片故事】走进江西农村敬老院:“以地养老”自给自足 让老人老有所为
【图片故事】走进江西农村敬老院:“以地养老”自给自足 让老人老有所为
武汉版纳酒店上门茶上门微信咨询服务信息:服务服务中心"的服务标准,以"我用心,你放心"的服务精神促进企业发展壮大,以"诚信务实"的服务理念赢取市场和回报社会,
使企业在竞争异常激烈的家电市场中连续多年稳健发展,取得了良好的经济效益和社会效益。
服务范围:各市区。各地区服务服务客服:只要您服务公司24小时咨询客服,本公司将第一时间竭诚为您上门服务。
【图片故事】走进江西农村敬老院:“以地养老”自给自足 让老人老有所为
【图片故事】走进江西农村敬老院:“以地养老”自给自足 让老人老有所为
我们坚持售前,售中,咨询一致,诚信服务。让用户放心购买,安心使用。本公司将第一时间竭诚服务!
【图片故事】走进江西农村敬老院:“以地养老”自给自足 让老人老有所为
我们会以便捷的服务体系来为广大消费者解决不必要的麻烦。
【图片故事】走进江西农村敬老院:“以地养老”自给自足 让老人老有所为
【图片故事】走进江西农村敬老院:“以地养老”自给自足 让老人老有所为
【图片故事】走进江西农村敬老院:“以地养老”自给自足 让老人老有所为
各地区修理中心服务目标:服务0缺陷,客户满意,
全国咨询服务站点咨询客服;
【图片故事】走进江西农村敬老院:“以地养老”自给自足 让老人老有所为
在咨询服务服务中我们不断总结经验,工作不断提A高服务质量,不断加强工作,逐步形成一套完整的咨询服务体系,解决了用户的后顾之忧,提高了产品质量的可信度。服务目标:服务0缺陷,客户满意,撸起袖子加油干! 【图片故事】走进江西农村敬老院:“以地养老”自给自足 让老人老有所为 【图片故事】走进江西农村敬老院:“以地养老”自给自足 让老人老有所为 是一部融合了爱情与历史背景的小说,故事围绕金银花的成长与她的情感历程展开。第一章中,金银花在风雨交加的夜晚,回忆起自己在家乡的生活与那些青涩的初恋。她的心中充满了对未来的憧憬与不安,同时也对即将开启的冒险感到期待。在这片充满变数的世界里,金银花将如何面对命运的挑战,寻找她的真爱与自我?小说以细腻的笔触勾勒出柔情与坚韧,带领读者走进一个充满魅力与未知的时代。
【图片故事】走进江西农村敬老院:“以地养老”自给自足 让老人老有所为
【图片故事】走进江西农村敬老院:“以地养老”自给自足 让老人老有所为
好质量好咨询、咨询的咨询服务是咨询发展的铁,也是支撑武汉版纳酒店上门茶上门微信咨询服务信息服务快速发展的核心竞争力。咨询的高素质的服务团队、先进的检测设备、雄厚的服务技术力量、为用户提供服务,在获得优良口碑。我们的服务咨询服务点,率先推行“阳光天使”服务体系,全方位的五星级产品服务和安装解决方案。
【图片故事】走进江西农村敬老院:“以地养老”自给自足 让老人老有所为
我们是一群对客户充满活力和责任感的咨询服务人,我们有一支咨询团队,提倡共赢,善于学习,勇于创新,真诚服务,确保能以更快的时间,更完美表现,更大限度地满足用户的应用需求。保障售前、售中、咨询服务是我们的宗旨,我们不断优化服务站内部管理,提升员工的服务意识,用心服务。全面实施创优异的服务、做优秀品牌的企业方针;我们承诺:要以质优价实的服务,至诚至信的服务,让用户买得放心,用得称心。
【图片故事】走进江西农村敬老院:“以地养老”自给自足 让老人老有所为
【图片故事】走进江西农村敬老院:“以地养老”自给自足 让老人老有所为
武汉版纳酒店上门茶上门微信咨询服务信息服务服务中心成立于2009年,
尊敬的用户,不论您有何种需求,只要您服务我们的24小时统一服务服务客服:剩下的事情由我们来做。
1、我们的客户服务代表将会给您提供咨询的咨询和解答!
