鸿蒙开发者社区

WOT技术大会

公众号矩阵

移动端

短视频免费课程课程排行直播课软考学堂

全部课程厂商认证 IT技术 24年11月软考 PMP项目管理免费题库

文章资源问答课堂专栏直播

51CTO

鸿蒙开发者社区

51CTO技术栈

51CTO官微

51CTO学堂

51CTO博客

CTO训练营

鸿蒙开发者社区订阅号

51CTO软考

51CTO学堂APP

51CTO学堂企业版APP

鸿蒙开发者社区视频号

51CTO软考题库

账号设置退出

人工智能

2.6w内容

关注

聚合人工智能话题下，包括机器学习、深度学习、计算机视觉、自然语言处理等领域的新闻资讯、前沿理论、技术知识、应用案例。

文章博文帖子课程

共 2.6w 条

Agent进化一小步：跳上解放双手的台阶

Claude 模型通过 API 实现了令人惊叹的像人一样操作电脑的能力。它能够观看屏幕截图，精准地移动光标，在需要的位置点击按钮，还能使用虚拟键盘输入文本。这种操作方式真正模拟了人类与计算机交互的方式，让 AI 助手不再局限于专门定制的工具，而是可以直接使用为人类设计的各类软件。

2024-10-24 23:40:34

图像伪造照妖镜！北大发布多模态LLM图像篡改检测定位框架FakeShield

北京大学的研究人员开发了一种新型多模态框架FakeShield，能够检测图像伪造、定位篡改区域，并提供基于像素和图像语义错误的合理解释，可以提高图像伪造检测的可解释性和泛化能力。

2024-10-24 23:37:33

北大多模态 LLM

西部世界成真：仿生肌肉驱动的机器人来了，英伟达科学家站台

CTO Łukasz Koźlik，曾投入7年时间开发高功率密度的肌肉骨骼机器人技术（据说成本少于20,000美元），而且独立建造了12个Clone Hand原型。

2024-10-24 23:35:54

仿生肌肉驱动机器人

构建高效模型的八个数据预处理步骤

本文将详细介绍八个重要的数据预处理步骤，并通过实际代码示例帮助大家更好地理解和应用这些方法。

2024-10-24 16:54:59

数据预处理机器学习

为什么 CUDA 对深度学习至关重要？

毫无疑问，你可能已经听说过 CUDA，并且知道它与 NVIDIA GPU 有关。但你可能对 CUDA 的确切含义和用途还不甚了解。究竟，CUDA 是什么呢？

2024-10-24 16:34:45

深度学习 CUDA 人工智能

稚晖君玩了个大的：开源人形机器人全套图纸+代码

这次开源的是智元家的灵犀X1，就是今年8月份发布会彩蛋环节亮相的那个。

2024-10-24 15:21:08

机器人开源 AI

投资AI营销技术？回报最高的三个领域

AI营销技术正在迅速变革营销领域，通过自然语言处理（NLP）、合成数据生成（SDG）等关键技术，企业能够更好地优化客户互动和个性化旅程，降低客户获取成本，提升客户生命周期价值，这些技术还支持通过生成相似模型、优化定价策略等方式提升数据的使用效率。

2024-10-24 15:02:34

人工智能自然语言处理

比扩散模型快50倍！OpenAI发布多模态模型实时生成进展，作者还是清华校友，把休假总裁Greg都炸出来了

路橙、宋飏再次简化了一致性模型，仅用两步采样，就能使生成质量与扩散模型相媲美。

2024-10-24 14:40:00

哪个模型擅长调用工具？这个7B模型跻身工具调用综合榜单第一

Hammer 模型通过函数掩码技术和不相关性检测数据增强，在多个评测基准中取得了良好的效果，表现出强大的泛化能力和稳定性，为轻量化工具调用模型在终端应用向前迈了一步。

2024-10-24 14:30:00

由于AI的成本和复杂性威胁企业价值，CIO面临越来越大的压力

根据Gartner的最新报告，尽管GenAI有潜力推动业务变革，但CIO们在实现AI成功的过程中面临着四大关键挑战，包括生产力提升不均衡、成本失控、治理复杂性和员工抵制。

2024-10-24 14:19:20

云计算成本优化：人工智能时代的新战略

探索人工智能时代云成本优化的新策略，包括Stacklet公司首席技术官Kapil Thangavelu对FinOps、开源和自动化的见解。

2024-10-24 14:13:57

云计算人工智能

Nature专业户DeepMind又登封面，开源水印技术SynthID-Text，Gemini已经用上了

谷歌开发的 SynthID 文本水印技术登上了最新一期 Nature 杂志封面.

