AI.x社区

前几天，微博热搜上的这个话题，可以说是让家长们哭笑不得。既然补习老师不靠谱，那亲自上阵辅导孩子写作业呢？让清北毕业的爸爸都崩溃的这个难题，恐怕没有这么简单。毕竟，自己会做一道题和能把孩子教会，是完全不同的两件事。好在，最近一个忽然爆火的神秘国产大模型，或许能解决这个难题！在评论区，家长们纷纷直呼「好想要」，直接把它评为国内家长最想要的AI。无数家长疯狂冲进留言区，发出呐喊：赶快让我从给孩子辅导作...

通过无透镜成像实现3D人体姿态和形状估计不仅有利于保护隐私，而且由于设备体积小、结构简单，可用于军事等隐秘监测场景。然而，无透镜系统的成像结果经过了特殊的光学编码，目前的图像恢复方法无法得到高质量的图像，因此无法通过先恢复图像再重建人体的方式来实现。针对以上问题，天津大学团队联合南京大学在CVPR2024的工作中提出了端到端的无透镜成像下的人体三维重建框架LPSNet。代码：​​​​https:github.comxiaonan1213...

OpenAI新发布了最新多模态AI模型GPT4o。这个模型的“4o”中的“o”代表“omni”，意为“全能的”。之前GPT4的能力，听说可以免费使用了，抓紧体验一下世界顶级大模型。原来免费套餐也是有对GPT4o有限访问权限。问一下，确认一下模型身份。机会难得，找个难一点的问题来问。数据中心、高性能计算、人工智能、机器学习和存储等应用需要高性能网卡，问下怎么设计高性能网卡。问题1：想设计高性能网卡，请给出模块化设计方案：设计...

引言：探索时间序列生成的重要性和挑战时间序列数据的生成是当前数据科学领域中的一个重要而具有挑战性的研究方向。时间序列数据广泛存在于各种重要领域，如医疗健康、金融市场、气象预测等，这些数据的有效生成可以极大地推动相关领域的发展。例如，医疗领域中的生命体征数据可以用于诊断和监测病人的健康状况；金融领域中的股票市场数据用于预测股价的涨跌；气象数据的分析可以预警危险天气，从而减少可能的灾害损失。尽管时...

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...

1.概念OpenDevin整个系统分为前端和后端两个主要部分。前端负责处理用户交互和显示结果，而后端负责处理业务逻辑和执行AIAgent。在计算机科学和人工智能领域，"智能体"（Agent）一词通常用来指代那些在特定环境中展示出自治性、反应性、社交性、主动性、推理性以及认知性等智能特性的软件或硬件实体。AI智能体是一个具备复杂推理、记忆和任务执行能力的高级系统。2.OpenDevin核心组件AgentHubOpenDevin是一个集成了多种智能体（...

llamaindex的BM25Retriever基于RankBM25[1]的OkapiBM25。RankBM25，两行代码实现搜索引擎RankBM25​提供了多种BM25算法，如OkapiBM25​，BM25L​，BM25+等。它的使用也非常简单安装pipinstallrankbm25初始化以OkapiBM25为例fromrankbm25importBM25Okapicorpus["Hellotheregoodman!","ItisquitewindyinLondon","Howistheweathertoday"]分词使用空格tokenizedcorpus[doc.split("")fordocincorpus]bm25BM25Okapi(tokenizedcorpus)...

进化通常被认为是一种随机过程，作用于通过基因变异随机出现的各种性状。已故古生物学家史蒂芬·杰·古尔德表示，如果我们让进化的时钟倒转，并“重播生命的录音带”，他怀疑“任何像智人这样的生物是否会再次进化出来。”但一项关于竹节虫的新研究表明，进化有时会以可预测的方式重复，这有助于我们理解生物如何发生变化以响应选择压力。法国国家科学研究中心的进化生物学家帕特里克·诺西尔和同事们研究了竹节虫的伪装模式，...

AGI到底是科技公司画的大饼，还是可预测的未来？​​几天前，Anthropic一名25岁的高管在博客上发文，表示自己已经准备好了3年后退休，让AI取代自己的工作。​​最近，OpenAI前员工的一篇博客文章也有类似的观点。他不仅认为AGI很可能实现，而且「奇点」预计就在2027年。文章作者名为LeopoldAschenbrenner，于2023年入职OpenAI超级对齐团队，工作了1年6个月。Aschenbrenner认为，到2027年，大模型将能够完成AI研究人员或工程师的...

本文将按照论文《LoRA：大型语言模型的低阶适配》中提出的方法详细介绍如何使用LoRA技术对大型语言模型进行微调。简介当涉及到大型语言模型时，微调可能是人们讨论最多的技术方面的内容之一。大多数人都知道，训练这些模型是非常昂贵的，需要大量的资本投资;所以，看到我们可以通过采用现有的模型并用自己的数据对模型进行微调，从而创建一个具有自己特色的模型，这的确是一件令人兴奋的事情。当前，已经存在多种方法可以对模型...

PandasAI是一个开源项目，旨在为Pandas库添加人工智能功能，使用户可以通过自然语言与数据进行互动。这一工具利用生成式人工智能技术，帮助用户无需编写复杂代码即可探索、清理和分析数据。以下是PandasAI的一些主要特性和优势：增强的数据分析能力：PandasAI扩展了Pandas的核心功能，使其能够处理更复杂的数据分析任务，包括数据清洗、转换、探索性数据分析和可视化。智能数据操作：利用AI技术，PandasAI能够智能识别用户意图...

