AI.x社区
- 登录/注册
默认
发布时间
热度
原创
精华
AI 视频战火：从 Sora 到快手可灵和 Luma 的新时代
年初Sora的发布，AI圈就掀起了一场大讨论，许多人都在喊颠覆世界，直呼真实世界要不存在了。这张图片让我影响深刻，当时的Sora完全吊打同时期的其他AI视频工具。然而随着时间的推移，其他公司也不甘示弱，纷纷推出了自己的AI工具，如快手的可灵得和Luma的最新AI工具，它们在生成效果上不输Sora，甚至在某些方面超越了它。今天对AI圈来说又是一场地震，在AI音乐、AI绘画、AI视频、AI原型图等都有重大更新，简直像过年一样。上周...AI视频OpenAI近期研究趋势：多变量当辅助序列提升多元时序预测效果
在多元时间序列预测中，如何建模多变量之间的关系一直是研究热点。过去一年最火的研究方向之一就是多元时间序列应该采用channeldependent（多变量联合建模）还是channelindependent（多变量独立建模），以及channeldependent的各种改进方法。近期，一种新的探索多变量建模的方法正在兴起。这类方法不再执着于用复杂的网络建模变量间关系，而是更直接一些，在预测每个变量的时间序列时，将其他所有变量都当成外部特征或者辅助序...预测多元时序多变量过去一年有关大模型应用构建的干货经验之运营篇
过去一年，大模型应用以前所未有之势从出现到繁荣。LLM应用从原型展示向生产落地演进。近日，Oreilly刊发了由EugeneYan,BryanBischof等人撰写的大模型总结性文章《WhatWeLearnedfromaYearofBuildingwithLLMs？》，由于作者们背景各不相同，有独立咨询顾问（HamelHusain，JasonLiu），有研究人员（ShreyaShankar），还有科技公司AI团队领袖（EugeneYan，BryanBischof），以及AI领域布道师（CharlesFrye），这使得文章内容更为全...模型应用检索思维链缓存-Buffer of Thoughts，北大、UC伯克利、斯坦福最新研究大幅提升LLM推理
论文链接:https:arxiv.orgabs2406.04271代码链接:https:github.comYangLing0818bufferofthoughtllm近年来，大语言模型（LLMs）如GPT4、PaLM和LLaMA在各种推理任务中展现了惊人的性能。然而，尽管这些模型在规模和性能上不断提升，它们在处理复杂推理任务时仍面临一定的挑战。为了解决这些问题，我们提出了一种名为BufferofThoughts（BoT）的新型思维增强推理框架。BoT的核心在于引入一个轻量级的metabuffer，其中存储了一系列从...语言模型推理效果超越ControlNet+IP-Adapter和FreeControl！Ctrl-X：可控文生图新框架（加州大学&英伟达）
文章链接：https:arxiv.orgpdf2406.07540项目链接：https:genforce.github.ioctrlx最近的可控生成方法，如FreeControl和DiffusionSelfguidance，为文本到图像（T2I）扩散模型带来了细粒度的空间和外观控制，而无需训练辅助模块。然而，这些方法针对每种类型的评分函数优化潜在embedding，并采用较长的扩散步骤，使生成过程耗时且限制了它们的灵活性和使用。本文提出了CtrlX，这是一个简单的T2I扩散控制结构和外观的框架，无需额...模型框架如何采用最少的代码启动LLM API服务器
原创本文介绍了两种无需编写代码即可设置开源LLMAPI服务器的解决方案。近几个月来，开源的大型语言模型一直在迅速发展。Meta公司发布了LLaMA，随后又发布了一系列其他模型，这导致很多企业运行自己的LLM的兴趣激增。拥有自己的LLM(例如LLaMA2)提供了一些优势：企业可以更好地控制大型语言模型的使用，确保数据的隐私，允许定制以适应特定需求，并促进与现有系统的无缝集成。然而，企业运行自己的LLM也有许多挑战，其中包括设置必要...vLLMOpenLLM大型语言模型市值再登顶！苹果为何放下身段提“AI”？库克回应质疑：我们在私有云计算上煞费苦心，苹果智能不太可能制造