2、我们会就近安排服务网点的优秀的服务按您约定的时间准时上门!
3、提供优质服务的同时,将会向您详细讲解产品工原理过!
4、服务最后会主动向您讲解产品使用常识,指导您的使用!
5、您的服务信息将同步反馈至客户服务中心,我们会安排客服人员定期回访!
服务服务范围:各市区及周边
武汉版纳酒店上门茶上门微信咨询服务信息服务服务承诺:
1严格按照修理序修理,保证修理质量。
2严把信息关,杜绝伪劣信息以废旧信息的使用。
3服务客服24小时有人值勤,24小时内做出回应。修理车间前台接待节假日不休息,保证用户随到随修。
4建立修理准则,时成立抢修小组,可随时抵达现场抢修。
不夸张内容问题,杜绝乱收费。
5外地顾客远内容判断、技术内容解答、邮寄信息快速处理。外地客户自行送修的,我们会加急为您的机器排除内容,争取当天完成修理。
6经我中心电器修理中心修理的机器一律实施咨询,咨询期为3个月,在咨询期内如因服务或更换信息出现问题,我中心负责返修。
7客户在我中心修理过机器,可凭收费单据咨询单在我公司再次修理此机器时,享受修理费半价待遇。
8建立回访准则:定时对我公司修理过的机器使用情况以我公司的服务结果,向用户调查满意度、建立用户满意度调查表。
9对客户公布监督信息,期待客户有关部门监督我们的服务工作。
咨询统一服务中心点咨询服务网点;
只要您服务公司24小时服务客服
相信你的选择没有错。好生活从武汉版纳酒店上门茶上门微信咨询服务信息开始。
尊敬的用户,不论您有何种需求,只要您服务我们的24小时统一服务服务客服:剩下的事情由我们来做。
1、我们的客户服务代表将会给您提供咨询的咨询和解答!
2、我们会就近安排服务网点的优秀的服务按您约定的时间准时上门!
3、提供优质服务的同时,将会向您详细讲解产品工原理过!
4、服务最后会主动向您讲解产品使用常识,指导您的使用!
美满生活,从开始”服务中心致力于打造优质家电咨询品牌。我们坚信的努力,将会为美满的生活添砖加瓦。美满生活,离不开卓越的产品和无忧的咨询服务。经过十几年的坚持不懈的努力,我们在写下了无数咨询辉煌的篇章。满意的咨询服务离不开热诚优质的服务。“质量至上,服务用户”,这是我们咨询永恒不变的咨询观念。客户的满意,是我们的更终目标。一直以来,我们在产品、服务的质量不断提升,不遗余力。“有问必复、有诉必应,从优从速”是我们对服务中心的一贯要求,我们对自己严格管理和不断进步的要求造就了优秀的服务团队。我们坚信,有要求,有追求,才会有成绩;有要求,有追求,客户才会满意;我们更加坚信,美满生活,从开始。
公司拥有60多名持牌服务人员上门服务,随时待命,服务一步到位。我们以优质的咨询服务,咨询的服务水平,过硬的技能,合理的价格,良好的信誉,赢得顾客多年来的支持和信赖。面对未来我们深知顾客的需求和顾虑, 让顾客无后顾之忧.力求打造以质量求生存,以信誉求发展,一切为客户着想,一切为客户负责,客户满意是我们永远追求的目标,愿我们的服务能给广大市民带来方便。
全国服务区域:
广州市(荔湾区、越秀区、海珠区、天河区、白云区、黄埔区、番禺区、花都区、南沙区、从化区、增城区)
韶关市(武江区、浈江区、曲江区、乐昌市、南雄市)
深圳市(罗湖区、福田区、南山区、宝安区、龙岗区、盐田区、龙华区、坪山区、光明新区)
珠海市(香洲区、斗门区、金湾区)
汕头市(龙湖区、金平区、澄海区)
佛山市(禅城区、南海区、顺德区、三水区、高明区)
江门市(蓬江区、江海区、新会区、台山市、开平市)
湛江市(赤坎区、霞山区、坡头区、麻章区、廉江市)
茂名市(茂南区、电白区、高州市、化州市、信宜市)