在股票投资中，寻找被低估的股票是实现高回报的重要途径。传统的分析方法需要大量手工处理数据，而Python数据科学和LLM大模型技术可以帮助我们更高效地完成这项工作。这个项目旨在利用Python编程语言和大模型来自动化筛选纳斯达克市场中的低估值股票。本文所有代码已打包，并配有详细文档，下载方法详见文末，代码文件结构如下：最后代码执行后筛选结果如下：大模型给我们的财富密码是：PDD（拼多多）、CSCO（思科）、AEP（美国...

LLM（大语言模型）通常存在校准不良和过度自信的问题，无论是显性的（例如，“我百分之百确定”）还是隐性的，例如提供详细信息或权威语调。为了解决这个问题，研究人员采用了一种实用的说话者听众多代理方法。通过多代理RSA（RationalSpeechActs）和启发式的偏好优化来实现这一点：说话者生成答案，听众根据答案的听起来如何来接受或拒绝它们。人们更喜欢自信且正确或不自信且不正确的答案，不喜欢不匹配的答案。通过使用引导...

大型语言模型（LLM）有一些固有限制，如知识截断、较差的算术能力或无法访问私有数据等。为了克服这些限制，研究人员使用了诸如检索增强生成（RetrievalAugmentedGeneration，RAG）的技术，该技术通过查询向量或结构化数据库，在提示中添加相关上下文的结果。像Toolformer和ReAct这样的创新提高了LLM的性能，使其能够使用外部函数进行复杂问题的解决。LLM整合各种工具和函数调用的能力可能会导致在开发基于LLM的软件时发生根本...

LLMs通过纯文本语言（例如英语）执行命令的能力使得能够完成用户查询的代理系统得以实现，通过协调正确的工具集合（例如ToolFormer、Gorilla）。这个能力以及最近的多模态努力，比如GPT4o或Gemini1.5模型，已经扩展了AI代理的可能性范围。虽然这非常令人兴奋，但这些模型的庞大尺寸和计算需求通常需要在云端进行推理。这可能会为它们的广泛应用带来几个挑战。首先，将视频、音频或文本文档等数据上传到云端的第三方供应商可能会...

整理丨诺亚出品51CTO技术栈（微信号：blog51cto）Adobe最近遇到了麻烦，起因是已故摄影大师安塞尔·亚当斯的遗产管理方向公众谴责：该公司销售模仿亚当斯作品的生成式AI图像。上周五，亚当斯的遗产管理方在Threads上发布了一张截图，显示了AdobeStock上可获取的标有“安塞尔·亚当斯风格（AnselAdamsstyle）”的AI生成图片，并告知Adobe这种行为已让它们“忍无可忍”。1.大师的遗音这起纠纷里的安塞尔·亚当斯是一位名副其实的...

作者丨DavidEastman编译丨诺亚出品51CTO技术栈（微信号：blog51cto）尽管没有任何大型语言模型（LLM）骑过自行车，但它们显然理解骑行在人类交通领域中的作用。它们似乎为软件开发者提供的是一种类似语义的现实世界知识，结合了对技术世界的理解。我们在最近的一篇文章中清楚地看到了这一点，仅通过用自然语言描述，我们就能够生成一个简单的图书出版SQL架构。虽然我对Llama3创建架构的性能感到满意，但我之前在Oracle工作时期...

随着前不久IlyaSutskever从OpenAI的离职，OpenAI首席架构师和著名强化学习(ReinforcementLearning,或RL)专家JohnSchulman​博士成为OpenAI现存最主要具有技术背景的创始人。最近，Schulman博士接受了著名的科技播客主持人DwarkeshPatel的专访。他解密了OpenAI大模型发展史，介绍了OpenAI怎样训练和产品化大模型，尤其是后训练阶段如何通过RL提升大模型的泛化能力和实用性。Schulman分享了他对大模型伸缩律（ScalingLaw)，大模型...

论文链接:https:arxiv.orgpdf2405.18750项目链接：https:t2vturbo.github.io基于扩散的文本到视频（T2V）模型取得了显著的成功，但仍然受到迭代采样过程速度缓慢的影响。为了解决这一挑战，一些一致性模型被提出来促进快速推理，尽管以牺牲样本质量为代价。在这项工作中，旨在突破视频一致性模型（VCM）的质量瓶颈，实现快速且高质量的视频生成。本文引入了T2VTurbo，将来自不同可微分奖励模型混合的反馈集成到预训练T2V模型的...

论文标题:EasyAnimate:AHighPerformanceLongVideoGenerationMethodbasedonTransformerArchitecture论文:​​https:arxiv.orgpdf2405.18991.pdf​​项目地址:​​https:github.comaigcappsEasyAnimate​​EasyAnimate框架介绍EasyAnimate是一个先进的视频生成方法，它利用Transformer架构的强大功能来实现高性能的输出。该框架扩展了最初为2D图像合成设计的DiT框架，以适应3D视频生成的复杂性，通过整合一个运动模块块来捕捉时间...