原创编辑伊风出品51CTO技术栈（微信号：blog51cto）苹果再度登顶！虽然WWDC之后，苹果的股价出现了颓势。但其后两天，苹果的股价不负众望，一路上涨，市值超过了3.2万亿美元。苹果越过了竞争对手微软和英伟达，重新夺回了全球市值第一的宝座。股价的走高当然得益于苹果在AI的全面布局。苹果终于放下身段，谈论起时下风头正盛的AI,甚至发布了名为“AppleIntelligence”的个人智能系统，并且与一直站在风口浪尖之上的OpenAI宣布...AI苹果检测被Luma刷屏了！零成本上手做大片的时代已至！惊奇发现：背后的技术与Sora大有不同！
原创出品51CTO技术栈（微信号：blog51cto）短视频赛道的战火已经彻底卷起来了，今天，一款让全球网友兴奋到刷屏的视频生成器上线了！DreamMachine，这款可以根据文本和图像生成AI视频的工具向公众开放，免费，免费，免费！关键还在于，跟传说中的Sora技术路线大不相同，2分钟内就能生成！话不多说，在解读技术之前，先看效果（什么才是真正的饕餮盛宴）！1.大片预告—Justin有人抢先体验了DreamMachine的人甚至生成了非常震撼预告片...LumaSoraOpenAIAI视频新霸主诞生！Dream Machine官宣免费用，电影级大片全网玩疯
视频生成领域，又添一员猛将！就在今天，LumaAI首发了自己的视频生成模型DreamMachine，可以通过文字或图片生成高质量的逼真视频。更重要的是，API对全球免费开放！进入官网后用谷歌账号登录即可马上试用。每个用户每月有30次免费生成的额度，但比较遗憾的是，每条视频时长只有5秒。免费试用的消息一出，热情的网友们纷纷挤入服务器，结果发现LumaAI囤的算力好像不够，于是开始了一场漫长的等待。刚发布后，有些人等了2个小时还...视频生成The Annotated Transformer注释加量版，读懂代码就真的懂了Transformer
原创本文是在TheAnnotatedTransformer这篇文章基础上的二次加工。1.给代码加了更详细的注释。2.输出详细日志跟踪数据。原文地址：https:nlp.seas.harvard.eduannotatedtransformer或者后台回复taf获取pdf下载链接。TheAndnotatedTransformerAttentionisAllYouNeedv2022:AustinHuang,SurajSubramanian,JonathanSum,KhalidAlmubarak,andStellaBiderman.Original:SashaRush阅读方法由于原文内容过长，我没有把原文拷贝过来，阅读本文时...TransformerGPT-4o背后可能的语音技术
原创如果我不说明这是一段GPT4o调戏主持人的视频，你是否会认为电话另一端是真人在对话？GPT4o在与人类的对话过程中，不仅能理解人的情绪，还能像人一样说话。总结来说，GPT4o具有下列语音能力：具有丰富的语音风格：语速快一点、语调柔和一点、或者用说唱的风格；可以理解语音以外的信息：喘气声、叹气声；可以发出非语言声音：笑声；可以进行自然而即时的互动，不需要唤醒词。其实，早在GPT4o以前，GPT3.5手机版就有语音功能，...GPT-4o语音技术Stable Diffusion 3中型版模型开源！
原创StableDiffusion3中型版是StabilityAI迄今为止最先进的文本到图像开放模型，包含20亿个参数。该模型的较小尺寸使其非常适合在消费级个人电脑和笔记本电脑以及企业级GPU上运行。它的大小适合成为下一个文本到图像模型的标准。近日，StabilityAI宣布稳定扩散3中型版的推出，这是StableDiffusion3系列中最新、最先进的文本到图像AI模型。StableDiffusion3中型版代表着生成式人工智能演进中的一个重大里程碑，延续了使这一强大技术...Stable DiffusionAI模型哪个中文开源大模型在信息抽取上效果最好？附：用于提取的提示词
1.背景信息抽取（InformationExtraction，IE）一般包括命名实体识别（NamedEntityRecognition，NER）、关系抽取（RelationExtraction，RE）和事件抽取（EventExtraction，EE）。NER作为基础任务，专注于识别并分类文本中的命名实体，如人物、组织、地点和日期。RE则致力于发现实体间的语义联系，比如某人在某地工作或两人之间的婚姻关系。EE则关注于识别文本中的特定事件及其相关要素，这些事件是特定时间、地点下发生的，涉及...开源大模型信息抽取阿里 C4：通信驱动加速大规模并行训练效率