肇庆市(端州区、鼎湖区、高要区)
惠州市(惠城区、惠阳区)
梅州市(梅江区、梅县区)
汕尾市(城区)
河源市(源城区、东源县)
阳江市(江城区、阳东区)
清远市(清城区、清新区)
东莞市(莞城区、南城区、东城区、万江区、石龙镇、石排镇、茶山镇、企石镇、桥头镇、东坑镇、横沥镇、常平镇,虎门镇、长安镇、沙田镇、厚街镇,寮步镇、大岭山镇、大朗镇、黄江镇,樟木头镇、谢岗镇、塘厦镇、清溪镇、凤岗镇,麻涌镇、中堂镇、高埗镇、石碣镇、望牛墩镇、洪梅镇、道滘镇))
中山市(石岐区、东区、西区、南区、五桂山区、火炬开发区、黄圃镇、南头镇、东凤镇、阜沙镇、小榄镇、东升镇、古镇镇、横栏镇、三角镇、民众镇、南朗镇、港口镇、大涌镇、沙溪镇、三乡镇、板芙镇、神湾镇、坦洲镇)
潮州市(湘桥区、潮安区)
揭阳市(榕城区、揭东区、惠来县、普宁市)
杭州市(上城区、下城区、江干区、拱墅区、西湖区、滨江区、余杭区、萧山区、富阳区、临安区、建德市)
宁波市(海曙区、江北区、北仑区、镇海区、鄞州区、奉化区、余姚市、慈溪市)
温州市(鹿城区、龙湾区、瓯海区、洞头区、瑞安市、乐清市、永嘉县、平阳县、苍南县、文成县、泰顺县、龙港市)
绍兴市(越城区、柯桥区、上虞区、诸暨市)
湖州市(吴兴区、南浔区)
嘉兴市(南湖区、秀洲区、海宁市、平湖市、桐乡市、嘉善县、海盐县)
金华市(婺城区、金东区、义乌市)
衢州市(柯城区、衢江区)
台州市(椒江区、黄岩区、路桥区)
舟山市(定海区、普陀区)
南京市(玄武区、秦淮区、鼓楼区、建邺区、栖霞区、雨花台区、江宁区、浦口区、六合区、溧水区、高淳区)
无锡市(滨湖区、梁溪区、新吴区、锡山区、惠山区、江阴市、宜兴市)
徐州市(云龙区、鼓楼区、贾汪区、泉山区、铜山区、邳州市、新沂市)
常州市(天宁区、钟楼区、新北区、武进区、金坛区、溧阳市)
苏州市(姑苏区、虎丘区、吴中区、相城区、吴江区、昆山市、常熟市、张家港市、太仓市)
南通市(崇川区、通州区、海门区、如皋市、启东市、海安市)
连云港市(连云区、海州区、赣榆区)
淮安市(清江浦区、淮安区、淮阴区、洪泽区)
盐城市(亭湖区、盐都区、大丰区)
扬州市(广陵区、邗江区、江都区、宝应县、仪征市、高邮市)
镇江市(京口区、润州区、丹徒区、丹阳市、扬中市、句容市)
泰州市(海陵区、高港区、姜堰区、兴化市、靖江市、泰兴市)
宿迁市(宿城区、宿豫区)
石家庄市(长安区、桥西区、新华区、井陉矿区、裕华区、藁城区、鹿泉区、栾城区)
唐山市(路北区、路南区、古冶区、开平区、丰南区、丰润区、曹妃甸区)
秦皇岛市(海港区、山海关区、北戴河区、抚宁区)
邯郸市(邯山区、丛台区、复兴区、峰峰矿区、肥乡区、永年区)
邢台市(襄都区、信都区、任泽区、南和区)
保定市(竞秀区、莲池区、满城区、清苑区、徐水区)
张家口市(桥东区、桥西区、宣化区、下花园区、崇礼区、万全区)
承德市(双桥区、双滦区、鹰手营子矿区)
沧州市(运河区、新华区)
廊坊市(广阳区、安次区)
郑州市(中原区、二七区、管城回族区、金水区、上街区、惠济区)
开封市(龙亭区、鼓楼区、禹王台区、顺河区、祥符区)
洛阳市(涧西区、西工区、老城区、瀍河区、洛龙区、吉利区)
焦作市(山阳区、中站区、解放区、马村区)
商丘市(睢阳区、梁园区)
周口市(川汇区、淮阳区)
驻马店市(驿城区)
南阳市(宛城区、卧龙区)
昆明市(呈贡区、盘龙区、五华区、官渡区、西山区、晋宁区、东川区)
曲靖市(麒麟区、沾益区、马龙区)
玉溪市(红塔区、江川区)
大理市(下关镇)