2024-10-24 14:10:00

Claude 3.5超预期炸场！编程能力超o1，像人类一样操作电脑，开启Agent新时代！学会摸鱼，编程时偷偷浏览黄石公园图片！原创精选

无论是o1开发者日演示的AI订茶歇甜点，还是各家AI手机都在卷的AI助手预定餐厅、帮买咖啡等等，都体现了这个势头。但 Claude 还能通过用电脑狠狠惊艳我们一把，就是因为这个 Agent 似乎更通用，留下的想象空间也更大。

2024-10-24 14:02:43

Claude 3.5 AI 助手

100%英伟达的错：黄仁勋确认Blackwell缺陷修复，明年初出货

本周三，在与高盛（Goldman Sachs）进行的会议中，英伟达表示 Blackwell GPU 中影响良率的设计缺陷已宣告修复，B100/B200 处理器的改进版即将投入量产。

2024-10-24 13:50:00

他们掰开神经元，终于让大模型9.8大于9.11了：神秘创业公司，开源AI「洗脑」工具

大模型为什么认为 9.8<9.11？神经元级别的解释来了。

2024-10-24 13:40:00

裁员和AI需求导致IT人才市场不匹配

在连续第三年的大规模裁员中，科技公司纷纷转向招聘AI人才，导致IT领域出现技能供需不匹配的问题。

2024-10-24 11:35:52

AI 人工智能 IT

10月31日在线研讨会——面向企业级 AI 的 NVIDIA NIM 推理微服务解读原创

通过本次在线研讨会，您将了解 NVIDIA NIM 推理微服务如何赋能企业从模型构建到部署和优化的全过程，帮助企业充分发挥 AI 潜能，加速业务创新。

2024-10-24 10:17:08

NeurIPS 2024 | 解锁大模型知识记忆编辑的新路径，浙大用「WISE」对抗幻觉

本文为长期模型知识编辑提供了一种新颖的解决思路，通过侧记忆设计和知识分片技术，在不牺牲模型性能的情况下，实现了知识的有效更新。未来的研究可以进一步优化路由策略，提升侧记忆的检索效率；探索更好的记忆架构，以应对更加复杂的编辑场景。

2024-10-24 10:15:00

朱玉可团队新作：看一眼就能模仿，大模型让机器人轻松学会撒盐

近日，德克萨斯大学奥斯汀分校和 NVIDIA Research 的朱玉可团队公布了他们的一篇 CoRL 2024 oral 论文，其中提出了一种名为 OKAMI 的方法，可基于单个 RGB-D 视频生成操作规划并推断执行策略。

2024-10-24 09:50:00

魔法填充+无限扩图，Ideogram推出AI画板工具Canvas

我们这里要介绍 Ideogram Canvas，一款基于 AI 的无限创意画板服务，可用于组织、生成、编辑和组合图像。

2024-10-24 09:19:13

AI 图像生成

如何改进RAG模型的性能？译文精选

我们在本文中将重点介绍如何优化RAG系统，使其尽可能高效。我们从多个角度介绍RAG系统，深入了解其用途以及如何优化。

2024-10-24 08:07:25

大语言模型 LLM RAG模型

采购转型中AI人才的战略方针

在AI时代，人才短缺成为企业面临的重大挑战，尤其在推动采购和优化解决方案时尤为突出。

2024-10-23 19:14:59

AI 人工智能

Depth Any Video：开启视频深度估计新纪元

今天为大家分享上海AI Lab和浙大最新的视频深度估计工作！

2024-10-23 15:40:00

CIO要权衡AI发展过快给企业带来的风险

即使生成式AI结果失败没有达到引起公众尴尬或诉讼的程度，但仍会抑制企业的风险偏好，使其不愿启动更多的AI项目。

2024-10-23 15:35:08

CIO 人工智能

直接暴涨十个点！地平线提出DOME：扩散和Occ双管齐下，打造超真实世界模型！

今天为大家分享地平线和中科院软件研究所最新的世界模型工作—DOME！扩散和OCC双管齐下，打造世界模型。

2024-10-23 15:13:35

谢赛宁新作：表征学习有多重要？一个操作刷新SOTA，DiT训练速度暴涨18倍

在NLP领域，研究者们已经充分认识并认可了表征学习的重要性，那么视觉领域的生成模型呢？最近，谢赛宁团队发表的一篇研究就拿出了非常有力的证据：Representation matters！