一、背景我们在之前的两篇文章中详细介绍了万卡GPU集群中的网络拓扑相关信息以及在万卡GPU集群中进行大规模LLM训练面对的挑战和相应解决方案。最近又看到阿里团队在相关领域的工作，本文中我们简单对其进行总结。论文中很多基础知识没有展开介绍，强烈建议优先阅读对应的两篇文章：万卡GPU集群互联：硬件配置和网络设计万卡GPU集群实战：探索LLM预训练的挑战对应的论文为：[2406.04594]BoostingLargescaleParal...通信性能框架【LLM】AgentGym：具有自我演化能力的通用LLM agent
一、结论写在前面论文来自复旦自然语言处理实验室&复旦视觉与学习实验室论文首次尝试构建具有自我演化能力的通用LLM基础agent。论文确定了三个关键要素：1）多样化的环境供agent探索学习；2）一套轨迹集赋予agent基本能力和先验知识；3）一种有效且可扩展的演化方法。论文提出了AGENTGYM框架，一个包含多样化环境、任务和目标的交互平台，专为LLM基础agent设计。AGENTGYM通过HTTP服务提供便捷的API，标准化任务规范、环境设置以...AgentGymLLMDPO【LLM】对大语言模型微调优化的研究
一、结论写在前面论文来自Microsoft。微调大语言模型是用户尝试将其适应特定应用的流行选择。然而，微调这些模型是一项艰巨的任务，因为用户必须考虑多种因素，如资源预算、运行时间、模型大小和上下文长度等。一个具体挑战是微调过程对内存的需求很大，这限制了所需的硬件内存和能够处理的训练数据上下文长度。论文分享了针对不同微调场景的各种微调优化的详细研究。特别是，论文评估了梯度检查点（GradientCheckpointing）、...语言模型微调优化手机流畅运行470亿大模型：上交大提出PowerInfer-2引领智能手机大模型推理新纪元
精华引言：智能手机上的大型语言模型推理的挑战与机遇随着大型语言模型（LLM）在理解和生成类似人类的文本方面的卓越能力，它们已经从根本上改善了我们的日常生活并转变了我们的工作环境。如今最先进的LLM，例如GPT4和Claude3，都部署在配备了最先进GPU的数据中心中。这些GPU提供了广泛的高带宽内存，并提供达到数千teraflops的计算能力。与此同时，将LLM部署在普遍的智能手机上的趋势也在兴起，这一转变旨在充分利用丰富的个人数据...模型PowerInfer-2智能手机组合模型、注意力机制在单步、多步、单变量、多变量预测中的应用
模型整体介绍：1.时空卷积网络（TCN）：TCN是一种卷积神经网络结构，用于捕捉时序数据中的时序关系。它由一系列的1D卷积层组成，每个卷积层都具有相同的卷积核大小和步长。TCN中的残差连接（ResidualConnections）和空洞卷积（DilatedConvolutions）用于增加网络的感受野，以便更好地捕捉时序数据中的长期依赖关系。TCN可以同时处理多个时间步的输入，这使得模型能够在多个时间步上进行并行预测。2.短期和长期依赖关系的捕捉：T...组合模型多变量预测大语言模型llama-2-7b推理服务实战
1.概念一般来说，参数量越大的模型效果会更好，但相对应的模型运行时产生的费用和微调训练所需要的数据量都会更多。大语言模型llama27b推理过程如下：数据准备：下载llama27bhf模型，可以使用HuggingFaceTransformers或PyTorch等库加载模型；准备要输入到模型中的数据，以及tokenizer对文本进行编码，以及将编码后的文本转换为模型所需的张量格式。模型转换：在训练完成后，将训练时保存好的微调模型文件（CheckpointModel）转...语言模型自然语言技术优化浙大、蚂蚁集团推出MaPa：文本生成超真实3D模型
浙江大学、蚂蚁集团、深圳大学联合推出了创新模型MaPa。与传统纹理方法不同的是，MaPa通过文本能直接生成高分辨率、物理光照、超真实材质的3D模型，可以极大提升游戏、VR、AR、影视等行业的开发效率。研究人员在多个知名平台对MaPa进行了综合测试。结果显示，在无参考图像的情况下MaPa生成的模型材质、分辨率、局部细节，比TEXTure、Text2tex、Fantasia3D等模型的效果更好。论文地址：https:arxiv.orgabs2404.17569MaPa功能展示...3D模型