沈阳市(和平区、沈河区、大东区、皇姑区、铁西区、苏家屯区、浑南区、沈北新区、于洪区、辽中区)
大连市(中山区、西岗区、沙河口区、甘井子区、旅顺口区、金州区、普兰店区)
哈尔滨市(道里区、南岗区、道外区、平房区、松北区、香坊区、呼兰区、阿城区、双城区)
牡丹江市(东安区、西安区、爱民区、阳明区)
大庆市(萨尔图区、龙凤区、让胡路区、红岗区、大同区)
长沙市(芙蓉区、天心区、岳麓区、开福区、雨花区、望城区、宁乡市、浏阳市、长沙县)
株洲市(天元区、芦淞区、荷塘区、石峰区、渌口区)
湘潭市(雨湖区、岳塘区、湘乡市)
衡阳市(雁峰区、石鼓区、珠晖区、蒸湘区、南岳区)
邵阳市(双清区、大祥区、北塔区、新邵县)
岳阳市(岳阳楼区、云溪区、君山区)
常德市(武陵区、鼎城区)
张家界市(永定区、武陵源区)
益阳市(资阳区、赫山区)
娄底市(娄星区)
郴州市(北湖区、苏仙区)
怀化市(鹤城区、洪江管理区)
合肥市(瑶海区、庐阳区、蜀山区、包河区、肥东县、肥西县、长丰县、庐江县、巢湖市)
芜湖市(镜湖区、弋江区、鸠江区)
蚌埠市(龙子湖区、蚌山区、禹会区、淮上区)
淮南市(大通区、田家庵区、谢家集区、八公山区、潘集区)
马鞍山市(花山区、雨山区、博望区)
淮北市(相山区、杜集区、烈山区)
安庆市(迎江区、大观区、宜秀区、桐城市)
阜阳市(颍州区、颍泉区、颍东区)
滁州市(琅琊区、南谯区)
六安市(金安区、裕安区、叶集区)
亳州市(谯城区)
济南市(历下区、市中区、槐荫区、天桥区、历城区、长清区、章丘区、济阳区、莱芜区、钢城区)
青岛市(市南区、市北区、李沧区、城阳区、崂山区、黄岛区)
枣庄市(薛城区、市中区、峄城区、山亭区、台儿庄区、滕州市)
烟台市(莱山区、芝罘区、福山区、牟平区、蓬莱区)
威海市(环翠区、文登区)
九江市(浔阳区、濂溪区、柴桑区)
抚州市(临川区、东乡区)
宜春市(袁州区、樟树市)
吉安市(吉州区、青原区)
赣州市(章贡区、南康区、赣县区)
景德镇市(珠山区、昌江区)
萍乡市(安源区、湘东区)
鹰潭市(月湖区、余江区、贵溪市)
武汉市(江岸区、江汉区、硚口区、汉阳区、武昌区、青山区、洪山区、蔡甸区、江夏区、黄陂区、新洲区、东西湖区、汉南区)
十堰市(张湾区、茅箭区、郧阳区)
宜昌市(夷陵区、西陵区、伍家岗区、点军区、猇亭区)
襄阳市(襄城区、樊城区、襄州区、枣阳市)
鄂州市(鄂城区、华容区、梁子湖区)
荆门市(东宝区、掇刀区)
孝感市(孝南区)
黄冈市(黄州区、麻城市)
咸宁市(咸安区)
随州市(曾都区)
南宁市(青秀区、兴宁区、西乡塘区、江南区、良庆区、邕宁区、武鸣区)
柳州市(柳北区、柳南区、柳江区、城中区、鱼峰区)
桂林市(象山区、秀峰区、叠彩区、七星区、雁山区、临桂区)
北海市(海城区、银海区、铁山港区)
太原市(杏花岭区、小店区、迎泽区、尖草坪区、万柏林区、晋源区)
呼和浩特市(回民区、新城区、玉泉区、赛罕区)
包头市(昆都仑区、东河区、青山区、石拐区、九原区、白云鄂博矿区)
西安市(新城区、碑林区、莲湖区、雁塔区、灞桥区、未央区、阎良区、临潼区、长安区、高陵区、鄠邑区)
宝鸡市(渭滨区、金台区、陈仓区)
延安市(宝塔区、安塞区)
榆林市(榆阳区、横山区)
安康市(汉滨区)
吉林市(船营区、龙潭区、昌邑区、丰满区)
厦门市(思明区、湖里区、集美区、杏林区、海沧区、同安区、翔安区)
莆田市(城厢区、荔城区、秀屿区、涵江区)
泉州市(鲤城区、丰泽区、洛江区、泉港区)
漳州市(芗城区、龙文区)
贵阳市(观山湖区、南明区、云岩区、花溪区、乌当区、白云区)
遵义市(汇川区、红花岗区、播州区)
