AI.x社区
- 登录/注册
默认
发布时间
热度
原创
精华
Google总监提出生成式AI应用架构和成熟度模型，一步步指导进阶
随着大模型技术的日渐成熟，应用已从原型演示向企业级落地过渡。之前，我们也多次介绍过有关诸如高级RAG等生产级技术，但缺少类似于MLOPS成熟度这样的评估体系，无法衡量一个应用在企业级层面达到了何种水平。今天，笔者介绍GoogleAIML和GenAI总监AliArsanjani提出的端到端生成式AI应用架构以及其成熟度的分级。如图可见，它将其分为UIUX（自然语言对话交互）、PromptEngineering（提示工程）、RAG、Serve（服务）、Adapt（适配...AI应用架构OpenAI的可解释性挑战与解释性人工智能（XAI）在医疗诊断中的关键作用
精华在上周于瑞士日内瓦举行的国际电信联盟AIforGood全球峰会上，OpenAI首席执行官SamAltman在被问及该公司的大型语言模型(LLM)的实际运作方式时感到很困惑。SamAltman承认OpenAI实际上并不了解其AI的工作原理，“我们当然还没有解决可解释性问题。”OpenAI已筹集数百亿美元用于开发改变世界的人工智能技术。但有一个明显的问题：它仍然难以理解其技术实际上是如何运作的。《观察家报》援引他的话说：“我们当然还没有解决可解释性...OpenAI人工智能XAI超越Magic3D、ProlificDreamer，更灵活更可控的Text-to-3D扩散
论文链接：https:arxiv.orgpdf2310.05375代码链接：https:github.comzengbohan0217IPDreamer最近文本到3D生成以及单张图片到3D生成惊艳的生成结果引来了越来越多研究者们的关注，然而这两个方向都存在有各自小小的局限性，首先文本到3D生成的结果难以准确地控制生成结果的外观，而单张图片到3D生成虽然可以确定生成3D结果的外观，但是目前主要的单张图片到3D生成方法还是只能处理主体比较明确的图片，难以处理复杂的图片，并且...3D生成Next-Level Agents：释放动态上下文（Dynamic Context）的巨大潜力
原创 精华编者按：本文深入探讨了如何通过优化动态上下文信息（DynamicContext）来提升AIAgents的工作效率和准确性。文章首先概述了五种常见的技术策略，包括信息标识(MessageLabeling)、针对不同需求设定不同上下文、优化系统提示词(SystemPrompts)、精简RAG系统中冗余信息，以及其他处理上下文的高级策略。随后，作者分享了一些技术实施细节和经验教训，这些教训虽然源自与Multiagent团队在实际生产环境中的长期合作实践，但对于single...LLMs人工智能AI Agents白海科技CVPR 2024 视频场景解析挑战赛第一名方案详解
像素级场景理解是计算机视觉的基础问题之一，旨在识别给定图像中每个像素的对象类、mask和语义。与图像场景解析相比，视频场景解析引入了时间信息，可以有效提高预测的一致性和准确性，因为现实世界实际上是基于视频的，而不是静态的。本文采用基于不可靠伪标签的半监督视频语义分割方法。然后，将教师网络模型与学生网络模型集成，生成伪标签并对学生网络进行再训练。本方法在开发测试和最终测试中分别获得了63.71%和67.83%的m...视频模型【LLM】大语言模型在用户兴趣探索中的应用
一、结论写在前面传统的推荐系统通过学习和强化过去的用户物品交互形成强烈的反馈循环，这反过来限制了新用户兴趣的发现。为了解决这一问题，论文引入了一种结合大型语言模型（LLMs）和经典推荐模型的混合层次框架，用于用户兴趣探索。该框架通过“兴趣集群”控制LLMs和经典推荐模型之间的接口，集群的粒度可以由算法设计者明确确定。该方法结合了LLMs在推理和泛化方面的优势，以及经典推荐模型的基础。它首先使用语言表示“兴...语言模型探索应用本地使用Groq Llama 3 70B的逐步指南