2024-10-23 15:05:29

谷歌 Fluid 颠覆共识：两大因素被发现，AI 文生图领域自回归模型超越扩散模型

科技媒体 The Decoder 10 月 22 日发布博文，报道称谷歌 DeepMind 团队携手麻省理工学院（MIT），推出了全新的“Fluid”模型，在规模达到 105 亿参数时候，能取得最佳的文生图效果。

2024-10-23 14:04:24

Claude接管人类电脑12小时：学会摸鱼，敲着敲着代码看风景去了

AI不再只盯着对话和生成能力，更强调执行和操作。不到12小时，激动的网友们已经纷纷贡献出自己是怎么看着Claude玩电脑的。

2024-10-23 11:59:33

AI 人工智能 Claude

开源版OpenAI再出「神作」，小模型吊打Llama 3！Ministral系列问世，边缘AI革命开启

Mistral 7B诞生一周年之际，法国AI初创公司Mistral再次连发两个轻量级模型Ministral 3B和Ministral 8B，性能赶超Llama 3 8B。

2024-10-23 09:30:00

Claude 3.5深夜觉醒，学会模仿人类用电脑！编程干翻o1，Agent一夜变天

太科幻了，深夜上线的Claude，可以像人类一样使用计算机了？查看屏幕、移动光标、点击按钮、输入文本，还能查找代码错误、自动搜集信息填表。AI推理已至瓶颈，下一个爆破点，就是AI操作电脑！

2024-10-23 09:20:00

人类自身都对不齐，怎么对齐AI？新研究全面审视偏好在AI对齐中的作用

近日，来自麻省理工学院、加州大学伯克利分校、伦敦大学学院、剑桥大学的一个四人团队研究发现，人类尚且难以对齐，也就更难以让 AI 与自己对齐了。他们批判性地审视了当前 AI 对齐研究的缺陷，另外他们也展示了一些替代方案。

2024-10-23 09:00:00

一夜之间，大模型像人一样操控电脑了！Claude 3.5重磅升级，抢先OpenAI

Claude 3.5 Haiku 是 Anthropic 最快的模型的下一代。与 Claude 3 Haiku 的成本相同，速度相似，Claude 3.5 Haiku 在每项技能上都有改进，并且在许多智能基准测试上甚至超过了 Anthropic 上一代最大的模型 ——Claude 3 Opus。

2024-10-23 08:54:07

人类如何通过机器智能增强认知过程和行为译文精选

本文将主要关注ALP代理框架的规范性元素，探索如何利用它来增强人们的认知过程和行为。具体来说，将研究它在日常生活中提高人们的沟通技巧和决策能力的潜力。

2024-10-23 08:25:48

ALP代理模型人工智能决策分析

全球首次！时序大模型突破十亿参数，华人团队发布Time-MoE，预训练数据达3000亿个时间点

Time-MoE采用了创新的混合专家架构，能以较低的计算成本实现高精度预测。研发团队还发布了Time-300B数据集，为时序分析提供了丰富的训练资源，为各行各业的时间序列预测任务带来了新的解决方案。

2024-10-23 08:24:13

时序大模型时间点

Auto-Retrieval: RAG的智能进化

我们借助LlamaCloud来实现，主要通过在LlamaCloud检索器上设置一个Auto-Retrieval功能。在高层次上，我们的自动检索函数使用一个调用函数的LLM来推断用户查询的元数据过滤器——比仅仅使用原始语义查询产生更精确和相关的检索结果。

2024-10-23 08:16:58

RAG 智能进化

多智能体才是未来？谷歌、OpenAI齐下场，争抢AGI人才

最近OpenAI和谷歌放出的多智能体招聘信息，这可能预示着AI开发的下一个阶段。

2024-10-22 20:00:00

OpenAI 智能体

微软连发10个AI智能体，纳德拉硬刚Salesforce CEO！Copilot月活破210万，60%五百强都在用

Gartner预测，到2028年，至少15%的日常工作决策将通过AI Agent自主做出。Salesforce推出其Agentforce平台还没多久——昨晚，微软一口气发布了10个全新的AI Agent，并推出了用户定制Agent的一系列功能。

2024-10-22 18:51:48

RAG真能提升LLM推理能力？人大最新研究：数据有噪声，RAG性能不升反降

RAG通过纳入外部文档可以辅助LLM进行更复杂的推理，降低问题求解所需的推理深度，但由于文档噪声的存在，其提升效果可能会受限。中国人民大学的研究表明，尽管RAG可以提升LLM的推理能力，但这种提升作用并不是无限的，并且会受到文档中噪声信息的影响。通过DPrompt tuning的方法，可以在一定程度上提升LLM在面对噪声时的性能。