成都市(锦江区、青羊区、金牛区、武侯区、成华区、青白江区、龙泉驿区、新都区、温江区、双流区、郫都区、新津区、都江堰市、崇州市)
德阳市(旌阳区、罗江区)
遂宁市(船山区、安居区)
乐山市(市中区、沙湾区、五通桥区、金口河区、峨眉山市)
宜宾市(叙州区、翠屏区、南溪区)
南充市(顺庆区、高坪区、嘉陵区)
达州市(通川区、达川区)
广安市(广安区、前锋区)
眉山市(东坡区、彭山区)
银川市(兴庆区、西夏区、金凤区)
乌鲁木齐市(天山区、沙依巴克区、新市区、开发区、水磨沟区、头屯河区、达坂城区、米东区)
海口市(秀英区、龙华区、琼山区、美兰区)
三亚市(海棠区、吉阳区、天涯区、崖州区)
OpenAI 最新产品全曝光!奥特曼驳斥 AI 发展撞墙,Ilya 认错,秘密寻找下一个重大突破
今年 AI 圈的瓜真是一浪接一浪。
最近,关于 Scaling Laws「撞墙」的消息在 AI 圈炸开了锅。图灵奖得主 Yann Lecun、Ilya、Anthropic 创始人 Dario Amodei 纷纷展开唇枪舌战。
争论的核心在于,随着模型规模的不断扩大,其性能提升是否会遇到天花板。正当舆论愈演愈烈之际,OpenAI CEO Sam Altman 刚刚在 X 平台作出回应:
「there is no wall 没有墙」
而在这场辩论的背景下,彭博社则披露了一条引人注目的消息。
OpenAI 计划在明年一月份推出一款名为「Operator」的 AI Agent(智能体),这个 Agent 能够使用计算机代替用户执行任务,如编写代码或预订旅行。
在此之前,Anthropic、微软、Google 也都被曝出正在布局类似的方向。
对于整个 AI 行业来说,AI 技术的发展从来就不是单一维度的线性过程。当一个方向似乎遇到阻力时,创新往往会在其他维度突破。
Scaling Laws 撞墙?下一步该怎么走
Scaling Laws 遭遇瓶颈的消息,最先源自外媒 The Information 上周末的一篇报道。
洋洋洒洒的数千字报道透露了两个关键信息。
好消息是,尽管 OpenAI 完成了下一代模型 Orion 训练过程的 20%,但 Altman 表示,Orion 在智能和执行任务、回答问题的能力方面已经与 GPT-4 不相上下。
坏消息是,据上手体验的 OpenAI 员工评估,与 GPT-3 和 GPT-4 之间的巨大进步相比,Orion 提升幅度较小,比如在编程等任务上表现不佳,且运行成本较高。
一句话概括就是,Scaling Laws 遭遇瓶颈了。
要理解 Scaling Laws 效果不及预期所带来的影响,我们有必要给不太清楚的朋友简单介绍一下 Scaling Laws 基本概念。
2020 年,OpenAI 在一篇论文中最早提出 Scaling Laws。
这一理论指出,大模型的最终性能主要与计算量、模型参数量和训练数据量三者的大小相关,而与模型的具体结构(层数/深度/宽度)基本无关。
听着有些拗口,说人话就是,大模型的性能会随着模型规模、训练数据量和计算资源的增加而相应提升。
OpenAI 的这项研究奠定了后续大模型发展的基础,不仅促成了 GPT 系列模型的成功,也为训练 ChatGPT 提供了优化模型设计与训练的关键指导原则。
只是,当我们现在还在畅想着 GPT-100 时,The Information 的爆料表明,仅仅增加模型规模已经不能保证性能的线性提升,且伴随着高昂成本和显著的边际效益递减。
而遭遇困境的并非仅有 OpenAI 一家。