原创本文介绍了如何使用GroqLPU推理引擎在JanAI和VSCode中生成超快速响应。每个人都致力于构建更好的大语言模型(LLM)，而Groq专注于AI的基础设施方面，旨在确保这些大模型更快速响应。本教程将介绍GroqLPU推理引擎以及如何在笔记本电脑上使用API和JanAI本地访问它。本文还将把它整合到VSCode中，以帮助我们生成代码、重构代码、记入文档并生成测试单元。本文将免费创建我们自己的人工智能编程助手。GroqLPU推理引擎简介GroqLPU(语...大语言模型LLMAIAGI时代下，计算机专业出身的该何去何从？
原创Easy：单独开个贴说一下吧。提前说明，一切以古代思维对AGI时代的推演，都是可笑的。只是在其未落地时，尚能有一点参考价值。以下都是个人分析，如有和你认知不同的地方，以你的认知为准[doge]。我觉得计算机这个专业以及程序员这个行业，在AI加持以后，会飞速分化。最优秀的人才，会分布到人工智能核心、平台和公用组件库等基础业务上。但这些岗位是非常有限的。不那么优秀的初中层人才，尤其是CURD工程师，则会有非常高的概率...AGIAI程序员计算机专业前端即插即用，快速适配！港大FlashST：简单通用的智慧交通时空预测模型 | ICML 2024
交通预测的目标是准确预测和分析城市未来的交通模式，这一过程需要同时考虑时间和空间因素。然而，分布偏移的存在在这一领域构成了一个重大挑战，因为现有模型在面对与训练分布显著不同的测试数据时，往往难以很好地泛化。为了解决这个问题，华南理工大学、香港大学的研究人员提出了一个简单而通用的时空提示调整框架FlashST，能够使预训练模型适应于不同下游数据集的特定特征，提高了其在多种预测场景中的泛化能力。代码地址:...模型数据AI预测极端天气提速5000倍！微软发布Aurora，借AI之眼预测全球风暴
精华自人类有历史以来，就一直执着于预测天气，以各种方式破解「天空之语」，我们慢慢发现，草木、云层似乎都与天气有关，这不仅仅是因为人类从事生产的需要，也是人类想要对着大风歌唱、在月光下吟诗的需要。《冰与火之歌》中的风雨歌师，就是通过歌声和吟唱来预测天气和风暴，人们还会幻想拥有「改变天气」的超能力。天气之子后来，有了气象专家和天气预报，可我们始终还是不能脱离具身体验和物理世界，但现在，AI让情况起了变化...天气预测AI多模态模型学会打扑克：表现超越GPT-4v，全新强化学习框架是关键
只用强化学习来微调，无需人类反馈，就能让多模态大模型学会做决策！这种方法得到的模型，已经学会了看图玩扑克、算“12点”等任务，表现甚至超越了GPT4v。这是来自UC伯克利等高校最新提出的微调方法，研究阵容也是相当豪华：图灵奖三巨头之一、Meta首席AI科学家、纽约大学教授LeCunUC伯克利大牛、ALOHA团队成员SergryLevineResNeXt一作、Sora基础技术DiT作者谢赛宁香港大学数据科学学院院长、UC伯克利教授马毅该方法名为RL4VLM...模型学习框架Ilya离开后，八位OpenAI新安全与保密委员会领军人物，你认识几位？
原创编辑言征出品51CTO技术栈（微信号：blog51cto）OpenAI宣布成立新的安全与保密委员会，该委员会负责OpenAI项目和运营中的关键决策制定，这引发了互联网的广泛讨论，因为CEO山姆·阿尔特曼（SamAltman）也是委员会成员之一。讨论围绕着GPT5可能提前发布的问题展开，以及该委员会是OpenAI的安全堡垒。然而，这一公告最有趣的部分似乎是委员会的成员。除了由OpenAI董事会董事领导外，该小组还将有技术和政策专家为他们提供指导。在...OpenAI保密委员会CEO被作者删库的Llama 3-V原文再现！效果匹敌GPT4-V，区区不到500 美元，如何做到的
原创编译言征作者AkshGarg备注：发稿前作者已经删掉原文出品51CTO技术栈（微信号：blog51cto）近日，一款Llama3V最近被“先红后黑”的出了圈。作为全球顶尖研究学府的团队，身陷“抄袭”中国大模型的泥潭后，火速删稿删库，实属LLM史上一大“轶事”。那么这款“Llama3V”究竟长什么样子，实际基准效果究竟如何？不得不说，看完作者对于该模型的介绍，大家对于如何训练出堪比GPT4o的多模态大模型，心中会多一些干货。【本篇文章的作...Llama 3-VChatGPTGPT4-V单个4090可推理，2000亿稀疏大模型「天工MoE」开源
