AI.x社区

怎么用ai生成旅行风景图片？转眼间又到夏天了，中高考结束后，相信不少学生朋友会选择与好友相约一次户外旅行。在观赏过风景古胜后，如果想要以ai绘画的方式将这些景色记录下来，应该怎么用ai生成旅行风景图片呢？下面教大家使用[AI小聚](https:www.ii.cn)来生成风景图。一、怎么用ai生成旅行风景图片1.找到[AI小聚](https:www.ii.cn)官网并打开。选择AI小聚中的绘画选项。2.根据需要选择文生图、图生图功能。这里如果选择文生...

当我们在谈论「开源」时，我们到底在谈论什么？在软件时代，「开源」的概念并不模糊。我们可以非常清楚自信地说，Linux是开源的，Windows是闭源的。更具体地说，曾经的「开源」是指能够访问、修改源代码，并对程序的使用或发行不加限制。但进入AI时代，这个概念变得愈发模糊。关于人工智能模型的「开源」到底如何界定，社区和行业专家仍未达成一致。成立于1998年的OpenSourceInitiative（OSI）就始终在主持一个在线论坛，方便对...

Gemini1.5Pro现已在全球公测，带来多项关键更新Gemini1.5Pro现已在超过180个国家或地区的GeminiAPI公测环境中提供，引入了官方改进的音频视频（语言）理解能力和新的文件API，以便于实时大文件访问。此外，还增加了多套综合的JSON解析器架构，给予开发者更多控制与调试的功能。最后，发布了性能优越的下一代文本嵌入模型。主要更新内容全球可用性：Gemini1.5Pro现已在超过180个国家或地区的GeminiAPI公测环境中提供，使得全球开...

检索增强型生成（RAG）使LLMs能够利用检索到的可靠信息，从而返回更可靠的响应。现有研究主要关注需要简洁明确答案的特定问题，但用户意图通常是复杂和多方面的，需要丰富和全面的答案。一个多方面查询需要全面回答的情境示例为了解决这一重要但未被充分探索的问题，提出了一种名为RichRAG的新型RAG框架：子方面探索器：识别输入问题潜在的子方面。多方面检索器：构建与这些子方面相关的多样化外部文档候选池。生成式列表智能排...

2023年4月，距离chatGPT的正式发布已经过去了四个多月，距离NewBing的发布过去了两个月，而GPT4同样也已经发布了一个月，各式各样围绕chatGPT或者说LLM模型的生态、社区、工作不断涌现，对GithubTrending榜单一直关注的人可能早就注意到，围绕chatGPT的各种包装库以及各种开源模型工作持续地在霸占榜单，这属实罕见。在接下来的篇幅中，我们将以一个程序员的视角探讨当下生成式AI类工具对技术人员工作流的改变，以及作为算法工...

论文标题:CodeGemma:OpenCodeModelsBasedonGemma机构:GoogleLLC论文链接:https:arxiv.orgpdf2406.11409.pdfCodeGemma模型概述CodeGemma是基于GoogleDeepMind的Gemma模型系列（GemmaTeametal.,2024）开发的一系列开放代码模型。这些模型继承了Gemma预训练模型的基础，并在此基础上进一步训练，使用的数据主要是代码，训练数据量在5000亿到1000亿token之间。CodeGemma模型在代码完成和生成任务中达到了最先进的性能，同时在大规模...

今日AI圈最近可谓热闹非凡，各位吃瓜群众坐稳了！前OpenAI联合创始人IlyaSutskever才刚刚离开老东家一个月，就已经迫不及待地启动了他的全新计划，成立了一家名为SafeSuperintelligenceInc.（SSI）的公司。这次，他可是找来了前YCombinator的DanielGross和前OpenAI工程师DanielLevy，组成了新的“AI三剑客”，誓要在AI界再掀狂潮。宣言大意：SafeSuperintelligenceInc.的使命是开发安全的超级智能（SSI）。公司专注于这个目标，...

一、结论写在前面论文来自GoogleDeepMind。论文标题：NATURALPLAN:BenchmarkingLLMsonNaturalLanguagePlanning论文链接：​​https:arxiv.orgpdf2406.04520​​论文提出了NATURALPLAN，一个包含三个关键任务（旅行规划、会议规划和日历调度）的自然语言现实规划基准。论文的评估重点在于LLMs在完全了解任务情况下的规划能力，通过提供来自GoogleFlights、GoogleMaps和GoogleCalendar等工具的输出作为模型的上下文。这消除了在规...

1.为什么要提出RePrompt？大语言模型问世后，在多项任务上取得成功，并且通过LLM智能体的研发，拓展了大语言模型在自动驾驶、机器人控制等更广泛领域的应用。但是这些应用的成功，都得益于提示工程的作用。不同的提示词可以显著影响任务的成功率，所以有人提出了APE（自动提示工程），可以使得大语言模型自动撰写提示词，相比简单提示词，找到更快找到更好的提示词。但是APE在收敛到高质量提示词需要时间和计算资源，且当前应用...

AIGC在2023年爆火，各类大模型层出不穷，参数动辄达到千亿数量级。这些背后，数据的类型和形式也走向复杂多样。例如大模型会采用到我们真实物理世界中的文字、视觉、音频、3D、雷达、多谱等复杂多样的不同模态信号和数据，数据则又存在结构化、半结构化、非结构化等多种形式。在大模型发展的初期：GPU很贵，相比之下存储的成本忽略不计，可以直接选性能最好最贵的存储方案。典型的高性能文件系统有GPFS、Lustre、Weka，以及其他...