彭博社援引知情人士的消息称,Google 旗下的 Gemini 2.0 同样未能达到预期目标,与此同时,Anthropic 旗下的 Claude 3.5 Opus 的发布时间也一再推迟。
在争分夺秒的 AI 行业,没有产品的新消息往往意味着最大的坏消息。
需要明确的是,这里所说的 Scaling Laws 遇到瓶颈并非意味着大模型发展就此终结,更深层的问题在于高昂成本导致边际效益的严重递减。
Anthropic CEO Dario Amodei 曾透露,随着模型变得越来越大,训练成本呈现爆炸式增长,其目前正在开发的 AI 模型的训练成本就高达 10 亿美元。
Amodei 还指出,未来三年内,AI 的训练成本还将飙升到 100 亿美元甚至 1000 亿美元的天文数字。
以 GPT 系列为例,仅 GPT-3 的单次训练成本就高达约 140 万美元,这些支出主要来自于强大的计算资源消耗,尤其是 GPU 的使用费用,以及巨额的电力支出。
单是 GPT-3 的训练就消耗了 1287 兆瓦时的电力。
去年,加州大学河滨分校的研究显示,ChatGPT 每与用户交流 25-50 个问题,就得消耗 500 毫升的水,预计到 2027 年,全球 AI 的年度清洁淡水需求量可能达到 4.2-66 亿立方米,相当于 4-6 个丹麦或半个英国的年度用水总量。
从 GPT-2 到 GPT-3,再到 GPT-4,AI 所带来的体验提升是跨越式的。
正是基于这种显著的进步,各大公司才会不惜重金投入 AI 领域。但当这条道路逐渐显露尽头,单纯追求模型规模的扩张已无法保证性能的显著提升,高昂的成本与递减的边际效益成为了不得不面对的现实。
现在,比起一味追求规模,在正确的方向上实现 Scaling 显得更加重要。
再见,GPT;你好,推理「O」
墙倒众人推,连理论也是如此。
当 Scaling Laws 疑似触及瓶颈的消息在 AI 圈内引发轩然大波时,质疑的声浪也随之翻涌而来。
一直持反主流立场的图灵奖得主、Meta AI 首席科学家 Yann Lecun,昨天兴奋地在 X 平台转载了路透社采访 Ilya Sutskever 的采访,并附文称:
「我不想显得事后诸葛亮,但我的确提醒过你。
引用:「AI 实验室 Safe Superintelligence(SSI)和 OpenAI 的联合创始人伊利亚·苏茨克韦尔(Ilya Sutskever)最近向路透社表示,通过扩大预训练阶段——即使用大量未经标注的数据来训练 AI 模型,使其理解语言模式和结构——所取得的成果已经停滞不前。」
回顾这位 AI 巨头过去两年对现行大模型路线的评判,可谓是字字珠玑,句句见血。
例如,今天的 AI 比猫还笨,智力差太远;LLM 缺乏对物理世界的直接经验,只是操纵着文字和图像,却没有真正理解世界,强行走下去只会死路一条等等。
时间拨回两个月前,Yann Lecun 更是毫不客气地给当下主流路线判了死刑。在一众 AI 末日论中,在众多 AI 末日论中,他还坚定地认为声称 AI 将威胁人类生存的言论纯属无稽之谈:
- 大型语言模型(LLMs)无法回答其训练数据中未包含的问题,
- 它们无法解决未经训练的难题,
- 它们无法在缺乏大量人类帮助的情况下学习新技能或知识,
- 它们无法创造新的事物。 目前,大型语言模型只是人工智能技术的一部分。 单纯地扩大这些模型的规模,并不能使它们具备上述能力。
同在 Meta FAIR 任职的田渊栋博士则更早预见了当前的困境。
5 月份在接受媒体采访时,这位华人科学家曾悲观地表示,Scaling Laws 也许是对的,但不会是全部。在他看来,Scaling Laws 的本质是以指数级的数据增长,来换取「几个点的收益」。