在大模型浪潮中，训练和部署最先进的密集LLM在计算需求和相关成本上带来了巨大挑战，尤其是在数百亿或数千亿参数的规模上。为了应对这些挑战，稀疏模型，如专家混合模型（MoE），已经变得越来越重要。这些模型通过将计算分配给各种专门的子模型或「专家」，提供了一种经济上更可行的替代方案，有可能以极低的资源需求达到甚至超过密集型模型的性能。6月3日，开源大模型领域又传来重要消息：昆仑万维宣布开源2千亿稀疏大模型Skyw...模型开源再战Transformer！原作者带队的Mamba 2来了，新架构训练效率大幅提升
自2017年被提出以来，Transformer已经成为AI大模型的主流架构，一直稳居语言建模方面C位。但随着模型规模的扩展和需要处理的序列不断变长，Transformer的局限性也逐渐凸显。一个很明显的缺陷是：Transformer模型中自注意力机制的计算量会随着上下文长度的增加呈平方级增长。几个月前，Mamba的出现打破了这一局面，它可以随上下文长度的增加实现线性扩展。随着Mamba的发布，这些状态空间模型(SSM)在中小型规模上已经实现了与Tran...架构训练谷歌创新框架：从非结构化数据，实现多模态学习
精华看、听、说的多模态已成为主流大模型的重要功能之一。但在数据爆炸时代，大模型学习文本类的结构化数据相对还好一些，但要去学习视频、音频、图片等非结构化数据非常困难。目前，从结构化和非结构化数据实现多模态学习，会随着模态数量、输入大小和数据异构性的增加，深度神经网络会变过拟合和泛化效果不佳。尤其是当在规模有限的数据集上训练时，这一状况就越发明显，例如，经常表现出非平稳行为的时间序列数据。因此，谷歌提...谷歌框架麦肯锡：ChatGPT等生成式AI应用激增，大中华区增长最快
全球顶级咨询公司麦肯锡（McKinsey&Company）在官网发布了《hestateofAIinearly2024:GenAIadoptionspikesandstartstogeneratevalue》，一份关于生成式AI应用的调查报告。麦肯锡对多个国家地区的1,363位管理者进行了调查，以查看他们对ChatGPT、Copilot、Gemini和Midjourney等生成式AI的应用情况。结果显示，65%的受调查者已经在实际业务中使用该技术，与2023年的33%相比几乎增长了两倍；应用地区方面，大中华区（中国台湾、香港...生成式AI应用Adobe推出超分辨率，细节丰富视频模型VideoGigaGAN
视频超分辨率是计算机视觉领域一个非常有难度的课题，主要是将低分辨率的视频转换为高分辨率。在转换的过程中，会面临着两大难题。第一个是保持输出视频帧在时间上的连贯性，确保帧到帧之间平滑过渡，不出现闪烁或抖动的情况；第二个则是要在放大的视频帧中重建高频细节，以提供清晰和逼真的纹理效果。虽然目前很多超分辨率视频模型在保持时间连贯性方面取得了显著进展，但是以牺牲图像清晰度为代价，整体看起来非常模糊缺乏更...模型神经网络终于来啦！Stable Diffusion 3将在6月12日正式开源
精华6月3日晚，著名开源大模型平台StabilityAI的联合首席执行官ChristianLaforte，在AMD的产品发布会上宣布，文生图模型StableDiffusion3将于6月12日在HuggingFace开源权重。本次开源的是StableDiffusion3的Medium模型，有20亿参数，在照片真实感、样式、图片质量、算力资源消耗等方面都进行了大幅度优化，将比前两代更好。同时StableDiffusion3也是对标闭源文生图产品Midjourney、DALL·E3的最佳模型之一，该系列已经被全球数百万...模型开源不同数据集有不同的Scaling law？而你可用一个压缩算法来预测它
一般而言，训练神经网络耗费的计算量越大，其性能就越好。在扩大计算规模时，必须要做个决定：是增多模型参数量还是提升数据集大小——必须在固定的计算预算下权衡此两项因素。Scalinglaw告诉我们：只要能适当地分配参数和数据，就能在固定计算预算下实现性能最大化。之前已有不少研究探索过神经语言模型的Scalinglaw，而这些研究通常得出的结论是参数和训练token数应当一比一地扩展。但是，之前的语言模型Scalinglaw研究都是基...数据压缩算法