“'角球迅速开出……奥里吉！'在2019年欧洲冠军联赛半决赛中，利物浦足球俱乐部完成了一次历史性的逆转。其中最具标志性的时刻之一是特伦特·亚历山大阿诺德的角球，这一角球让迪沃克·奥里吉打入了被认为是利物浦俱乐部历史上最伟大的进球。从直觉到AI驱动的洞察：体育科技的变革者足球，这项传统上依赖教练直觉和战术智慧的运动，随着人工智能（AI）的出现正在经历一场范式转变。谷歌DeepMind的研究人员开发了TacticAI，这是...

近日，微软的AzureAI团队在HuggingFace上发布了一个名为Florence2的新视觉基础模型。该模型以宽松的MIT许可证可用，可以处理各种视觉和视觉语言任务，使用统一的基于提示的表示形式。它有两个尺寸——232M和771M个参数，并且在字幕生成、目标检测、视觉定位和分割等任务上已经表现出色，与许多大型视觉模型相媲美甚至更好。尽管该模型的实际性能尚待测试，但这项工作预计将为企业提供一种处理不同类型视觉应用的统一方法。这将...

传统推荐系统虽然能给出准确的推荐结果，但缺乏对推荐过程的透明解释，难以让系统更好地理解其兴趣偏好是如何被捕捉和建模的。最近，香港大学数据智能实验室推出了一款名为XRec的全新智能大模型，旨在为传统推荐系统注入可解释性的新动力。XRec利用大语言模型(LLM)的强大自然语言处理能力，为推荐系统赋予了可解释性，让系统不仅能给出精准的推荐结果，还能用通俗易懂的语言向用户阐述其推荐依据。代码链接:​​https:github.co...

就在昨天，Anthropic深夜发布了下一代旗舰大模型Claude3.5Sonnet。据称，Claude3.5Sonnet不仅在评估中胜过GPT4o，还保持了作为「中杯」的最优性价比，超过了自家的Claude3Opus。如今，Claude3.5Sonnet已经面向全球开启免费试用了。在费用上，Sonnet处理每百万输入token仅需3美元，每百万输出token仅为15美元。对比之下，GPT4o的每百万输入token收费5美元，每百万输出token为15美元，在价格上可以说是不相上下。正式对打时，各家...

ARCAGI是唯一可以用来衡量通用人工智能进展的基准，创造者FrançoisChollets曾经掷下豪言——「它不可能轻易被击败！」为了测试这一点，他于2020年在Kaggle（GoogleLLC旗下的数据科学竞赛平台）上主办了首届ARCAGI竞赛。获胜团队icecuber在测试集上仅取得了21%的成功率，这个成绩强有力地证明了François的断言是正确的。此后几年，来自世界各地的挑战者不断刷新这个纪录，但进展缓慢。ARCAGI似乎成为了一座不可跨越的高山。可...

图像生成领域，有这么几种方法，FlowBased、GANBased、VAE+PixelCNN系列、扩散模型自回归。更早期的是基于自编码器的图像生成，各种AutoEncoder模型，以及影响很大的变分自编码器dVAE。后面又有FlowBased，不过似乎FlowBased引起的注意不是那么大。然后是名噪一时的GAN。2020年之后，扩散模型逐渐火热，一直到现在慢慢扩展到视频生成、3D生成、目标检测和语义分割等领域。与此同时，自回归模型作为语言模型里面的杠把子，也引起...

文章链接：https:arxiv.orgpdf2406.09394项目地址:https:WonderWorld2024.github.io今天推荐一种新颖的框架——WonderWorld，它可以进行交互式三维场景外推，使用户能够基于单张输入图像和用户指定的文本探索和塑造虚拟环境。尽管现有方法在场景生成的视觉质量上有了显著改进，但这些方法通常是离线运行的，生成一个场景需要几十分钟到几个小时。通过利用快速高斯曲面（FastGaussianSurfels）和基于引导扩散的深度估计方法，Won...

就很突然，Claude3.5，它来了！Anthropic发布3.5系列第一个版本Claude3.5Sonnet。在多个关键指标中，GPT4o几乎被吊打！而跟上一个版本相比，速度是Claude3Opus的两倍，成本只有其五分之一。目前，网页端和iOS程序可以免费试用，Pro订阅者会享受更高的速率限制。另外还可通过AnthropicAPI以及AmazonBedrock等平台上使用。API的价格如下：该模型每百万输入Tokens收费3美元，每百万输出Tokens收费15美元，具有200KTokens上下文窗口...

AI绘图软件有推荐吗？随着AI绘图技术的不断发展，AI绘图软件的出现不仅改变了我们传统绘图的方式，而且还为我们的图片创作提供更多的可能性，在艺术作品的创作上轻松愉悦。今天在本文中，我们将为大家介绍六款AI绘图软件，希望能够帮助大家选择到合适的AI绘图工具。AI绘图软件一：AI小聚AI小聚是一款功能多样的AI智能创意工具，这款AI绘图软件内置了AI绘画、AI视频、AI音乐、AI对话等多种AI创作功能，能够让使用者探索创作的无...

测试Gemini1.5Pro、GPT4o等多模态大模型的新基准来了，针对视频理解能力的那种。直接在视频内容中插入多个无关的图像或文本“针”，严格评估模型对时间理解的能力。来看下面的栗子。比如插入密码词“Alice”，让模型找到这个密码词；插入苹果图片，让模型解答这个水果是什么；又或者插入多个“针”，询问模型插入针的顺序是什么。这就是来自中科院、人大、百川的研究团队联合提出的利用合成视频构建视频理解测试基准的方法。该...