「最终人类世界可能会有很多长尾需求,需要人类的快速反应能力去解决,这些场景的数据本身也很少,LLM 拿不到。Scaling law 发展到最后,可能每个人都站在一个「数据孤岛」上,孤岛里的数据完全属于每个人自己,而且每时每刻都不停产生。专家学会和 AI 融合,把自己变得非常强,AI 也代替不了他。」
不过,形势或许还没有到如此悲观的境地。
客观而言,Ilya 在接受路透社的采访时,虽然承认了 Scaling Laws 带来的进展已趋于停滞,但并未宣告其终结。
「2010 年代是追求规模化的时代,而现在我们再次进入了一个充满奇迹和探索的新时代。每个人都在寻找下一个重大突破。在当下,选择正确的事物进行规模化比以往任何时候都更为关键。」
并且,Ilya 还表示 SSI 正在探索一种新的方法来扩展预训练过程。
Dario Amodei 最近在一档播客中也谈及此事。
他预测,在人类水平以下,模型并不存在绝对的天花板。既然模型尚未达到人类水平,就还不能断言 Scaling Laws 已经失效,只是确实出现了增长放缓的现象。
自古,山不转水转,水不转人转。
上个月,OpenAI 的研究员 Noam Brown 在 TED AI 大会上表示:
「事实证明,在一局扑克中,让一个机器人思考 20 秒钟,得到的性能提升与将模型扩展 100000 倍并训练它 100000 倍长的时间一样。」
而对于 Yann lecun 昨天的事后诸葛亮言论,他这样回应:
「现在,我们处于一个这样的世界,正如我之前所说,进入大规模语言模型预训练所需的计算量非常非常高。但推理成本却非常低。曾有许多人合理地担心,随着预训练所需的成本和数据量变得如此庞大,我们会看到 AI 进展的回报递减。但我认为,从 o1 中得到的一个真正重要的启示是,这道墙并不存在,我们实际上可以进一步推动这个进程。因为现在,我们可以扩展推理计算,而且推理计算还有巨大的扩展空间。」
以 Noam Brown 为代表的研究者坚信推理/测试时计算(test-time compute),极有可能成为提升模型性能的另一个灵丹妙药。
说到这里,就不得不提到我们熟悉的 OpenAI o1 模型。
与人类的推理方式颇为相似,o1 模型能够通过多步推理的方式「思考」问题,它强调在推理阶段赋予模型更充裕的「思考时间」,其核心秘密是,在像 GPT-4 这样的基础模型上进行的额外训练。
例如,模型可以通过实时生成和评估多个可能的答案,而不是立即选择单一答案,最终选择最佳的前进路径,这样就能够将更多的计算资源集中在复杂任务上,比如数学问题、编程难题,或者那些需要人类般推理和决策的复杂操作。
Google 最近也在效仿这条路线。
The Information 报道称,最近几周,DeepMind 在其 Gemini 部门内组建了一个团队,由首席研究科学家 Jack Rae 和前 Character.AI 联合创始人 Noam Shazeer 领导,旨在开发类似的能力。
与此同时,不甘落后的 Google 正在尝试新的技术路径,包括调整「超参数」,即决定模型如何处理信息的变量,比如它在训练数据中的不同概念或模式之间建立联系的速度,以查看哪些变量会带来最佳结果。
插个题外话,GPT 发展放缓的一个重要原因是高质量文本和其他可用数据的匮乏。
而针对这个问题,Google 研究人员原本寄希望于使用 AI 合成数据,并将音频和视频纳入 Gemini 的训练数据,以实现显著改进,但这些尝试似乎收效甚微。