2024-10-22 18:44:48

RAG LLM 推理能力

机器人轻松模仿人类，还能泛化到不同任务和智能体！微软新研究，学习人类和机器人统一动作表示

IGOR提出了通过大量人类和机器人视频预训练学习动作表示并泛化到不同任务和智能体的新方法。通过从大量视频中学到的动作表示，IGOR可以实现机器人轻松模仿人类动作，进而实现更通用的智能体。

2024-10-22 18:42:58

机器人 IGOR 智能体

微软开源爆火1.58bit大模型推理框架！千亿参数模型量化后单CPU可跑，速度每秒5-7个token

就是今年爆火论文The Era of 1-bit LLMs的官方代码实现，开源不到一周GitHub已揽获7.9k Star。

2024-10-22 18:07:43

LLMs 开源大模型

OpenAI满血版o1剧透：数学代码能力再破天花板，已开启测试评估

OpenAI在官网商业化频道下，对满血版o1来了一波提前剧透。视频截图中，满血版o1和GPT-4o、o1-preview（预览版）同台竞技，且在数学/编码上遥遥领先。

2024-10-22 18:05:59

OpenAI GPT-4o 满血版o1

使用 YOLOv8 和 ByteTracker 进行实时人员跟踪和计数

通过结合 YOLOv8 和 ByteTracker ，您可以有效地在帧之间检测和跟踪人员，提供准确的计数和有价值的洞察。

2024-10-22 17:29:42

计算机视觉 YOLOv8

大模型变天，Transformer架构要被取代？

Liquid AI推出的LFM代表了AI领域的一种创新尝试，然而，要让这种新模型成为主流，还需要克服一系列的技术障碍，并通过持续研究和发展来完善其理论基础和实践应用。

2024-10-22 17:24:32

微软表示Copilot人工智能代理将在11月份处理员工工作

自去年宣布推出Copilot Studio以来，微软表示该工具已在多个业务部门让效率显著提升。从下个月开始，客户将可以对这一说法进行测试。

2024-10-22 15:58:37

微软 Copilot 人工智能

管理层信任危机：CIO如何在AI浪潮中重塑IT价值

随着AI技术的迅猛发展，IT部门面临的压力与日俱增，管理层对IT部门的信任度逐渐下滑。根据Gartner和IBM的调查数据，CIO们不仅要应对AI带来的新挑战，还需向公司高层证明IT投资的商业价值。

2024-10-22 15:35:20

自动化、可复现，基于大语言模型群体智能的多维评估基准Decentralized Arena来了

研究者们已经并陆续构建了成千上万的大规模语言模型（LLM），这些模型的各项能力（如推理和生成）也越来越强。因此，在多样的应用场景中对其进行性能基准测试已成为了一项重大挑战。

2024-10-22 14:20:00

微软十大商用智能体一锅出！Agent要重塑办公了！实绩可查：500强企业六成都在用，有公司一年省出5000 万！原创精选

无论是微软的“代理+协同程序+人类”的愿景，还是Salesforce的“以人为中心”的方法，工作的未来或许焕然一新，所有人都对和 Agent 做同事这件事见怪不怪。

2024-10-22 14:04:18

微软 Agent 智能体

DeepSeek新作Janus：解耦视觉编码，引领多模态理解与生成统一新范式

Janus 是一个基于自回归的统一多模态理解与生成框架，具有简单性、高效性和高度灵活性。

2024-10-22 13:33:48

大模型是否有推理能力？DeepMind数月前的论文让AI社区吵起来了

这篇论文题为「Grandmaster-Level Chess Without Search」。文中介绍说，DeepMind 的研究者训练了一个参数量为 2.7 亿的 Transformer 模型，这个模型无需依赖复杂的搜索算法或启发式算法就能达到「特级大师（ Grandmaster-Level ）」的国际象棋水平。

2024-10-22 13:28:53

2¹³⁶²⁷⁹⁸⁴¹−1，GPU发现人类已知最大的素数，比第二大多1600万位数字

一位英伟达前员工通过开源项目GIMPS（梅森素数大搜索，Great Internet Mersenne Prime Search）报告了这一结果。

2024-10-22 12:48:18

上一页 1 2 3 4 5 6 ··· 531 下一页

51CTO技术栈公众号

业务
速览

媒体

51CTO CIOAge HC3i

社区

51CTO博客鸿蒙开发者社区 AI.x社区

教育

51CTO学堂精培企业培训 CTO训练营