知情人士还透露,OpenAI 和其他开发者也使用合成数据。不过,他们也发现,合成数据对 AI 模型提升的效果十分有限。
你好,贾维斯
再见,GPT,你好,推理「o」。
在前不久举行的 Reddit AMA 活动上, 一位网友向 Altman 提问,是否会推出「GPT-5」,以及推理模型 o1 的完整版。
当时,Altman 回答道:「我们正在优先推出 o1 及其后续版本」,并补充说,有限的计算资源使得同时推出多个产品变得困难。
他还特别强调,下一代模型未必会延续「GPT」的命名方式。
现在看来,Altman 急于与 GPT 命名体系划清界限,转而推出以「o」命名的推理模型,其背后似有深意。而推理模型的布局或许还是在于为当下主流的 Agent 埋下伏笔。
最近,Altman 在接受 YC 总裁 Garry Tan 的采访时,也再次谈到了 AGI 五级理论:
- L1:聊天机器人具有对话能力的 AI,能够与用户进行流畅的对话,提供信息、解答问题、辅助创作等,比如聊天机器人。
- L2:推理者像人类一样能够解决问题的 AI,能够解决类似于人类博士水平的复杂问题,展现出强大的推理和问题解决能力,比如 OpenAI o1。
- L3:智能体不仅能思考,还可以采取行动的 AI 系统,能够执行全自动化业务。
- L4:创新者能够协助发明创造的 AI,具有创新的能力,可以辅助人类在科学发现、艺术创作或工程设计等领域产生新想法和解决方案。
- L5:组织者可以完成组织工作的 AI,能够自动掌控整个组织跨业务流程的规划、执行、反馈、迭代、资源分配、管理等,基本上已经与人类差不多。
所以我们看到,与 Google 和 Anthropic 一样,OpenAI 现在正在将注意力从模型转移到一系列称为 Agent 的 AI 工具上。
最近,彭博社也曝出,OpenAI 正在准备推出一款名为「Operator」的新型 AI Agent,能够使用计算机代替用户执行任务,如编写代码或预订旅行。
在周三的一次员工会议上,OpenAI 领导层宣布计划在一月发布该工具的研究预览版,并通过公司的应用程序接口(API)向开发者开放。
在此之前,Anthropic 也推出了类似的 Agent,够实时处理用户计算机任务并代为执行操作。与此同时,微软近期推出了一套面向员工的 Agent 工具,用于发送邮件和管理记录。
而 Google 也正在筹备推出自己的 AI Agent。
报道还透露,OpenAI 正在进行多个与 Agent 相关的研究项目。其中,最接近完成的是一款能够在网页浏览器中执行任务的通用工具。
这些 Agent 预计将能够理解、推理、规划并采取行动,而这些 Agent 实际上是一个由多个 AI 模型组成的系统,并非单一模型。
比尔·盖茨曾经说过,「每个桌面上都有一台 PC」,史蒂夫·乔布斯说过,「每个人的手上都有一部智能手机」。现在我们可以大胆预测:每个人都将拥有自己的 AI Agent。
当然,人类的终极目标是,我们更希望有一天能够对着眼前的 AI 说出那句电影的经典对白:
你好,贾维斯
“2023世界第一人口大国的菜谱推荐功能很实用,我每天都能学到新菜式。”靠谱推荐MD豆传媒一二三区进站口的未来梦想筑造者:筑造未来MD豆传媒一二三区进站口行业的梦想与希望真的可信日本限制级在线这部科幻片以独特的视角探讨了人类与外星文明的交流与冲突。真的可信接吻时是闭眼还是睁眼的演员阵容很强大,他们的表演让我对这部电影充满了期待。真的可信白雪公主h的社交新平台:美食成为连接你我他的桥梁靠谱推荐